클로드 코드, 점점 멍청해지는 이유는 딱 하나다
핵심 요약
- 문제 원인은 메모리·컨텍스트 관리 부재
- 5단 메모리 시스템으로 정보 저장 위치 분리
- CLAUDE.md는 50~200줄 안으로 최소화
- 리서치는 서브 에이전트, 반복작업은 스킬로 분리
- 컨텍스트 60%에서 /clear, MCP는 꼭 정리
- 클로드 코드, 점점 멍청해지는 이유는 딱 하나다
클로드 코드를 쓰다 보면 어느 순간 이상한 일이 벌어진다. 분명 똑같은 모델인데, 세션이 길어질수록 답변이 흐려지고, 이미 설명한 내용을 또 물어보고, 사용량 제한까지 걸린다. 모델이 갑자기 멍청해진 게 아니다. 메모리와 컨텍스트를 설계 없이 쓰고 있기 때문이다.
Related: 하네스 엔지니어링으로 LLM 코드 품질 멱등성 확보하기 | 실전 AX 가이드
Related: 클로드 디자인이란? 풀스택 AI 디자인 워크플로 완전 정리
Related: Claude Code 생산성 격차 10배 줄이는 설정·MCP·워크플로우 비밀
Related: Claude Code 토큰 비용 80% 절감하는 15가지 최적화 가이드
Related: Claude MCP 완벽 가이드: Canva·Zapier·Stripe 워크플로우 자동화 | 실전 설정법
직접 이것저것 테스트해보면서 정리한 5단 메모리 시스템과 실전 운영 팁 6가지를 공유한다. 이 구조만 잡아도 “까먹음”과 컨텍스트 낭비가 체감될 정도로 줄어든다.
컨텍스트 오버로드란 무엇이고 왜 답변이 멍해질까?
컨텍스트 오버로드(Context Overload)란 세션이 길어질수록 클로드 코드가 이전 내용을 제대로 반영하지 못해 답변 품질이 떨어지는 상태를 말한다. 사용량 초과, 반복 설명 요구, 품질 저하 이 세 가지 증상으로 나타난다.
이런 경우라면 특히 해당되는 이야기다.
- 세션이 길어지면 답변이 이상해진다고 느낀 사람
- 매주 같은 배경 설명을 AI에게 반복하고 있는 팀 리더
- 클로드 코드 주간 사용량 상한에 자주 걸리는 파워 유저
- 하나의 세션에서 작업을 몰아서 처리하는 습관이 있는 사용자
구조를 이해하면 왜 이런 일이 생기는지 바로 보인다. 클로드 코드는 메시지를 보낼 때마다 이전 대화 전체를 새 입력 컨텍스트로 같이 보낸다. 두 시간짜리 회의에서 안건이 바뀔 때마다 회의록 수백 페이지를 처음부터 다시 읽고 답하는 직원을 떠올려 보면 된다. 짧은 미팅에서는 문제없지만, 길어질수록 실제 답변에 쓸 “에너지”가 부족해진다.
더 흥미로운 점은, 컨텍스트가 길어지면 맨 앞과 맨 뒤는 비교적 잘 반영되지만 중간 내용은 먼저 날아간다는 것이다. 한 세션 안에서도 시간이 갈수록 “처음에 합의한 핵심 방향”이 답변에서 빠지기 시작하는 이유가 여기 있다.
“클로드 코드는 컨텍스트가 길어지면 가장 앞부분과 뒷부분은 잘 기억하면서 중간 부분은 잘 못 기억할 수 있습니다.”
새 세션을 열면 이전 대화는 완전히 사라진다. 사업 방향, 톤 가이드, 고객 정보를 매번 다시 설명하게 되는 건 그래서다. 이 모든 비효율의 뿌리는 하나다. 어떤 정보를 어디에, 얼마나 오래 저장하고 참조할지에 대한 체계가 없는 것.
컨텍스트 사용량 모니터링이란 무엇인가?
컨텍스트 사용량 모니터링(Context Usage Monitoring)은 현재 세션에서 얼마나 많은 토큰과 컨텍스트를 쓰고 있는지 실시간으로 파악하는 절차다. 메모리 시스템을 설계하기 전에 반드시 먼저 해야 하는 단계이기도 하다.
