저는 TRAE의 새로운 SOLO Coder Agent를 사용해 보고, 이를 사용하여 상당히 복잡한 프로젝트를 완료했습니다. AI는 근력 트레이닝 데이터를 분석하고 매우 상세하고 직관적인 트레이닝 보고서를 제공하는 데 도움을 줄 수 있습니다. 제 코치님도 놀라셨죠. 이 책은 제가 이전에 알고 있던 것을 산산이 조각냈습니다. 여러 차례의 수정 후에도 계획 능력과 안정성이 뛰어났습니다. 아래는 최신 업데이트의 주요 내용과 프로젝트 빌드 프로세스에 대한 요약입니다 👇
공사가 시작될 때까지 기다리기 너무mp.weixin.qq.com/s/k-BlZN-IL_Gb…어보세요: https://t.co/dfySUNimYK
첫째, Solo Coder라는 새로운 모드가 있습니다. 이전 Solo Builder 모드에 비해 기능이 훨씬 강력해져 복잡한 코드베이스 유지 관리에 이상적입니다. 지능형 작업 계획 및 다중 에이전트 협업 동시 작업을 지원합니다. 새로운 작업을 생성할 때 Solo Coder 모드를 선택할 수 있습니다.
선택을 하면 소프트웨어가 3개의 열로 구성된 대화형 디자인을 사용한다는 것을 알 수 있습니다. 가장 왼쪽에는 멀티태스킹 목록이 있는데, 여기서 각 작업의 현재 상태를 볼 수 있습니다. 진행 중인지, 완료된지, 중단되었는지 확인할 수 있습니다. 가운데 섹션은 메인 페이지로, 현재 선택된 에이전트와의 상호작용을 위한 주요 인터페이스입니다. 정보를 입력하면 에이전트의 현재 실행 세부 정보를 확인할 수 있습니다. 가장 오른쪽에는 다양한 창의 미리보기가 있습니다. 에이전트의 현재 상태에 따라 다양한 도구로 전환되며, 다양한 정보를 표시합니다. 예를 들어, 웹페이지를 미리 보고 있다면 그것은 브라우저입니다. 인코딩이나 변경 사항의 효과를 확인하려면 코드 수정 페이지를 이용하세요. 실제 코드를 확인하려면 IDE의 편집기 인터페이스를 이용하세요. 또한 실시간 추적 기능을 지원하여 오른쪽에 해당 페이지를 자동으로 열어 미리 볼 수 있습니다.
코더 모드는 다중 에이전트 동시성 기능을 제공합니다. 여러 개의 에이전트 창을 생성하여 각 에이전트가 동시에 여러 작업을 수행하도록 할 수 있습니다. 이를 통해 여러 에이전트가 계획을 세우고, 한 에이전트는 작업을 수행하고, 다른 에이전트는 디자인을 담당할 수 있습니다. 제가 여기서 소개할 첫 번째 도구는 AI가 상호작용과 디자인을 최적화하도록 하는 것입니다. 상호작용 디자인의 문제점을 파악하는 데 사용됩니다. 두 번째 단계는 프로젝트의 최적화 지점을 분석하는 것으로, 여기에는 다른 에이전트가 작성한 코드에 존재하는 문제를 분석하는 것이 포함됩니다. 결국, 이는 단지 코드를 반복하는 정상적인 과정일 뿐입니다.
게다가 멀티태스크 동시성 섹션에서는 새로운 에이전트를 직접 만들 수 있습니다. 이제 에이전트를 생성할 때 양식을 직접 작성할 필요가 없습니다. 필요한 사항을 간략하게 설명하면 에이전트가 작성해야 하는 양식이 자동으로 생성됩니다. 간단한 조정만 하면 됩니다. 자동 생성된 에이전트 아이콘도 매우 흥미롭습니다.
