8장. 바이브 코딩 주방 입성 환영 인사

출처 — 진 킴·스티브 예기, 『바이브 코딩 프로덕션의 원칙』(제이펍), 8장 (pp. 154~166). 원문 PDF vibe_coding_final_v11_260913.pdf (2026-09-13 판)

1부가 왜 바이브 코딩을 해야 하는지 설명했다면, 이 장은 소매를 걷어붙이고 주방에 들어가 직접 첫 요리를 해 보는 장이다 — 이 장에서 당신은 코드를 직접 짜지 않는 새로운 헤드 셰프이고, AI 수셰프가 당신의 말을 코드로 바꾼다.

학습 목표

이 장을 끝내면 다음을 할 수 있다.

• 이 책 전체가 쓰는 '헤드 셰프·AI 수셰프' 비유에서, 누가 지시를 내리고 누가 실제로 코드를 만드는지 구분해 설명한다.
• 이 장이 정의하는 '챗봇'과, 이후 장들이 다룰 '코딩 에이전트'의 차이를 예시로 구분한다.
• 클로드 아티팩트·ChatGPT 코드 인터프리터·제미나이 캔버스처럼, 브라우저 안에서 코드를 바로 실행해 보는 방법을 설명한다.
• 몰입을 깨지 않으면서 AI에게 도움을 요청해야 할 7가지 상황을 식별하고 적용한다.
• 이 장의 '원숏 프롬프팅'·'원숏 원더'라는 표현을, 부록 B 공식 용어집의 '원숏 쿼리'와 구분한다.

전체 흐름도

        §1  헤드 셰프의 첫 출근 — 주방 비유가 이 장에서 시작된다
   헤드 셰프(당신)가 지시 → AI 수셰프가 코드를 만든다 · 챗봇 vs 코딩 에이전트
                                  │
                                  ▼
        §2  챗봇으로 만드는 첫 결과물
   빨간 공 애니메이션(아티팩트) → 3D 큐브(캔버스) → 사진 촬영 수 그래프(웹 검색+시각화)
                                  │
                                  ▼
        §3  인터랙티브 프로그래밍 — 플래피 버드와 원숏 원더
   게임 하나를 프롬프트 하나로 · AI 학습 데이터의 익숙함이 성공을 가른다
                                  │
                                  ▼
        §4  몰입을 지키는 법 — AI에게 언제 도움을 요청하나
   새 작업·에지 케이스·테스트·문서화·요약·코드 리뷰·환경 설정 — 7가지 요청 습관
                                  │
                                  ▼
        §5  함께 배우기, 그리고 이 장의 마무리
   짝·그룹 세션 → 다음 장 예고(콘텍스트 관리·헤드 셰프 마인드셋·AI의 확신에 찬 오류)

0. 용어 사전

참고 — 위쪽 4개는 이 장을 읽기 전에 알아야 하는 선행 용어다. 낯설면 1장·3장을 먼저 보라. 이 장 자신이 정식으로 다루는 '헤드 셰프'·'AI 수셰프'는 1장 §6이 먼저 예고했지만, 깊이 있는 정의는 이 장의 몫이라 선행으로 표시하지 않았다(3장이 FAAFO를 다룬 방식과 같다).

1. 헤드 셰프의 첫 출근 — 주방 비유가 이 장에서 시작된다

1부가 바이브 코딩이 왜 중요한지 설명했다면, 이 장부터 시작되는 2부는 이론이 아니라 실습으로 문을 연다. 저자들은 그 이유를 분명히 한다 — 바이브 코딩을 직접 경험하지 않고 이론만 배우는 것은 주방에 한 번도 들어가 보지 않고 교과서로만 요리를 배우는 것과 같다. AI 어시스턴트와 실제로 대화하고, 자연어가 코드로 바뀌는 순간을 직접 겪어야 이어지는 장의 이론과 기법이 몸에 붙는다.

헤드 셰프와 AI 수셰프. 새롭게 입성한 이 주방에서 당신은 더 이상 직접 코드를 작성하지 않는다. 당신은 새로운 헤드 셰프로서 AI 수셰프들과 어시스턴트들에게 코드를 작성하도록 지시를 내린다. 1장 §6("당신은 라인 담당자가 아닌 헤드 셰프다")이 이 구도를 먼저 예고했다면, 이 장은 실제 프롬프트를 입력해 보게 하며 그 감각을 체득시킨다. 책임의 방향은 분명하다 — 구현을 위임했다고 책임까지 위임한 것은 아니다. 메뉴(방향)·품질·결과물 전반에 대한 비전과 책임은 여전히 헤드 셰프인 당신의 몫이다.