이런 경우라면 특히 해당되는 이야기다.
- “갑자기 컨텍스트가 꽉 찼다”는 메시지를 자주 보는 사람
- 사용량과 비용이 얼마나 나오는지 감이 없는 팀
- MCP, 에이전트, 파일을 켜놓고 그냥 쓰는 사용자
- 컨텍스트를 “감으로만” 관리해온 사람
터미널에서 /context를 입력하면 시스템 프롬프트, 커스텀 에이전트, 메모리 파일, 스킬 등이 각각 컨텍스트를 얼마나 차지하는지 비율로 볼 수 있다. /cost는 세션 사용 비율, 주간 누적량, 추정 비용까지 보여준다.
다만 매번 명령을 치는 건 금방 귀찮아진다. 그래서 스테이터스 라인에 상시 노출되게 만드는 게 훨씬 실용적이다. 이렇게 프롬프트를 주면 된다.
“스테이터스 라인에 컨텍스트 사용률을 퍼센트와 막대 그래프로 보여주고, 모델 이름, 깃 브랜치, 누적 비용도 함께 표시해 달라.”
화면 하단에 현재 모델명, 파일 경로, 누적 비용, 컨텍스트 퍼센티지가 막대 그래프로 항상 보이게 된다. 써보면 알겠지만, 이 막대만 보고 있어도 “이제 슬슬 정리해야겠다”는 감각이 자연스럽게 생긴다.
숫자가 안 보이면 판단을 할 수가 없다. /clear를 언제 해야 할지, 어떤 MCP를 끌지, 어떤 메모리를 외부로 빼야 할지. 모니터링이 모든 메모리 전략의 출발점인 이유다.
5단 메모리 시스템이란 무엇인가?
5단 메모리 시스템(5-Layer Memory System)은 클로드 코드가 다루는 정보를 접근 빈도와 성격에 따라 다섯 계층으로 나누어 저장·참조하는 구조다. 각 계층은 사무실 공간으로 비유하면 이해하기 쉽다.
이런 경우라면 특히 해당되는 이야기다.
- 모든 걸 CLAUDE.md에 몰아 넣어둔 사용자
- 문서, 규칙, 톤 가이드가 뒤섞여 관리 지옥을 겪는 팀
- 장기·단기 정보가 혼재해 컨텍스트가 항상 무거운 환경
- 메모리 전략을 한 번 제대로 재구축하려는 사람
5단계를 사무실 비유로 정리하면 이렇다.
- 1단: CLAUDE.md – 책상 위 메모
- 2단: 오토 메모리(Auto Memory) – 공책
- 3단: CLAUDE Rules & Mem0 – 검색 가능한 서랍
- 4단: 스킬스(Skills) & 서브 에이전트(Sub-Agent) – 작업 매뉴얼
- 5단: 외부 데이터베이스 – 사무실 책장
“어떤 정보가 있을 때 그걸 어떤 단계의 메모리에 저장하는 게 효율적일지, 그 판단을 잘하는 것”이 이 시스템의 핵심이다.
계층마다 컨텍스트에 미치는 영향이 다르다. 1단 CLAUDE.md는 항상 로드되니 짧고 가벼워야 한다. 4단 스킬과 5단 외부 DB는 필요할 때만 로드되기 때문에 내용이 방대해도 상관없다.
직접 이 구조대로 나눠보면, 동일한 작업량에서 세션당 토큰 소모가 줄고 답변 일관성이 눈에 띄게 달라진다.
1·2단: CLAUDE.md와 오토 메모리란 무엇인가?
CLAUDE.md와 오토 메모리는 클로드 코드의 기본 기억 체계를 구성하는 1·2단 메모리다. 1단은 항상 기억해야 할 핵심 원칙, 2단은 AI가 스스로 적어두는 공책 역할을 한다.
이런 경우라면 특히 해당되는 이야기다.