이제 계획 모드가 있습니다. 이 계획 모드를 활성화하면 작업을 실행하기 전에 작업 자체를 계획합니다. 그러면 완료된 작업, 아직 완료되지 않은 작업, 완료 결과가 어떻게 될지 알려 주어 현재 진행 상황을 명확하게 이해할 수 있습니다. 게다가, 프레젠테이션과 UI가 매우 잘 처리되어 있고, 프레젠테이션이 매우 명확합니다.
그리고 컨텍스트 압축도 있는데, 컨텍스트 압축이 진행 중이라는 것을 시각적으로 볼 수 있어서 정말 좋다고 생각합니다. 매우 좋은 솔루션이 제공됩니다. 사용자가 컨텍스트 압축을 적극적으로 트리거하거나, 컨텍스트 길이에 도달하면 AI가 자동으로 압축할 수 있습니다. 문맥이 70%에 도달하면 자동으로 요약 및 문맥 제공 창이 팝업됩니다. 이쯤 되면 마치 모든 것이 잘 정리된 것처럼 마음이 놓입니다. 매우 지능적이며, 문맥 오버플로로 인해 임의로 변경되지 않습니다. 모든 주요 정보를 요약하고 저장합니다.
몇 가지 눈에 띄는 변경 사항을 소개한 후, 전반적인 기능 개선 사항에 대해 논의해 보겠습니다. 여기서 제가 이 프로젝트를 어떻게 진행했는지 설명하겠습니다. 이런 필요성은 제가 운동하는 동안 트레이너와 나눈 대화에서 비롯되었는데, 트레이너는 각 트레이닝 세션마다 양식을 보내주셨기 때문입니다. 나중에 저는 각 훈련 세션에 점수를 매기고, 전반적인 소개와 제안을 제공하고, 마지막으로 데이터를 시각화하여 각 작업의 핵심 포인트를 알려주고, 차트를 통해 진행 상황을 시각적으로 보여주는 AI 분석 시스템을 만들면 좋겠다고 생각했습니다.
처음에는 그에게 분석해 달라고 요청하지 않고 요구 사항만 설명했습니다. 그저 문서에 데이터를 직접 넣고 싶었습니다. React 프로젝트를 시작했는데, 진행 과정에서 몇 가지 사소한 오류가 있었습니다. 오른쪽의 내장 브라우저가 오류 메시지를 왼쪽 입력란으로 보낼 수 있었고, 제가 아무런 개입이나 안내 없이도 정상적으로 해결되었습니다. 생성된 결과는 단지 세 개의 링이고, 데이터 통계도 매우 간단하므로 이 소개는 사실상 의미가 없습니다.
그러다가 '아니, 이 분석에 어떤 요소를 포함해야 할지 그와 논의해 보자'는 생각이 들었습니다. 예를 들어, 더 자세한 정보가 필요할 수도 있거든요. 이게 뭔가 다르다는 걸 처음 느꼈어요. 그는 제 모든 데이터를 꼼꼼히 읽고 아주 자세한 보고서를 작성해 주셨어요. 그는 모든 동작에 대한 동작 분석과 함께 전체 내용이 매우 자세했기 때문에 그것을 해냈습니다. 생각해 보세요. 제 트레이닝은 수십 가지 동작으로 구성될 수 있고, 각 동작마다 분석이 있습니다. 트레이닝에 대한 과학적 설명과 소개도 매우 자세합니다.
나는 나중에 이 페이지를 여러 번 수정했습니다. 예를 들어, 원래는 이모지 아이콘을 사용했습니다. 또한, 초기 차트는 일반 선형 차트나 다른 유형의 차트를 사용하지 않았습니다. 모두 맞춤 제작되었기 때문에 많은 문제가 있었습니다. 이러한 수정 작업은 결국 완료되었습니다.
