정산 백엔드를 개발하면서 AI 코딩 도구를 팀에 도입했습니다. 처음 몇 주는 오히려 리뷰 부담이 늘었습니다. 코드는 빨리 나오는데 그 코드를 믿을 근거가 없었기 때문입니다. 그래서 생성 속도를 올리는 대신 각 단계에 검증과 중단 조건을 넣는 쪽으로 방향을 틀었습니다. 그 과정을 정리합니다.TL;DRAI를 코드 생성기로 쓰면 속도는 오르지만 검증 비용이 그만큼 늘어납니다. 돈을 다루는 도메인에서는 이 거래가 남지 않습니다.Rules, Skills, Agents, Hooks 네 계층으로 나누고 계획부터 PR까지 단계마다 권한 경계와 중단 조건을 넣었습니다.검증은 반드시 격리된 컨텍스트에서 했습니다. 자기가 쓴 코드를 같은 세션에서 리뷰하면 확증편향이 그대로 나옵니다.세션에서 발생한 마찰을 모아 규칙으로 승격..

정산 시스템 5개 레포를 오가며 일하는데 AI에게 물어볼 때마다 같은 설명을 반복하고 있었습니다. 그래서 도메인 지식을 마크다운 위키로 따로 만들고 유지 주체를 LLM에게 넘겨봤습니다. 구조와 운영 규칙, 만들면서 알게 된 한계를 정리합니다.TL;DR코드는 "어떻게"를 답하지만 "왜 이렇게 계산하는가"는 답하지 못합니다. 그 지식은 Jira와 Slack, 사람 머릿속에 흩어져 있었습니다.Karpathy가 제안한 LLM Wiki 패턴을 멀티레포 환경에 맞춰 적용했습니다. 원천 자료와 컴파일된 지식을 물리적으로 분리하는 게 핵심입니다.지금 마크다운 123개를 유지하고 있습니다. lint와 검색, 그래프, llms.txt 내보내기를 스크립트로 붙여 사람도 LLM도 같은 파일을 씁니다.가장 위험한 건 위키를 믿..