이 장은 작은 규모의 프로그램을 만드는 데 필요한 실용적 기술과 멘털 모델을 다룬다. 더 큰 프로그램을 구현하는 방법은 이어지는 장(9~12장)의 몫이다. 이 장을 통과하고 나면, 문제를 정의하고 필요한 맥락을 제공하며 AI 파트너와 함께 해법을 만들어 결과물을 테스트하고 다듬는 전체 순환을 한 번 경험하게 된다.

이 책의 '챗봇' 정의. 저자들은 용어를 명확히 한다 — 이 책에서 '챗봇'은 OpenAI의 ChatGPT, 앤트로픽의 클로드, 구글의 제미나이, 딥시크, 그리고 다른 파운데이션 모델 제공자들의 웹/데스크톱 채팅 인터페이스를 의미한다. API 접근이나 코딩 어시스턴트 안에 포함된 채팅 기능은 여기서 말하는 챗봇이 아니다. 이 장은 먼저 챗봇으로 몇 가지 프로젝트를 진행한 뒤, 이어서 클로드 코드·소스그래프 Amp·OpenAI 코덱스·제미나이 CLI 같은 다양한 코딩 에이전트로 넘어간다 — 개발 환경·터미널에 결합해 여러 파일과 명령을 스스로 오가며 작업하는 도구다. 이 구분은 이 장이 뭉뚱그려 두는 지점이기도 하다 — 협업자의 성격별 차이는 9장 전체가 본격적으로 다룬다.

참고 — 코딩 지식이 없어도 된다. 저자들의 목표는 코딩을 가르치는 것이 아니라 바이브 코딩을 가르치는 것이다. 대화를 나눌 수 있는 능력만 있으면 이 장을 따라갈 수 있다. 이미 바이브 코딩 툴을 폭넓게 써 본 독자는 이 장을 빠르게 훑거나 건너뛰어도 괜찮다.

2. 챗봇으로 만드는 첫 결과물 — 빨간 공에서 데이터 시각화까지

설치 없이 시작하는 이유. 가장 접근하기 쉬운 바이브 코딩 도구는 웹브라우저에서 돌아가는 도구다. macOS 사용자가 엑스코드(Xcode) 설치에 한 시간을 쓰거나, 경험 많은 개발자가 서로 다른 두 버전의 파이썬을 실행하려다 곤욕을 치르는 것과 달리, ChatGPT나 클로드 같은 브라우저 기반 도구는 별도 설치 없이 바로 쓸 수 있고 무료로도 일부 이용할 수 있다.

브라우저 안에서 코드를 실행해 본다. ChatGPT는 코드 인터프리터, 클로드는 아티팩트, 구글 제미나이는 캔버스 기능으로 코드 실행 결과를 브라우저 안에서 바로 보여준다. 여기에 더해 레플릿·러버블·볼트 같은 종합 바이브 코딩 플랫폼은 인터페이스가 매우 간소해서 스마트폰으로 산책하며 코딩할 수 있을 정도다. 이런 플랫폼은 AI가 생성한 코드를 격리된 샌드박스에서 실행하기 때문에 실행 결과뿐 아니라 에러 메시지도 AI 스스로 확인한다 — 사람이 에러 메시지를 손으로 복사해 채팅창에 다시 붙여넣던 시절이 빠르게 저물고 있다는 뜻이다.

첫 프롬프트 — 빨간 공 애니메이션. 클로드에 다음과 같이 입력해 보는 것이 첫걸음이다.

빨간 공이 튀어 오르는 애니메이션 앱을 자바스크립트로 구현하고 아티팩트 창에 보여줘. 중력 효과를 적용하고, 공이 움직이는 궤적을 보여주고, 공이 바닥에 닿을 때는 에너지가 줄도록 만들어줘.

엔터를 치면 클로드가 CSS와 자바스크립트를 생성하고 오른쪽 아티팩트 창에 튀어 오르는 빨간 공이 나타난다(그림 8.1). 저자들이 테스트했을 때 클로드는 요청하지 않았던 일시 정지·리셋 버튼과 중력 조절 컨트롤러를 추가하고 공을 3D로까지 표현해 주었다 — 환영할 만한 초과 기능이었다. 같은 시점 기준으로 제미나이에서도 이 애니메이션 앱은 정상 작동했다.

