성공률 4% 향상, AI 코딩 에이전트를 위한 CLAUDE.md 최적화 전략

Context

AI 코딩 에이전트의 효율을 높이기 위한 설정 파일 작성 방식의 부재. LLM이 생성한 방대한 양의 설정 파일이 오히려 에이전트의 성능을 저하시키는 현상 발생.

Technical Solution

• 60라인 미만의 간결한 분량을 유지하는 60-line principle 적용
• 단순 문서 덤프나 LLM 매니페스토 식의 안티패턴 배제
• 프로젝트 성격(Monorepo, API, Frontend)에 맞춘 Skills Template 활용
• 정보의 과부하를 막기 위해 필요한 시점에 정보를 제공하는 Progressive Disclosure 전략 채택
• 실제 에이전트 동작 결과 기반의 성과 측정 및 지속적 피드백 루프 구축

Impact

• 사람이 작성한 60라인 미만의 간결한 파일 사용 시 성공률 4% 상승
• LLM이 생성한 200라인 이상의 장황한 파일 사용 시 성공률 3% 하락 및 토큰 비용 20% 증가

Key Takeaway

AI 에이전트의 컨텍스트 윈도우 효율성은 정보의 양보다 밀도와 정확성에 비례하는 설계 원칙 확인.