- CLAUDE.md에 회사 소개, 규정, 고객 리스트까지 넣어둔 사람
- 세션이 짧은데도 답변 품질이 이상하게 떨어진다고 느끼는 사용자
- 매 세션마다 “이번 분기 목표” 같은 걸 계속 다시 말하는 PM
- AI가 알아서 배웠으면 하지만 관리 루틴은 없는 팀
CLAUDE.md는 세션 시작 때마다 자동으로 로드되는 핵심 설정 파일이다. 내용은 다음 세 가지 정도로 제한하는 게 좋다.
- 사업·브랜드의 톤과 기본 원칙
- 자주 참조하는 문서의 위치(파일 경로 인덱스)
- 작업 전 반드시 질문·확인을 요구하는 규칙
“200줄이 넘어가게 되면 점점 클로드 코드가 이 전체 내용을 제대로 파악하고 답변하지 못하게 됩니다.”
“포인터 중심의 CLAUDE.md”가 핵심 패턴이다. 예를 들면 이런 식이다.
- “주간 보고서 자동 생성 시
docs/report_guide.md를 참조하라.” - “콘텐츠 톤 가이드는
brand/tone_guide.md파일에 있다.”
내용을 직접 넣지 말고, 어디에 있는지만 알려주는 것이다.
또 하나 챙겨야 할 건, CLAUDE.md에 “작업 시작 전 95% 확신이 들 때까지 추가 질문을 해 달라”는 요구를 포함시키는 것이다. 잘못 이해한 채로 작업이 진행되면, 그 자체가 컨텍스트 오염과 토큰 낭비를 부른다.
오토 메모리(Auto Memory)는 클로드 코드가 세션에서 배운 내용을 자동으로 메모리 파일에 기록하는 기능이다. /memory 명령으로 상태를 확인할 수 있고, 정보는 네 가지 타입으로 나뉜다.
User– 사용자 특성Feedback– 선호 피드백Project– 프로젝트별 목표·상태Reference– 자주 참조하는 자료
정보들은 별도 파일로 저장되고, memory.md에는 인덱스 형태의 포인터만 남는다. 예를 들어 “이번 분기 콘텐츠 목표는 영상 8편, 편당 7분”이라고 말하면 관련 Project 메모리가 생성되고, 새 세션에서도 이 메모리는 참고된다.
단, 오토 메모리는 완벽하지 않다. 주기적으로 파일을 검토해 오래되거나 잘못된 내용을 삭제해야 한다. 이 루틴이 없으면, 시간이 갈수록 “예전 정보”가 답변 품질을 갉아먹기 시작한다.
3단: CLAUDE Rules와 Mem0란 무엇인가?
CLAUDE Rules와 Mem0는 특정 상황에서만 꺼내 쓰는 규칙·기억 서랍이다. 1·2단만으로는 부족한 세밀한 규칙과 문맥 기반 검색을 담당한다.
이런 경우라면 특히 해당되는 이야기다.
- Slack 규칙, 클라이언트별 톤, 채널별 규칙이 섞여 있는 팀
- “예전에 이 얘기 했는데 어디였지?”를 자주 찾는 매니저
- 클라이언트 협상·의사결정을 나중에 다시 확인해야 하는 사람
- 파일 검색만으로는 문맥이 안 잡히는 상황이 잦은 팀
CLAUDE Rules는 특정 파일 경로나 작업 상황에서만 로드되는 규칙 시스템이다. 구조는 간단하다.
.claude/rules/폴더 생성- 그 안에 작업별 룰 파일 생성 (예:
slack_rules.md,client_a_rules.md) - 포메터(Formatter)로 Description과 파일 경로를 명시
Slack 관련 폴더에서 작업할 때만 Slack 룰이 자동으로 로드된다. 다른 작업에는 영향을 주지 않으니 불필요한 컨텍스트 낭비가 없다.
유지보수 면에서도 확실히 낫다. 모든 규칙을 CLAUDE.md에 몰아넣으면, 한 줄 고치려고 전체 파일을 뒤져야 한다. Rules로 나눠두면 해당 파일만 열면 된다. 개발에서 말하는 관심사 분리(Separation of Concerns)를 메모리에도 적용하는 셈이다.
Mem0는 벡터 데이터베이스 기반 시맨틱 검색 메모리 도구다. 동작 흐름을 보면 이렇다.