이 한 번의 대화로 첫 바이브 코딩 세션은 끝난다. 직접 코드를 실행한 것은 아니지만, AI가 요구 사항에 맞춰 지식 수준에 맞는 설명까지 제공했다는 점이 중요하다. 프로그래밍 언어 문법이나 명령어를 암기할 필요가 없다 — 핵심은 AI 파트너와 효과적으로 소통하는 법을 숙달하는 것이다. 빨간 공 애니메이션 하나만으로 비동기 프로그래밍, 인터럽트 타이머, HTML5 캔버스의 드로잉 콘텍스트, 충돌을 현실적으로 보이게 하는 물리식까지 — 신경 쓰고 싶지 않았던 온갖 세부 사항을 배우지 않고도 원하는 결과(튀어 오르는 공)를 얻었다.

변주를 시도한다. 다음처럼 이어지는 프롬프트를 하나씩 보내며 실험해 볼 수 있다.

이 공의 색깔을 초록색으로 변경하고 크기를 3배 키워줘. 공을 하나 더 추가해줘. 이걸 게임으로 만들 수 있을까? 이 앱에서 중력이 어떻게 작동하는지 간단히 설명해줘.

마지막 프롬프트에 얽힌 일화가 흥미롭다 — 스티브는 앱이 곱셈 없이 오직 덧셈만으로 중력을 표현한, 매우 우아한 물리 모델을 쓴 것을 보고 놀랐고, AI에게 그 방식을 다시 설명해 달라고 요청해야 했다.

3D 큐브 — 시간이 더 걸리는 예제. 공 애니메이션이 단순하게 느껴진다면, 다음처럼 더 복잡한 그래픽 프로그래밍에 도전할 수 있다.

색깔 있는 조명이 비추는 정육면체를 화면에 보여주는 자바스크립트 프로그램을 작성해줘. 슬라이더 바를 추가해 정육면체의 방향을 바꿀 수 있게 해줘.

이 요청은 수백 줄의 자바스크립트와 CSS를 요구하므로 앞선 예시보다 시간이 더 걸린다. 저자들은 1990년대에 손으로 비슷한 프로그램을 짰다면 2주가 걸렸을 것이라고 회고한다. 제미나이는 x축·y축·z축 회전 슬라이더가 달린 3D 큐브를 완성했다(그림 8.2). 이 글을 쓰는 시점 기준으로 이 프롬프트는 클로드에서는 작동했지만 ChatGPT에서는 작동하지 않았다 — 도구마다 같은 프롬프트의 결과가 갈릴 수 있다는 것을 보여주는 사례다.

데이터 시각화 — 분석적인 사례. 1부가 다룬 "연도별 사진 촬영 수의 기하급수적 성장" 사례를 실제 데이터로 확인해 볼 수 있다. 웹 검색이 가능한 클로드 4에 다음처럼 요청한다.

5년 간격으로, 지난 50년간 촬영된 사진 수(추정치)를 막대그래프로 시각화해줘.

참고 — 이 그래프의 축·수치는 옮기지 않는다. 원문 그림(8.3)의 막대·범례 수치는 추출 과정에서 뒤섞여(예: "16.0조·12.0조·선 80조·4.0조"처럼 축 값과 범례가 뒤엉킨 형태) 그대로 옮기면 없는 숫자를 지어내는 것과 같다. 확실한 사실만 남긴다 — 클로드가 인터넷에서 데이터를 찾아 약 300줄의 자바스크립트·CSS로 그래프를 완성했고, 필름 시대(1975~1995)·디지털 전환 초입·스마트폰 혁명(2010~2025) 구간을 지나며 사진 촬영 수가 큰 폭으로 늘었다는 방향성만 원문에서 확실히 읽을 수 있다.

한 줄의 코드도 직접 작성하지 않고 데이터에서 통찰을 얻은 셈이다. 누군가는 AI가 인터넷을 검색해 데이터를 가져오는 이 방식이 '진짜 바이브 코딩이 아니다'라고 말할 수도 있지만, 결과물은 여전히 AI가 스스로 자바스크립트·CSS를 작성해 만든 렌더링이다. 이 예제가 실제로 만든 아티팩트는 클로드의 퍼블릭 링크로 공개돼 있다(부록 B).

