오늘도 AI와 씨름한 일지를 작성해보겠습니다.. 저번까지는 플레이어의 기반을 얼추 완성했으니 이번엔 보스를 AI와 함께 제작하는것을 목표로 삼았습니다.Mooni보스 구현먼저 FSM을 바탕으로 에너미의 행동을 정의하는 구조를 미리 만들고 AI에게 해당 구조를 사용하여 보스를 만들도록 명령했습니다.최초 구조만 AI에게 넣었기에 위 플로우차트의 내용이 단 하나도 구현되어있지 않은 상태였지만, 구현하고 나니 얼추 보스같이 동작하는 적이 나오게 되었습니다.하지만 동작만 할뿐이지 적과 플레이어의 피격, 대미지 처리 구조를 짜놓지 않고 만들었기에 AI가 마음대로 구현해버려 조금 구조가 꼬이게 되어서 이부분은 다시 수정을 요청하였습니다.1차 완성 보스넉백도 애니메이션 커브를 설정해서 조금 더 자연스럽게 변경하고, 패링..

이제 ai에 관련된 이론은 거의 다 공부하였다고 생각이 들어서 오늘부터는 ai를 실제 프로젝트에서 어떻게 활용하고 있는지에 대해 정리해보도록 하겠습니다.StatSystem 개선기존 StatSystem에서 스탯을 사용하는 컴포넌트가 StatSO를 가지고 있으면서, 다시 StatBehavior의 GetStat()으로 런타임 참조를 받아 덮어써야 하는 방식이 불편했습니다.그래서 현재 사용 방식의 불편을 설명한 뒤 개선 방향을 추천해달라고 요청했습니다.AI는 정의와 런타임 상태를 분리하는 방법을 포함해 세 가지 방향을 비교했습니다.하지만 구조를 분리한다는 설명만으로는 처음 이야기한 불편이 해결되지 않아서 필요한 스탯을 StatBehavior에서 주입해주는 방식을 제안했고, AI가 이를 StatReference ..

개인 프로젝트를 진행하다 보면 코드를 작성하는 시간만큼 “어떤 커밋이 추가됐는지 확인하고 변경사항을 다시 읽는 시간”도 많이 듭니다. GitHub의 diff를 복사해 AI에게 질문하는 방법도 있지만, 저장소를 열고 커밋을 찾고 내용을 전달하는 작업을 매번 반복해야 했습니다.이 과정을 자동화하기 위해 ASP.NET Core 10과 Blazor로 **BranchReview**를 만들었습니다. BranchReview는 사용자가 지정한 GitHub 브랜치의 새 커밋을 확인하고, Gemini 또는 OpenAI로 변경사항을 검토한 뒤 커밋별 리포트로 저장하는 개인용 AI 코드 리뷰 에이전트입니다.전체 동작 흐름사용자는 먼저 GitHub 저장소와 관리할 브랜치를 등록합니다. 서버는 기본적으로 5분마다 브랜치의 최신 ..

저번 글에서는 프로젝트의 정보들을 docs에 정리하여 AI가 읽기 편하게 구성하였습니다.그런데 새로운 구조나 기능이 추가될 때마다 문서도 같이 업데이트해주어야 합니다.그래서 Agent Skill을 하나 정의하여 문서 작성을 자동화하도록 만들었습니다.sync-project-docs Skill먼저 docs 구조를 정해두고, 문서를 작성할 때 지켜야 하는 규칙들을 설명하여 AI에게 SKILL.md 파일을 생성하도록 하였습니다.docs/agents/├── wiki/├── spec/└── adr/각 폴더에는 index.md를 넣어 어떤 문서가 있는지 찾을 수 있도록 하였습니다. 문서가 추가되거나 이동하면 이 목차도 함께 수정하도록 했습니다.그리고 AGENTS.md에는 작업을 마무리할 때 스킬을 사용하도록 적어두었..

오늘은 학교 수행 과제로 유니티 프로젝트를 진행하면서 AI를 어떻게 세팅했는지 적어보도록 하겠습니다.구조구조는 전에 정리했던 mediaway 프로젝트를 많이 참고하였습니다.2026GamePJ├─ AGENTS.md├─ Sequences.md└─ docs └─ ai └─ wiki ├─ index.md ├─ combat ├─ player ├─ skill ├─ ui └─ ... └─ spec └─ adr위 그림과 같은 구조이며, 간단하게 설명하자면wiki에는 AI가 알아야할 정보를 담고spec에는 AI가 구조 설계, 구현시에 봐야 내용을담았으며adr에는 AI가 구조를 설계한 이유를 적도록 하였습니..

오늘은 새로운 개념을 공부하기보다, AI 코딩 에이전트를 실제 프로젝트에서 오래 사용할 때 필요한 운영 방법에 대해서 정리해보겠습니다.AI가 코드를 잘 작성하는 것도 중요하지만 프로젝트가 커질수록 Context 관리, 검증 방법, 세션 관리와 같이 AI가 일할 환경을 만드는 것도 중요해집니다.AGENTS.md에 모든 내용을 넣으면 안된다이 부분은 전에 공부했던 레포지토리에서 적용하고 있던 내용과 비슷한 것 같습니다.AI를 사용할 때 AGENTS.md에는 프로젝트를 작업하면서 AI가 반드시 알아야 하는 규칙을 작성할 수 있습니다.하지만 모든 설계와 규칙을 AGENTS.md 하나에 계속 추가하면 파일 자체가 너무 커지게 됩니다. 그러므로 각 부분의 세뷰 규칙들은 따로 md 파일을 만들어 정리하고, AGENT..

오늘은 AI 잘 활용하는 프로젝트는 AI를 어떻게 활용하고 있는지에 대해 공부해보겠습니다. 지금까지는 프롬프트와 스킬 사용 위주로 알아보았지만 이번엔 AI가 읽을 문서를 잘 설계한 프로젝트는 어떤 구조인지 알아보겠습니다.참고해볼 프로젝트는 학교 선배님이 만드신 프로젝트인 https://github.com/nyxways/mediaway 입니다.AGENTS.mdMediaway의 AGENTS.md는 AI가 항상 지켜야 할 핵심 규칙과 세부 문서의 위치를 안내하는 기준 문서로 구성되어 있었습니다. 내용은 크게 다음 순서로 정리되어 있습니다.프로젝트 환경과 핵심 설계 방향사용자 대화와 저장소 문서의 언어 규칙작업 전에 읽어야 할 Wiki와 문서 순서라이선스·보안·코드 안전에 관한 절대 규칙프로젝트 구조와 API..

오늘은 AI가 단순히 답변만 생성하는 것이 아니라, 외부 함수나 도구를 직접 사용할 수 있게 해주는 Tool Calling에 대해서 공부해보겠습니다. 지금까지는 Prompt, Context, RAG처럼 AI에게 어떤 정보를 주고 어떤 방식으로 작업하게 할지에 대해 공부했습니다.Tool Calling은 여기서 한 단계 더 나아가서, AI가 실제 프로그램의 기능을 사용할 수 있게 만들어주는 방식입니다.Tool Calling이란?Tool Calling은 AI가 사용자의 요청을 보고 필요한 경우 미리 등록된 함수나 도구를 선택해서 호출하는 방식입니다.예를 들어 사용자가오늘 서울 날씨 알려줘라고 물어봤다고 하겠습니다. LLM 자체는 실시간 날씨 정보를 가지고 있지 않을 수 있습니다. 이때 날씨를 조회하는 Tool..