피드로 돌아가기
원문 읽기
LINE Engineering
Frontend프롬프팅에서 워크플로로, AI로 프런트엔드 개발 생산성 끌어올리기
프롬프팅을 넘어 Context Engineering 기반의 AI 개발 Workflow로 전환
AI 요약
Context
Jira, Figma, Slack 등 파편화된 데이터 소스로 인한 프런트엔드 엔지니어의 과도한 Context Switching 발생. 단순 LLM 프롬프팅 방식은 일회성 결과에 그쳐 실제 대규모 코드베이스의 일관성과 확장성을 확보하기 어려운 구조적 한계 존재.
Technical Solution
- Noah MCP 도입을 통한 Jira, Confluence, Slack, GitHub 등 고립된 데이터 소스의 통합 입력 인터페이스 구축
- '분석-구조화-검증' 순의 정형화된 Workflow 설계를 통해 단순 코드 생성이 아닌 구현 계획(Implementation Plan) 선행 수립
- 기존 코드베이스의 Shared Hook 및 Primitive Component를 사전에 식별하여 중복 구현을 방지하는 재사용성 최적화 로직 적용
- Closed-loop 검증 루프를 구축하여 구현 완료 후 Type-check, Lint, Test 결과를 원래 계획과 대조하는 자동 검증 프로세스 구현
- 불확실한 요구사항에 대해 추측을 배제하고 원천 데이터의 타임스탬프를 인용하여 사람에게 되묻는 Human-in-the-loop 구조 채택
실천 포인트
- AI 도입 시 단순 챗봇 활용이 아닌 '입력-추론-계획-구현-검증'의 반복 가능한 Workflow 설계 여부 검토 - 코드 생성 전 요구사항 요약, 영향도 분석, 파일 리스트, 테스트 체크리스트를 포함한 Blueprint 생성 단계 추가 - 기존 라이브러리 및 공통 컴포넌트 스캔 단계를 워크플로에 포함하여 코드 일관성 유지 - AI의 할루시네이션 방지를 위해 결정되지 않은 사항을 명시적으로 분리하고 담당자에게 피드백을 요청하는 프로세스 구축