- 세션 대화를 자동 기록
- 임베딩(Embedding)하여 벡터 DB에 저장
- “클라이언트 A 가격 협상 결론이 뭐였지?”처럼 자연어로 질문
- 문맥적으로 유사한 이전 기록을 찾아 보여줌
/plugin 명령으로 마켓플레이스에서 Mem0 플러그인을 설치하면 된다. 비용을 아끼고 싶다면 OpenAI 대신 로컬 ONNX 임베딩 모델을 쓰는 것도 가능하다.
여러 프로젝트를 동시에 진행하고, 몇 주 뒤에 “그때 어떻게 결정했더라?”를 다시 꺼내야 하는 팀이라면 Mem0의 효용이 특히 크다.
4단: 스킬스와 서브 에이전트란 무엇인가?
스킬스(Skills)와 서브 에이전트(Sub-Agent)는 반복 작업과 무거운 작업을 메인 세션에서 떼어내는 실행 계층이다. 작업 매뉴얼과 리서치를 분리해 컨텍스트를 보호한다.
이런 경우라면 특히 해당되는 이야기다.
- 매주 같은 형식의 보고서·문서 템플릿을 만드는 팀
- 리서치·크롤링·분석이 토큰을 잡아먹는 환경
- 리서치 때문에 메인 세션이 금방 무거워지는 사용자
- 작업 매뉴얼을 프롬프트로 계속 붙여넣고 있는 사람
스킬은 특정 반복 작업을 위한 “작업 매뉴얼 캡슐”이다. 평소에는 컨텍스트를 전혀 차지하지 않다가, 해당 스킬을 호출할 때만 필요한 정보가 로드된다. 예를 들면 이런 것들이다.
- 주간 보고서 생성 스킬
- 유튜브 스크립트 초안 스킬
- 릴리즈 노트 정리 스킬
스킬 생성은 자연어로 “어떤 입력을 받아 어떤 출력을 만들라”고 설명하면 클로드 코드가 skill.md를 자동으로 만들어 준다. 입력 파일 경로, 출력 포맷, 우선순위 항목 등이 담긴 매뉴얼이다.
서브 에이전트는 더 무거운 작업을 완전히 별도 에이전트로 분리하는 방식이다.
/agent명령 실행- “프로젝트 단 에이전트 생성” 선택
- 에이전트 목적·역할·모델·출력 규칙 설명
“AI 자동화 전담 리서치 에이전트”를 만들면, 해당 에이전트는 별도 메모리·규칙·모델을 가진 독립 인스턴스로 동작한다. 리서치에 필요한 토큰은 서브 에이전트 쪽에서 소비되고, 메인 세션은 결과만 전달받는다. 터미널에서는 주황색으로 구분 표시된다.
무엇을 선택할까? 주요 옵션 비교
| 항목 | 스킬(Skill) | 서브 에이전트(Sub-Agent) |
|---|---|---|
| 실행 위치 | 메인 세션 내부 | 별도 에이전트 인스턴스 |
| 컨텍스트 소비 | 메인 컨텍스트 일부 사용 | 메인 컨텍스트 거의 미소비 |
| 적합한 작업 | 템플릿 문서 생성, 반복 포맷팅 | 대규모 리서치, 크롤링, 분석 |
| 설정 난이도 | 비교적 단순, 프롬프트로 자동 생성 | 다소 복잡, 역할·규칙·메모리까지 설계 |
| 사용 목적 | “어떻게 할지” 매뉴얼 캡슐화 | “누가 할지” 역할 단위 분리 |
실무에서는 정해진 형식의 반복 문서는 스킬로, 대량 정보 수집·분석 작업은 서브 에이전트로 분리하는 패턴이 가장 깔끔하다. 이렇게 나누면 메인 세션은 의사결정과 조율에 집중할 수 있다.
5단: 외부 데이터베이스 연동이란 무엇인가?
외부 데이터베이스 연동(External Database Integration)은 장기 보관이 필요한 대용량 참조 정보를 외부 서비스에 저장하고, 필요할 때만 클로드 코드와 연동해 쓰는 방식이다. 사무실 책장에 꽂아둔 두꺼운 바인더에 가깝다.
