AI를 활용한 코딩이 보편화되면서, 많은 개발자들이 AI가 단발성 코딩 작업에서는 뛰어난 성능을 보이지만, 복잡하고 장기적인 프로젝트에서는 어려움을 겪는다고 토로합니다. 이는 단순히 AI 모델의 성능 문제가 아니라, 프로젝트의 '축적된 맥락'이 부재하기 때문이라는 새로운 관점이 제시되었습니다. 'rhwp'라는 협업 방법론은 이러한 휘발성 맥락을 '프로젝트 기억'으로 전환하여 AI와 인간 개발자 모두가 효율적으로 협업할 수 있는 방안을 제안합니다.
rhwp는 'Hyper-Waterfall' 방식을 통해 작업 과정에서 발생하는 모든 맥락을 외부화하고 문서화합니다. 거시적으로는 프로젝트 전반에 걸쳐 공유해야 할 장기적인 지식(예: mydocs/manual, mydocs/tech)을 기록하고, 미시적으로는 각 작업의 구현 계획서, 단계별 보고서, 최종 보고서에 판단 근거, 검증 결과, 성공 및 실패 이유 등을 상세히 기록합니다. 이 모든 문서들은 코드와 함께 저장소에 커밋되어, 다른 기여자, AI 에이전트, 심지어 미래의 AI 모델까지도 동일한 맥락을 이어서 활용할 수 있게 됩니다. 실제 사례로, 5개월 전에 작성된 설계 문서가 새로운 작업에서 다시 발견되어 당시의 고민과 결정 사항을 새로운 기여자 및 AI가 빠르게 파악할 수 있었던 경험이 공유되기도 했습니다.
이러한 접근 방식은 AI 코딩의 효율성을 크게 높일 수 있습니다. AI가 단순히 코드 조각을 생성하는 것을 넘어, 프로젝트의 역사와 의도를 이해하고 더 깊이 있는 기여를 할 수 있도록 돕기 때문입니다. rhwp는 모든 프로젝트에 적용 가능한 만능 해결책은 아니지만, 특히 오랫동안 진행되는 복잡한 프로젝트에서 AI와의 협업을 강화하고, 세션의 휘발성 맥락을 검토 가능하고 재사용 가능한 '프로젝트 기억'으로 남기는 효과적인 방법을 제시합니다. 이는 AI 시대에 개발자들이 AI를 단순한 도구가 아닌 진정한 협업 파트너로 활용하기 위한 중요한 전환점이 될 수 있습니다.