참고 — 저작 시점의 기록. 원문은 "이 글을 쓰는 시점 기준으로 브라우저용 클로드 앱은 오푸스 4.5, 소네트 4.5, 하이쿠 4.5를 지원하며 세 모델 모두에서 이 프롬프트가 작동했다(2025년 12월 기준)"고 구체적으로 밝힌다. 이는 원문이 못박은 한 시점의 기록이며, 지금 이 모델들을 그대로 쓰라는 뜻이 아니다.

3. 인터랙티브 프로그래밍 — 플래피 버드와 원숏 원더

동적인 예제로 한 단계 나아가기. 클로드나 제미나이에 다음과 같이 요청하면 바이브 코딩의 힘을 더 실감할 수 있다.

브라우저에서 플레이할 수 있는 간단한 플래피 버드 스타일의 게임을 만들어줘. 기본적인 스타일링으로 보기 좋게 만들어줘.

AI는 HTML·CSS·자바스크립트를 갖춘, 완전하고 플레이 가능한 게임을 만들어 준다. 원고가 인쇄소로 넘어가기 직전 저자들이 클로드 4와 제미나이 2.5 플래시로 이 게임을 다시 만들어 봤을 때도, 시작 화면·엔딩 화면·점수 표시까지 갖춘 실제로 플레이 가능한 게임이 나와 저자들 스스로 놀랐다고 적는다.

원숏 원더의 정체. 이렇게 프롬프트 하나로 완성도 높은 결과물이 나오는 현상을 옮긴이는 원숏 원더라 부른다. 이 현상이 성립하는 이유 하나는 AI의 학습 데이터에 고전 게임의 코드가 이미 풍부하게 포함돼 있기 때문이다. 그래서 직관에 반하게도, "2차 세계대전 비행 시뮬레이터를 만들어줘" 같은 광범위하고 모호한 프롬프트조차 작동하는 게임을 만들어낼 수 있는 반면, 겉보기에 더 단순해 보이는 과제에서 AI가 오히려 어려움을 겪기도 한다. 이 책의 상당 분량이 이런 상황에서 올바른 직관을 기르는 데 할애되는 이유다.

초반 단계에서는 예시 하나만 주고 그 패턴을 따르게 하는 원숏 프롬프팅으로 자기만의 앱을 만들어 보는 것이 좋은 연습이 된다(둘의 구분은 부록 A 참고). 버그나 문제를 발견하면 눈에 보이는 현상을 AI에게 그대로 설명하면 된다 — AI가 자동으로 수정해 주며, 때로는 수정을 요청하지 않고 문제를 언급하는 것만으로도 알아서 해결한다. 책 후반부는 AI에게 결과를 스스로 평가하게 만드는 기법(AI에게 '눈'을 달아 주는 것)을 다시 다룬다.

재미로 시도해 볼 수 있는 후속 프롬프트도 있다.

속도를 늦춰서 게임을 더 플레이하기 쉽게 만들어줘. 구름을 추가해줘. 게임을 더 좋게 만들어줘.

마지막 프롬프트는 구체적이지 않아 일부 게임·애플리케이션에는 적용되지 않을 수 있지만, 저자들은 AI가 이런 모호한 요청에도 무엇을 하는지 재미 삼아 지켜보라고 권한다.

지금까지의 실험만으로도 코드를 직접 작성하지 않고 챗봇 환경 안에서 온전히 작동하는 애플리케이션을 만들 수 있다는 사실이 드러난다. AI가 구현 세부 사항을 관리하는 동안 헤드 셰프인 당신은 프로젝트의 방향과 창의적 결정에 집중하면 된다. 다만 단일 프롬프트만으로 개발하는 데는 뚜렷한 제약이 있다는 것도 실험해 보면 곧 드러난다 — 이 문제는 이어지는 장이 포괄적으로 다룬다.

4. 몰입을 지키는 법 — AI에게 언제 도움을 요청할 것인가

저자들은 코드 생성 말고도 바이브 코딩이 엔지니어의 몰입 유지에 도움이 된다는 사실을 발견했다. 일이 순조롭게 흘러갈 때 사람은 자연스레 몰입 상태에 들어가는데, 가능한 한 많은 작업을 바이브 코딩으로 처리하면 그 몰입이 끊기지 않는다. 저자들이 발견한 활용 사례는 다음과 같다.