이런 경우라면 특히 해당되는 이야기다.
- 수백 페이지 리포트·회의록을 자주 다루는 기획자·컨설턴트
- 자체 LLM 위키·지식 베이스를 구축하려는 팀
- 매출·이벤트 로그 등 구조화 데이터를 분석하는 데이터 팀
- “지금은 아니지만 나중에 필요할” 자료가 쌓여가는 조직
대표적인 연동 방식은 세 가지다.
1. NotebookLM 연동
산업 리포트, 회의록 등 수백 페이지 자료를 저장하고, 클로드 코드가 NotebookLM을 통해 해당 내용을 질의·참조한다.
2. LLM 위키 구축
나만의 위키를 만들어 브랜드, 프로세스, 노하우를 정리한다. “위키 스킬”을 만들어 질문이 들어오면 위키에서 먼저 검색한 뒤 답변하게 할 수 있다.
3. 관계형 DB 연동 (Supabase, PostgreSQL 등)
매출 데이터, 사용자 이벤트, KPI 등을 구조화해 저장하고, 클로드 코드가 SQL 쿼리를 생성해 조회·분석한다.
5단은 오늘 당장 안 쓰지만 언젠가 바로 꺼내야 하는 정보에 특히 유용하다. 1~4단이 자주 쓰는 단기 정보라면, 5단은 장기 지식 창고에 가깝다.
중요한 것은 모든 외부 데이터 연동을 항상 스킬 형태로 감싸두는 것이다. 그래야 평소에는 컨텍스트를 건드리지 않으면서, 필요할 때만 깊은 정보를 끌어올 수 있다.
CLAUDE.md vs 오토 메모리: 무엇이 더 적합할까?
CLAUDE.md와 오토 메모리는 모두 “기억”을 담당하지만, 역할과 적합한 정보 유형이 완전히 다르다. 혼용하면 컨텍스트 낭비와 기억 오류가 동시에 발생한다.
이런 경우라면 특히 해당되는 이야기다.
- CLAUDE.md에 프로젝트 목표와 일정까지 넣어둔 PM
- 오토 메모리만 믿었다가 규칙 일관성이 무너진 경험이 있는 팀
- “이건 어디에 저장해야 하지?”가 자주 헷갈리는 사용자
- 메모리 오염·중복을 줄이고 싶은 운영자
| 항목 | CLAUDE.md | 오토 메모리(Auto Memory) |
|---|---|---|
| 로드 시점 | 매 세션 시작 시 항상 로드 | 필요 시 참조, 세션 간 자동 재사용 |
| 정보 성격 | 톤·원칙·불변 규칙·인덱스 | 사용자·프로젝트·피드백 등 가변 정보 |
| 관리 방식 | 사람이 직접 편집·버전 관리 | 클로드 코드가 자동 기록, 사용자가 주기적 정리 |
| 적합한 예시 | “브랜드 톤은 ~이다” | “이번 분기 목표는 영상 8편·편당 7분” |
| 길이 권장 | 50~200줄 이내, 짧을수록 좋음 | 파일 총량보다 정기 정리가 더 중요 |
실무 기준으로 간단하게 나누면 이렇다.
- 변하면 안 되는 규칙·톤·철학 → CLAUDE.md
- 기간·프로젝트에 따라 변하는 목표·상태 → 오토 메모리
이렇게 나누면 CLAUDE.md는 항상 가볍고 선명한 나침반 역할을 하고, 오토 메모리는 프로젝트별 “최근 맥락”을 책임지게 된다.
5단 시스템을 극대화하는 6가지 실전 운영 팁
5단 메모리 시스템을 구축했다고 끝이 아니다. 일상적인 사용 습관이 컨텍스트 효율을 결정한다. 직접 써보면서 체감한 팁 여섯 가지다.
이런 경우라면 특히 해당되는 이야기다.
