프롬프트 체이닝으로 AI 코드 리뷰 품질 개선하기

문제 상황

팀에서 Claude를 활용한 코드 리뷰 자동화를 시도했는데, 단일 프롬프트로 "이 코드를 리뷰해줘"라고 요청하면 매번 다른 관점의 피드백이 나왔다. 어떨 때는 성능에만 집중하고, 어떨 때는 타입 안정성만 지적하는 식이었다.

프롬프트 체이닝 도입

프롬프트를 3단계로 분리하는 체이닝 방식을 적용했다.

1단계: 코드 분석

다음 코드의 구조와 의도를 분석해줘.
- 주요 로직
- 사용된 패턴
- 외부 의존성

2단계: 품질 평가

위 분석을 바탕으로 다음 기준으로 평가해줘:
- 타입 안정성
- 에러 핸들링
- 성능 이슈
- 보안 취약점

3단계: 개선안 제시

평가 결과 중 우선순위가 높은 3가지에 대해
구체적인 코드 개선안을 제시해줘.

결과

리뷰 일관성이 확보되었고, 각 단계의 출력을 다음 단계의 컨텍스트로 전달하니 더 깊이 있는 분석이 가능해졌다. 특히 3단계에서 우선순위를 명시하니 "모든 걸 다 고치라"는 식의 비현실적인 제안이 줄었다.

추가 개선 사항

각 단계마다 온도(temperature) 값을 다르게 설정했다. 분석 단계는 0.2로 낮게, 개선안 제시는 0.5로 약간 높여서 창의적인 해결책도 받아볼 수 있게 했다.

체이닝 방식은 토큰 사용량이 늘어나는 단점이 있지만, 리뷰 품질 향상을 고려하면 충분히 가치 있는 트레이드오프였다.