하지만 맥락은 이미 70~80% 정도 완성되었다고 생각하기 때문에 앞서 나가는 동안 멈춰야 할 때가 아닐까 생각했습니다. 다시 쓰려고 하면, 일반적으로 이 유형의 에이전트는 오류를 발생시키거나 이 시점에서 맥락을 잊어버릴 수 있습니다. 하지만 어차피 다 똑같은 거고, 그가 너무 잘 썼으니까, 그냥 시도해보게 하는 게 어떨까 생각했습니다. 그래서 우리는 그에게 누구의 데이터와 설정이든 수용하고 분석할 수 있는 실제 제품으로 만들어 달라고 요청했습니다. 그는 맥락을 압축하기 시작했고, 맥락을 압축한 후 정식으로 완전한 제품을 반복하기 시작했습니다.
마침내 런타임 중 여러 번의 디버깅 세션을 거친 후, 완전히 자체 관리되었습니다. 내장 브라우저를 실행하고 콘솔에서 오류를 감지한 후 자체적으로 수정했습니다. 수정 기간 끝에 마침내 작동하게 되었고, 모든 기능이 정상적으로 작동했습니다. 이 제품의 최종 결과를 살펴보겠습니다. 먼저 기본 정보를 입력한 다음 CSV 양식을 업로드합니다. 다음으로, 무료인 Gemini API를 직접 입력하세요. 그 후에는 쌍둥이자리의 분석을 기다리게 됩니다. 최종 분석은 세 부분으로 구성됩니다. 첫 번째 부분은 개요로, 얼마나 잘 훈련했는지 보여줍니다. 두 번째 부분은 훈련 과학으로, 현재 AI가 제공하는 조언입니다. 세 번째 부분은 각 작업에 대한 작업 데이터, 작업의 핵심 사항, 작업의 중요성, 현재 진행 상황입니다.
나중에 오른쪽 상단에 배포 옵션이 있어서 배포했습니다. 배포 후 해당 vercel에 연결해야 한다는 것을 알게 되었습니다. 그런데 온라인에 접속해 보니 404 오류였습니다. Vercel을 사용해 본 적이 없어서 뭐가 문제인지 알 수 없었습니다. 로그 페이지를 확인해 봤지만, 뭐가 문제인지 알 수 없었습니다. 그래서 404 오류 스크린샷과 Vercel 플랫폼 로그 페이지 스크린샷을 보내드렸습니다. 분석해 달라고 부탁드렸더니, 놀랍게도 문제를 직접 찾아서 수정하고 다시 업로드해 주셨고, 문제없이 작동했습니다. 게다가 그가 발견한 문제는 그의 개발자 친구가 발견한 문제와 비슷했습니다.
전반적으로 가장 인상 깊었던 점은 여러 차례의 수정에도 불구하고 안정적으로 유지되는 기획력과 기능이었습니다. 저는 그에게 입력 내용이 무엇이어야 하는지, 각 부분의 콘텐츠 분석은 어떻게 해야 하는지, 대화형 경험이 어때야 하는지 자세히 설명하지 않았습니다. 예전에는 Vibe 코더로서 AI 모델이 스스로 동작하거나 오류를 발생시키지 않도록 매우 자세하게 설명해야 했지만, 이번에는 의도적으로 아무 말도 하지 않았습니다. 뭔가 생각이 나거나, 오류를 보고하거나, 그에게 알려달라고 요청할 때만 변경 작업을 시작합니다. 하지만 여기에는 AI가 데이터를 분석할 때 대기 시간을 포함하여 정보 형태의 내용이 고려됩니다.
게다가 그는 스스로 문제를 파악하고 해결하는 능력이 매우 뛰어납니다. 완전히 어리둥절했던 적도 여러 번 있었습니다. 이 React 프로젝트는 꽤 복잡했기 때문에, 순수 에이전트 제품이 React 프로젝트를 작성하도록 한 번도 감히 맡겨본 적이 없었습니다. 많은 일반 텍스트 모델의 경우, 서버를 배포하고 시작하는 것만으로는 충분하지 않은 경우가 많습니다. 이렇게 복잡한 React 프로젝트를 지속적으로 수정하고 반복하는 것은 더욱 그렇습니다.
공식 소개