• 새 작업 시작. 풀어야 할 문제를 그대로 AI에게 던지고, 사람보다 나은 해결책을 내는지 확인한다. 많은 바이브 코딩 세션이 이렇게 시작된다.
• 에지 케이스 요청. 코드 생성 이후 AI에게 에지 케이스를 찾아보라고 요청해, 몰입을 유지한 채로 코드를 더 견고하게 다진다.
• 테스트 코드 작성. AI에게 테스트 계획과 테스트 코드 작성을 맡긴다. 다루고 싶은 모든 에지 케이스에 대한 테스트를 AI는 지치는 기색 없이 작성해 준다.
• 버그 수정 후 문서화. 버그를 고친 뒤 변경 사항 문서화를 AI에게 맡긴다.
• 문서 요약. 문서 URL을 전달하고 요약을 요청한다.
• 코드 리뷰. AI를 또 다른 눈으로 써서 코드를 비평하거나 설명해 달라고 한다. AI는 좌절하거나 지루해하지 않으므로 얼마든지 질문해도 된다.
• 환경 설정. 몰입을 가장 쉽게 깨뜨리는 요소인 환경 설정을, AI에게 가이드를 요청해 넘긴다.

AI는 같은 질문을 몇 번을 반복하든, "왜요?"·"아직 이해가 안 됩니다, 다시 설명해 주실 수 있나요?"를 몇 번을 묻든 전혀 신경 쓰지 않는다 — AI의 인내심은 무한하다. 이상하게 들릴 수 있지만, 사소한 일까지 포함해 AI에게 계속 도움을 요청하는 것 자체가 새로 배워야 할 기술이다. 직접 일을 수행하는 대신 AI에게 요청하되, 올바르게 요청하고 요청한 것을 기억하는 것은 여전히 사람의 몫이다.

이 기술을 숙달하면 더 이상 사소한 구현에 매달리지 않고 무엇을 만들 것인지에 집중할 수 있으며, 나아가 AI가 원하는 방향으로 나아가고 있는지 관리하는 역할로 옮겨간다 — 12장 전체가 본격적으로 다루는 헤드 셰프 마인드셋의 예고편이다.

5. 함께 배우기, 그리고 이 장의 마무리

추가로 제안하는 실습. 저자들은 세 가지 실습을 제안한다.

1. 짝을 지어 세션 진행하기. 두 시간 안에 실제로 무언가를 만들어 본다. 한 사람이 주도하고 다른 사람은 지켜본 뒤, 새롭게 알게 된 흥미로운 점을 기록한다. 같은 과정을 반복하되 이번엔 다른 것을 만들며 역할을 바꾼다.
2. 속도 경쟁 세션. 두 명 이상이 모여 같은 애플리케이션을 누가 가장 빨리 만드는지 겨룬다. 코드를 이해할 필요는 없으며, 각자 다른 것을 만들어도 좋다.
3. 모바일 음성 모드. 휴대폰에 ChatGPT를 설치하고 음성 모드로 구두 질문을 던져 본다. 개를 산책시키면서도 쓸 수 있다.

두 사람과 두 AI가 함께하는 이런 '그룹 학습'의 가치는 아무리 강조해도 지나치지 않다 — AI는 모두에게 새롭기 때문에, 다른 사람이 바이브 코딩을 하는 모습을 지켜보기만 해도 매번 무언가를 배울 수 있다.

결론. 이렇게 첫 근무를 마쳤다. 자연어가 작동하는 코드로 바뀌는 마법 같은 순간을 튀어 오르는 공에서 플래피 버드 게임까지 경험하며, 프로그래밍이 더 이상 문법 암기나 개발 환경과의 씨름을 요구하지 않는다는 사실을 확인했다. 이제 대화를 통해 AI 어시스턴트를 지휘하는 법과, 몰입을 유지하며 세부 구현은 AI에게 맡기는 법을 알게 됐다.

이 첫 경험은 헤드 셰프로서 필요한 모든 기법을 숙달하기 위한 토대다. 이어지는 장은 다음을 탐구한다 — 실무와 가까운 복잡한 과제를 처리하는 법, AI 파트너와 효과적으로 소통하는 대화형 프로그래밍 기술, AI를 과부하시키지 않으면서 필요한 정보를 유지하는 콘텍스트 관리 전략, 실행은 위임하되 비전과 품질에 집중하게 해 주는 헤드 셰프 마인드셋, 그리고 AI가 확신에 차서 말도 안 되는 결과를 내놓는 사례와 이를 요리가 망가지기 전에 잡아내는 방법.

