지정한 개념 ‘소크라틱 인터뷰 스킬’ (유형: workflow)에 대한 위키 노트를 작성하여 llm-wiki/wiki/소크라틱 인터뷰 스킬.md 파일로 저장 완료했습니다.
작성된 위키 노트 내용
---
type: workflow
status: draft
core: false
tags:
- llm
- agent
- workflow
- prompt-engineering
aliases:
- deep-interview
- 소크라틱 질의 워크플로우
sources:
- raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md
created: '2026-08-28'
updated: '2026-08-28'
---
# 소크라틱 인터뷰 스킬
## 한 줄 정의
AI [[코딩 에이전트]] 및 하네스(harness) 환경에서 개발자의 모호한 요청(ambiguity)이 완전히 해소될 때까지 연속적인 질문과 답변을 통해 요구사항을 명확히 정의하고 시스템 사양으로 인코딩(encoding)하는 사전 대화형 워크플로우.
## 핵심 요지
- **의도 인코딩(Intent Encoding)**: Transformer 아키텍처의 Encoder-Decoder 개념과 유사하게, 개발자의 모호한 고차원 의도를 LLM이 오차 없이 구현할 수 있는 정교한 요구사항 명세로 변환하는 역할을 수행한다 (raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md).
- **AI 슬롭(AI Slop) 방지**: 30~40개의 비대한 에이전트와 스킬을 사용하는 복잡한 하네스보다, 소크라틱 인터뷰(deep-interview)를 포함한 4개 핵심 스킬 위주의 경량화된 구조가 더 높은 구현 성공률을 보인다 (raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md).
- **사후 비극(Post-mortem) 예방**: 코드 생성 전에 모호성을 제거함으로써 구현 과정에서의 시행착오와 사후 수정(post-mortem) 비용을 획기적으로 줄여준다 (raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md).
## 상세
### 1. 배경 및 필요성
oh-my-codex(3만 stars), oh-my-claudecode(3.5만 stars), claw-code(19만 stars)와 같은 거대 에이전트 하네스 플러그인은 코드베이스 크기가 20만 LOC를 상회할 정도로 비대해지는 경향이 있다 (raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md). 이로 인해 너무 많은 스킬과 훅, 오케스트레이션 패러다임이 얽혀 오히려 성능 저하와 불필요한 토큰 소비(tokenmaxxing)를 유발한다.
소크라틱 인터뷰 스킬(`deep-interview`)은 이러한 비대함을 극복하기 위해 제안된 4대 핵심 워크플로우 중 첫 번째 단계다. 장기 실행(long-running) 에이전트가 제대로 작동하려면 코드 작성에 들어가기 전 깊이 있는 인터뷰와 사전 계획(pre-mortem planning)이 선행되어야 한다 (raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md).
### 2. 하네스의 Encoder-Decoder 패러다임
[[코딩 에이전트]]의 본질은 인간의 의도를 동작 가능한 소프트웨어로 디코딩하는 프로세스다.
1. **인코딩 (Encoder / deep-interview)**: 인간 사용자의 비정형 의도와 요구사항을 수신하여 모호성이 0에 수렴할 때까지 질의응답을 거쳐 명세화한다.
2. **사전 계획 (Pre-mortem / ralplan)**: 인코딩된 요구사항을 바탕으로 발생 가능한 실패 지점을 미리 도출하고 플랜을 세운다.
3. **병렬 디코딩 & 구현 (Decoder / team & ultragoal)**: 격리된 환경(corktree 등)에서 병렬로 구현을 진행하고 검증 루프를 통과할 때까지 반복한다 (raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md).
소크라틱 인터뷰 스킬은 이 파이프라인에서 인코더 역할을 전담하여 디코딩 품질을 수직 상승시킨다.
## 예시
### 활용 시나리오
개발자가 Claude 3.7 Sonnet 또는 GPT-4o 기반 코딩 하네스에 "사용자 로그인 및 세션 관리 API를 만들어줘"라는 모호한 명령을 전달한 경우:
1. **에이전트 (deep-interview 발동)**:
> "사용자 로그인 기능을 작성하기 전 몇 가지 아키텍처 결정을 확정해야 합니다.
> 1. 인증 방식은 JWT 기반 Stateless 토큰인가요, 아니면 Redis 세션 기반 Stateful 방식인가요?
> 2. 비밀번호 해싱 알고리즘으로 Argon2id와 bcrypt 중 어느 것을 사용할까요?
> 3. Rate limiting(요청 제한) 및 Brute-force 방어 로직이 필요한가요?"
2. **개발자 응답**:
> "1번은 JWT 기반이고 Refresh Token은 Redis에 저장해줘. 2번은 bcrypt, 3번은 IP 기준 분당 5회 제한으로 구성해줘."
3. **에이전트**: 모호성이 제거된 요구사항 명세서(Spec)를 자동 작성하여 다음 단계인 `ralplan` (Pre-mortem planner) 에이전트에게 전달.
### 소크라틱 인터뷰 스킬 프롬프트 코드 예시 (`deep-interview.py`)
```python
# deep_interview_skill.py
import anthropic
class SocraticInterviewSkill:
def __init__(self, model_name: str = "claude-3-7-sonnet-20250219"):
self.client = anthropic.Anthropic()
self.model_name = model_name
def run_interview(self, user_intent: str) -> str:
system_prompt = """
당신은 에이전트 하네스의 'deep-interview' (소크라틱 인터뷰) 스킬입니다.
당신의 목표는 개발자의 최초 요청에서 발견되는 모호함(Ambiguity), 미기재된 기술 제약, 예외 처리 조건을 드러내는 질문을 던지는 것입니다.
모든 요구사항이 명확해질 때까지 구현(코드 작성)을 시작하지 마십시오.
"""
messages = [{"role": "user", "content": f"개발자 요청: {user_intent}\n모호한 점을 찾아 소크라틱 질문을 생성하세요."}]
response = self.client.messages.create(
model=self.model_name,
max_tokens=1000,
system=system_prompt,
messages=messages
)
return response.content[0].text충돌
- 단순 대화 지연 vs 품질 향상: 사용자가 빠른 프로토타이핑을 원할 때 소크라틱 인터뷰가 지나치게 많은 질문을 던지면 초기 반응 속도(Time-to-First-Code)가 느려질 수 있다. 그러나 깊은 인터뷰 없이 진행할 경우 요구사항 불일치로 인한 사후 수정(post-mortem) 반복 횟수가 크게 증가한다는 연구/실험 결과와 상충하므로, 모호성 수준에 맞춰 질문 횟수를 동적으로 조절하는 휴리스틱이 필요하다 (raw/Bloated AI Slop Labs on X 2059651388901335196 한국어 번역.md).