AI 생성 코드의 불확실성을 제거하는 '기계적 강제' 전략

Context

AI 코딩 어시스턴트의 빠른 생성 속도가 오히려 잠재적 결함을 양산하는 구조. CLAUDE.md 같은 가이드라인은 단순 제안일 뿐 강제성이 없는 비결정적 특성. TypeScript 컴파일 단계에서 걸러지지 않는 논리적 오류와 안티 패턴 발생.

Technical Solution

• oxlint를 활용해 약 200가지의 범용 JS/TS 규칙을 50ms 내외로 빠르게 검증하는 1차 패스 구축
• ESLint와 Svelte 플러그인을 조합하여 .svelte 파일 구조 분석 및 Zod의 .safeParse() 사용 강제 등 프레임워크 특화 규칙 적용
• ast-grep의 tree-sitter 기반 구조 매칭을 통해 .map() 내부의 DB 쿼리와 같은 N+1 패턴을 탐지하는 YAML 기반 선언적 규칙 설계
• SvelteKit 및 Cloudflare 업데이트 내역을 JSON Feed와 RSS로 수집하여 레거시 패턴을 자동 탐색하는 쉘 스크립트 기반 감사 시스템 구축
• 모든 린트 규칙과 워크플로우를 단일 .github 저장소에서 중앙 관리하고 10개의 레포지토리에 동기화하여 설정 드리프트 방지

Impact

• oxlint(50ms), ESLint(2s), ast-grep(200ms)의 3단계 린팅 프로세스 구축
• 10개 레포지토리에 대한 업데이트 감사 프로세스를 10초 내외로 완료

Key Takeaway

문서 기반의 권고보다 린트 규칙과 타입 제약 같은 기계적 강제 장치를 통해 나쁜 패턴을 구조적으로 불가능하게 만드는 설계 원칙.