코딩 작업 흐름을 위한 7가지 필수 도구

작성자별 이미지

# 소개

사람들은 종종 내 기술 스택, 특히 웹 애플리케이션 구축, 기계 학습 모델 교육, 데이터 과학 워크플로 관리에 사용하는 기술 스택에 대해 묻습니다. 간단히 말해서, 저는 품질 저하 없이 효율적으로 작업할 수 있게 해주는 AI 기반 도구와 비AI 도구의 균형 잡힌 조합에 의존합니다. 이러한 도구는 계획 및 프로젝트 관리부터 개발, 테스트 및 배포에 이르기까지 모든 것을 지원합니다.

가장 좋은 부분은? 그들은 채택하기 쉽습니다. 대부분은 빠른 시작 가이드, 합리적인 기본값, 기존 워크플로와의 원활한 통합이 함께 제공되므로 최소한의 노력으로 기술 스택에 통합할 수 있습니다.

이 기사에서는 작업 흐름을 전문적인 수준으로 향상시킬 수 있는 7가지 필수 도구를 강조하겠습니다. 이러한 도구는 초기 아이디어부터 제작 단계까지 더 나은 팀 동료, 더 날카로운 코더, 더 효과적인 개발자가 되는 데 도움이 될 것입니다.

# 1. Git & GitHub: 버전 관리가 간편해졌습니다.

힘내 거의 모든 개발자와 기술 전문가에게 필수적입니다. 이는 코드 변경 사항을 추적하고, 디버깅하고, 프로젝트 진행 상황을 시각화하는 데 도움이 됩니다. 모델, 데이터 세트 및 실험의 버전을 관리하는 데에도 사용할 수 있습니다. GitHub 프로젝트를 호스팅할 수 있고 아이디어를 한 곳에서 바로 제작 가능한 프로젝트로 전환하는 데 도움이 되는 다양한 도구와 관리 기능을 제공하는 가장 인기 있는 플랫폼입니다.

그것이 좋은 이유:

분기 및 병합: 브랜치에서 아이디어를 안전하게 탐색한 다음 준비되면 병합하세요.
역사 및 회복: 사용 git log, git diff, git stash그리고 다시 기록하다 실행 취소 및 복원
풀 요청 및 리뷰: 변경사항에 대해 논의하고, 점검을 실행하고, 깨끗한 기본 브랜치를 유지하세요.
GitHub 작업: 간단한 YAML을 사용하여 테스트, 빌드 및 배포 자동화
이슈 및 프로젝트: 코드와 함께 작업, 버그, 로드맵을 추적하세요.
릴리스 및 패키지: 버전 태그 지정, 아티팩트 게시, 변경 로그 관리
보안 및 규정 준수: dependencyabot, 코드 스캐닝, 분기 보호 및 필수 검토

저는 거의 매일 Git을 사용합니다. 바이브 코딩을 할 때에도 이는 내 작업 흐름에서 중요한 부분입니다. 실수로 원치 않는 변경 사항을 푸시하거나 이전 커밋을 편집한 경우 Git을 사용하여 수정합니다. 저를 믿으세요. 저는 종종 많은 양의 정크 코드를 푸시하고 나중에 더 간단하게 편집할 수 있었다는 것을 깨닫게 됩니다.

# 2. 커서: AI 기반 코드 편집기

커서 AI를 기반으로 구축된 최신 편집기입니다. VS Code와 유사하지만 코드를 더 빠르게 작성, 수정, 리팩터링하는 데 도움이 되는 인텔리전스 계층을 추가합니다. 나는 그것이 모든 코딩 문제에 대한 중요한 도구라고 믿습니다. 이제 다중 에이전트 지원이 제공됩니다. 즉, 여러 에이전트를 동시에 실행하여 함께 문제를 해결하도록 요청할 수 있습니다. 저는 코딩, 편집, 자동 완성, 테스트 및 프로젝트에 대한 새로운 변경 사항 적용에 매일 사용합니다.

그것이 좋은 이유:

인라인 AI 편집: 파일에서 바로 변경 사항을 요청하세요. 정확한 diff 스타일 패치 얻기
저장소 수준 컨텍스트: 여러 파일, 기호 및 프로젝트 아키텍처에 대한 이유
다중 에이전트 지원: 문제를 분해하고 조율된 에이전트가 하위 작업을 처리하도록 합니다.
채팅 + 터미널 인식: 대상 수정을 위한 참조 로그, 테스트 출력 및 명령
고수되는 리팩터링: 안전한 이름 바꾸기, 인터페이스 변경, 테스트 생성 및 마이그레이션 도움말
Deep Git 통합: 편집자를 떠나지 않고도 멋진 무대를 만들고, 커밋 메시지를 작성하고, PR을 열 수 있습니다.
VS Code 생태계: 테마, 키 바인딩 및 대부분의 확장 기능을 유지하세요

많은 AI CLI 도구가 Cursor와의 통합을 제공하므로 Droid와 같은 도구를 사용하고 도구를 빌드하도록 요청하고 Cursor IDE의 변경 사항을 확인할 수 있습니다. 이는 나에게 제어권을 부여하고 작업을 더 빠르게 구축하는 데 도움이 됩니다.