- 5단 구조를 만들어도 체감 효율이 별로인 사용자
- 세션이 자주 꼬이고 엉뚱한 방향의 작업이 나오는 팀
- MCP·플러그인을 켜놔서 항상 무거운 환경
- 다음 세션에서 “어디까지 했더라”를 계속 되묻는 사람
1. 컨텍스트 60%에서 /clear 실행
100%까지 기다리면 자동 콤팩션이 발생하고, 이때 중요한 맥락이 임의로 잘릴 수 있다. 60%쯤에서 미리 초기화하면, 1~3단 메모리에 중요한 정보가 이미 보존되어 있어 깔끔하게 새 출발할 수 있다.
“100%가 차서 자동 콤팩션이 일어날 때까지 기다리기보다는 60% 정도 찼으면 클리어를 하면서 활용하시는 걸 추천드립니다.”
2. 사용하지 않는 MCP 서버 연결 해제
MCP가 연결만 되어 있어도, 쓰든 안 쓰든 컨텍스트를 점유한다. 자주 쓰지 않는 MCP는 습관적으로 끄고 필요한 순간에만 켜는 것이 좋다.
3. 파일 경로와 라인 범위를 정확히 지정
“트렌드 문서를 참고해 줘”처럼 모호하게 말하면 클로드 코드는 파일 구조 탐색·추론에 토큰을 낭비한다. 구체적으로 주는 것이 낫다.
예: docs/trend_2025.md 120~180라인을 참고해 요약해 줘.
4. 플랜 모드(Plan Mode)로 먼저 설계 후 실행
복잡한 작업은 바로 실행시키지 말고, 플랜 모드에서 계획을 먼저 검토한다. 방향을 합의하고 시작하면 엉뚱한 결과로 컨텍스트가 오염되는 일이 줄어든다.
5. 작업 초반 모니터링·ESC 활용
초반 몇 턴은 특히 집중해서 지켜본다. 방향이 이상하면 바로 ESC로 중단하고 지시를 재정렬한다. 작업이 끝나고 나서 발견하면 이미 토큰과 컨텍스트는 돌아오지 않는다.
6. 핸드오프 문서(handoff.md) 자동화
세션 종료 시 훅(Hook)을 설정해 다음 내용을 자동으로 기록하게 한다.
- 오늘 한 일
- 절대 하지 말아야 할 것
- 다음 세션에서 가장 먼저 할 일
새 세션이 시작되면 클로드 코드가 이 handoff.md를 즉시 로드해 이전 맥락을 이어받는다. 매 턴 종료 시마다 갱신되도록 설정하는 것이 이상적이다.
써본 경험으로는, 이 중에서 컨텍스트 60% clear + 핸드오프 자동화 두 가지만 적용해도 “어제 뭐 했지?”부터 다시 설명하는 일이 거의 사라진다.
요약 체크리스트
- [ ] 스테이터스 라인에서 60% 도달 시
/clear실행 - [ ] 사용하지 않는 MCP 서버 즉시 Disconnect
- [ ] 파일 경로·라인 범위를 항상 명시
- [ ] 복잡한 작업은 먼저 플랜 모드로 설계
- [ ] 작업 초반에 방향 모니터링·ESC 활용
- [ ]
handoff.md자동 생성·매 턴 갱신 설정
지금 당장 무엇부터 할까?
5단 메모리 시스템이 머리로는 이해돼도, 한 번에 다 구현하려 하면 부담스럽다. 오늘 당장 할 수 있는 최소 실행 순서다.
- 스테이터스 라인에 컨텍스트·비용 표시 설정 요청하기
/context와/cost를 직접 실행해 현재 상태 파악하기- CLAUDE.md를 열어 50~200줄 이내로 다이어트하기
- 오토 메모리
/memory상태 확인 후 오래된 항목 정리하기 .claude/rules/폴더를 만들고 최소 1개 룰 파일 분리하기- 자주 쓰는 반복 작업 1개를 골라 스킬로 캡슐화하기
- 세션 종료 훅으로
handoff.md자동 생성 설정하기
7단계를 마치면, 이후에는 Mem0, 서브 에이전트, 외부 DB를 점진적으로 붙여나가면 된다. 완벽한 설계보다 중요한 건 컨텍스트를 의식적으로 다루기 시작하는 것이다.