# 3. Claude Code: 전체 프로젝트를 이해합니다

클로드 코드 대규모 코드베이스로 작업하는 개발자를 위해 설계되었습니다. 전체 저장소를 읽고 한 번에 여러 파일에 걸쳐 추론할 수 있습니다. 저는 Claude Code를 정말 좋아하고 API나 Claude 플랜에 대한 비용도 지불하지 않습니다. 저는 월 3달러의 비용이 드는 GLM 코딩 플랜과 함께 사용하며, 어떤 Claude Sonnet 모델보다 저에게 더 잘 작동합니다.

그것이 좋은 이유:

전체 저장소 추론: 기호, 파일 간 종속성 및 아키텍처 결정을 이해합니다.
프로젝트 전체 편집: 코드 벽을 버리는 대신 대상 차이점/패치를 제안합니다.
강력한 비계: 합리적인 구조와 문서로 서비스, CLI 및 상용구를 가동합니다.
테스트 및 디버깅: 단위/통합 테스트를 생성하고 오류를 추적하며 수정 사항을 제안합니다.
도구 사용: 연결된 서버를 통해 명령 실행, 파일 읽기/쓰기, 린터 실행, 로그 검사 등을 수행합니다.
문서 및 리뷰: 모듈을 요약하고, README 초안을 작성하고, 신중한 코드 검토를 수행합니다.

Claude Code는 문제를 해결하거나 새로운 애플리케이션을 구축하는 데 탁월합니다. 나는 그것을 처음부터 결제 플랫폼을 만드는 데 사용했는데 그 기능이 인상적입니다. 클로드 코드를 최대한 활용하려면 MCP 서버, 클로드 스킬, 클로드 플래닝 마크다운을 활용하는 것이 좋습니다. 먼저 계획을 세우고 실행하도록 요청하세요.

# 4. Postman: 손쉬운 API 테스트

우편 집배원 API 개발을 위한 유용한 툴킷입니다. 이를 통해 간단하게 엔드포인트에 도달하고, 응답을 검사 및 시각화하고, 빠르게 디버깅할 수 있습니다. 기계 학습 앱을 구축하는 경우에도 추론 및 관리 엔드포인트의 유효성을 검사해야 합니다. Postman은 API의 성능을 명확하고 시각적으로 보여줍니다.

그것이 좋은 이유:

컬렉션 및 환경: 요청을 구성하고 변수를 사용하여 구성(개발/단계/프로덕션)을 전환합니다.
내장 테스트: 상태 코드, 페이로드 및 대기 시간에 대한 빠른 JavaScript 어설션 작성
모니터 및 자동화: 실행을 예약하고 문제가 발생하면 알림을 받으세요.
모의 서버: 백엔드가 준비되기 전의 프로토타입 엔드포인트
협동: 클릭 한 번으로 팀과 컬렉션 및 문서 공유

다양한 대안이 있으며 자체 테스터를 스크립팅할 수도 있지만 Postman은 사용 용이성, 풍부한 기능 세트 및 강력한 공동 작업 도구로 돋보입니다.

# 5. Excalidraw: 아이디어 시각화

단어가 부족하면 스케치하십시오. 엑스칼리드로우 시스템 디자인, 워크플로 및 아키텍처를 쉽게 매핑할 수 있어 프로젝트 계획, 블로그, 프레젠테이션에 적합하거나 문제가 커지면서 복잡한 문제를 생각해 보는 데 적합합니다.

그것이 좋은 이유:

빠르고 손으로 그린 듯한 느낌: 픽셀 단위까지 완벽한 세부 사항에 얽매이지 않고 개념을 전달하세요.
도형, 연결선 및 레이블: 순서도, ERD, 시퀀스 다이어그램 및 앱 맵에 이상적입니다.
구성 요소 라이브러리: UI 스텐실, 클라우드 아이콘 및 자신이 저장한 블록을 재사용하세요.
실시간 협업: 함께 브레인스토밍하고, 댓글을 남기고, 실시간으로 반복하세요.
간편한 내보내기 및 삽입: 다이어그램을 데크, 문서 또는 Wiki에 드롭하세요(PNG/SVG/링크).

# 6. 선형: 프로젝트를 순조롭게 진행하세요

선의 문제 추적에 속도와 명확성을 제공합니다. 빠르고 최소한이며 엔지니어링 및 제품 팀을 위해 제작되어 콘텐츠를 계획하거나 소프트웨어를 깔끔하게 배송하는 데 적합합니다. 저는 주로 업무에 Linear를 사용하고 있으며 정말 좋아합니다. 작업을 할당하고, 초기 계획을 제공하고, 항목을 다양한 상태로 이동할 수 있습니다. 진행하면서 변경 내역과 대화 내역을 확인할 수 있어 콘텐츠 제작 및 프로젝트 개발에 대한 체계적인 접근 방식을 제공합니다.

그것이 좋은 이유:

빛처럼 빠른 UX 및 단축키: 분류, 업데이트, 검색을 통해 폭발적인 성과를 거두세요.
이슈, 프로젝트, 주기: 백로그 → 스프린트 → 명확한 상태 흐름으로 작업을 구조화합니다.
맞춤형 작업 흐름 및 라벨: 상태, 우선 순위, SLA 및 자동화를 팀에 맞게 조정하세요.
심층 통합: GitHub/Bitbucket과 동기화하고, PR을 연결하고, Slack 업데이트를 받고, 디자인을 첨부하고, Notion 문서를 연결하세요.
실시간 협업: 댓글, 멘션, 활동 타임라인을 통해 컨텍스트를 한 곳에 보관할 수 있습니다.
로드맵 및 통찰력: 진행 상황, 속도, 범위 변경 사항을 한눈에 추적할 수 있습니다.

# 7. Docker Desktop: 언제 어디서나 실행

Docker는 환경을 일관되게 만듭니다. 앱과 모든 종속 항목을 패키징하여 모든 컴퓨터에서 동일하게 실행되도록 하세요. “내 노트북에서 작동”하는 일은 전혀 없습니다. 나는 사용한다 도커 데스크탑 거의 모든 프로젝트에 대해: 로컬 테스트, 빠른 배포, MLOps를 위한 안전한 샌드박스, 데이터 과학, 웹 개발, 실제 파일을 건드리지 않고도 새로운 AI 모델 시도 등이 가능합니다.

그것이 좋은 이유:

재현 가능한 환경: 예측 가능한 실행을 위해 코드와 종속성을 이미지로 함께 제공
격리 및 안전: 실험이 시스템에 유출되지 않도록 컨테이너 샌드박스 프로세스 및 파일 액세스
다중 서비스 앱용 Compose: 단일 Docker 구성으로 API, DB, 캐시 및 대기열을 가동하세요.
빠른 반복: 계층화된 빌드, BuildKit 및 캐싱으로 개발 루프 속도 향상
GPU 및 ML 지원: 로컬에서 훈련/추론을 위해 CUDA/ROCm 지원 컨테이너 실행
멀티 아키텍처 및 이식성: x86/ARM용으로 구축하고 동일한 이미지를 모든 클라우드 또는 온프레미스에 배포
개발 컨테이너: 하나의 구성으로 VS Code 또는 JetBrains에서 팀을 위한 툴체인 표준화

# 최종 생각

개발자 역할을 시작하거나 전환하는 경우 이러한 도구에 능숙해지면 더 빠르고 효과적으로 작업을 수행하는 데 도움이 됩니다. 기능을 더 빠르게 출시하고, 더 효과적으로 협업하고, 자신감을 갖고 경력을 발전시킬 수 있습니다.

제가 언급한 모든 도구는 Git, Docker, Claude Code, Cursor, Excalidraw 및 Linear와 같은 저의 일일 도구 키트의 일부입니다. 저는 이를 콘텐츠 제작은 물론 기계 학습 및 AI 애플리케이션 구축에도 사용합니다.

이 글이 여러분에게 명확한 출발점을 제공하고 코딩 여정에 적합한 도구를 선택하는 데 도움이 되기를 바랍니다.

아비드 알리 아완 (@1abidaliawan)은 기계 학습 모델 구축을 좋아하는 공인 데이터 과학자 전문가입니다. 현재 그는 콘텐츠 제작에 집중하고 있으며 기계 학습 및 데이터 과학 기술에 대한 기술 블로그를 작성하고 있습니다. Abid는 기술 관리 석사 학위와 통신 공학 학사 학위를 보유하고 있습니다. 그의 비전은 정신 질환으로 어려움을 겪고 있는 학생들을 위해 그래프 신경망을 사용하여 AI 제품을 구축하는 것입니다.

출처 참조