핵심 정리
문제의 근원: 사용량 초과, 반복 설명, 답변 품질 저하는 모두 메모리·컨텍스트 관리 부재에서 나온다.
5단 메모리 시스템 요약:
- 1단 CLAUDE.md – 항상 로드되는 최소 규칙·인덱스
- 2단 오토 메모리 – 세션 간 공유되는 가변 정보
- 3단 CLAUDE Rules·Mem0 – 상황별 규칙·시맨틱 검색
- 4단 스킬·서브 에이전트 – 작업 매뉴얼과 리서치 분리
- 5단 외부 DB – 장기 지식 창고
운영 습관 6가지: 60%에서 /clear, MCP 해제, 파일 경로·범위 지정, 플랜 모드, 작업 초반 모니터링, handoff.md 자동화.
이 체계를 갖추면 클로드 코드는 “매번 처음 보는 사람”이 아니라, 맥락을 이어받고 스스로 메모를 남기는 팀원에 가까워진다. 아래 자료들을 함께 보면서 자신의 환경에 맞게 조정해보는 것도 좋다.
- Anthropic Claude 공식 문서: https://docs.anthropic.com
- Model Context Protocol(MCP) 사양: https://modelcontextprotocol.io
- 벡터 데이터베이스 개요 (Pinecone Docs): https://www.pinecone.io/learn/vector-database
- PostgreSQL 공식 문서: https://www.postgresql.org/docs
- Supabase 공식 문서: https://supabase.com/docs
- 시맨틱 검색·임베딩 개념 (OpenAI Embeddings): https://platform.openai.com/docs/guides/embeddings
자주 묻는 질문 (FAQ)
Q. CLAUDE.md 길이는 어느 정도가 적당한가요?
Anthropic은 공식적으로 200줄 이하를 권장하지만, 실무에서는 50줄 안팎이 가장 안정적이다. 핵심 원칙·톤·인덱스만 남기고 나머지는 Rules나 외부 파일로 분리하는 게 낫다. 길어질수록 모델이 전체를 제대로 반영하지 못해 답변 품질이 떨어진다.
Q. 오토 메모리는 켜 두기만 하면 알아서 잘 동작하나요?
기본 동작은 자동이지만, 정기적으로 정리하지 않으면 점점 오염된다. 오래된 프로젝트 목표나 변경된 정책이 그대로 남아 있으면, AI가 잘못된 가정을 바탕으로 답하게 된다. 최소 월 1회는 memory.md와 개별 메모리 파일을 점검해 불필요한 항목을 삭제하는 게 좋다.
Q. 스킬과 서브 에이전트는 어떤 기준으로 나눠야 하나요?
반복 문서 생성·포맷팅처럼 비교적 가벼운 작업은 스킬이 맞다. 리서치나 대량 데이터 분석처럼 토큰 소비가 큰 작업은 서브 에이전트로 분리해야 한다. 스킬은 메인 세션에서 실행되고, 서브 에이전트는 별도 세션에서 돌아간다는 차이를 기억하면 선택이 쉬워진다.
Q. 컨텍스트 60%에서 /clear를 해도 중요한 정보를 잃지 않나요?
1~3단 메모리(CLAUDE.md, 오토 메모리, Mem0)가 제대로 구성되어 있다면, /clear는 대화 히스토리만 비우는 리셋에 가깝다. 중요한 규칙·목표·의사결정은 메모리 계층에 남아 있어 새 세션에서도 이어받을 수 있다. 오히려 100%까지 기다렸다가 자동 콤팩션이 일어나면, 중요한 중간 맥락이 불규칙하게 손실될 수 있다.
Q. 외부 데이터베이스는 꼭 써야 하나요?
초기에는 1~3단만 잘 설계해도 체감 효과가 크다. 수백 페이지 리포트나 대규모 매출 데이터처럼 원천 데이터가 크고 복잡해지기 시작할 때 5단을 도입해도 전혀 늦지 않다. 단, 외부 DB를 쓸 때는 반드시 스킬로 감싸 필요할 때만 호출하는 패턴을 지키는 게 중요하다.
Found this article helpful?
Get more tech insights delivered to you.
댓글 남기기