참고 — 동료 학습자 찾기. 저자들은 Enterprise Tech Leadership Summit 슬랙의 #vibe-coding 채널과, 함께 배울 수 있는 바이브 코딩 커뮤니티 참여를 권한다(부록 B).

핵심 개념 정리

실무 체크리스트

• [ ] 새 작업을 시작할 때, 직접 설계부터 하지 않고 AI에게 먼저 던져 더 나은 해법이 있는지 확인하는가?
• [ ] 코드 생성 후 에지 케이스와 테스트 코드 작성을 AI에게 습관적으로 맡기고 있는가?
• [ ] 에러 메시지를 손으로 복사해 붙여넣는 대신, 샌드박스·아티팩트 같은 실행 환경이 있는 도구를 쓰고 있는가?
• [ ] '챗봇'과 '코딩 에이전트'를 상황에 맞게 구분해서 쓰고 있는가 — 작은 프로그램은 챗봇으로, 큰 작업은 코딩 에이전트로?
• [ ] 원숏 프롬프팅이 잘 통하는 과제(널리 알려진 패턴)와, 직관을 더 길러야 하는 과제(단순해 보이지만 불명확한 과제)를 구분하고 있는가?
• [ ] 버그를 발견했을 때 고치는 법을 직접 지시하기보다, 증상만 설명하고 AI가 원인을 찾게 하는가?
• [ ] 사소한 반복 질문·재설명 요청을 주저하지 않고 AI에게 하고 있는가 — 그 습관 자체가 새로 배워야 할 기술임을 인지하는가?
• [ ] 구현 세부 사항 대신 "무엇을 만들 것인가"에 집중할 시간을 실제로 확보하고 있는가?

연습문제

1. 유형: 판단. 동료가 "챗봇으로도 다 되는데 코딩 에이전트를 왜 따로 배워야 하냐"고 묻는다. 이 장이 정의하는 챗봇과 코딩 에이전트의 차이, 그리고 이 장이 다루는 프로그램의 규모(작은 프로그램)를 근거로 답하라.
2. 유형: 실무 시나리오. 3D 큐브 예제를 ChatGPT에서 시도했더니 작동하지 않았다. 이 장의 사례(같은 프롬프트가 클로드에서는 되고 ChatGPT에서는 안 됐던 경험)를 근거로, 이 상황에서 헤드 셰프로서 취할 수 있는 다음 행동을 서술하라.
3. 유형: 비교. '원숏 원더'·'원숏 프롬프팅'·'원숏 쿼리(부록 B)' 세 표현의 차이를 설명하고, 왜 이 구분이 헷갈리기 쉬운지 이 장의 표현을 근거로 논하라.
4. 유형: 분석. 플래피 버드 게임은 프롬프트 하나로 잘 만들어졌는데, 팀의 사내 전용 재고 관리 화면은 비슷한 방식으로 요청해도 결과가 부실했다. 이 장의 '원숏 원더가 성립하는 이유'를 근거로 이 차이를 분석하라.
5. 유형: 적용. 당신은 지금 막 몰입 상태로 새 기능을 만들고 있는데, 환경 설정 문제가 생겼다. 이 장 §4가 제시한 7가지 활용 사례 중 어느 것을 적용해야 하며, 그 이유는 무엇인가?

최신 동향 (2026-09 기준)

최신 동향 (검증 2026-09-14) — 이 장이 예시로 든 브라우저 실행 기능(아티팩트·코드 인터프리터·캔버스)과 코딩 에이전트 목록은 계속 확장되고 있다. 이 장의 핵심 논지(브라우저만으로 실행 결과를 바로 볼 수 있다·에러를 손으로 옮기지 않아도 된다)는 그대로 유효하다.

• 클로드 아티팩트, '살아있는' 버전으로 확장. 이 장이 소개하는 클로드 아티팩트는 공식 안내에 따르면 무료 요금제를 포함한 모든 플랜에서 쓸 수 있다. 이후 아티팩트에 데이터 연결·세션 간 지속 실행이 더해진 "라이브 아티팩트" 기능이 추가돼, 이 장이 소개하는 "만들고 끝"인 정적 결과물을 넘어 열 때마다 실제 데이터를 다시 불러오는 형태로 발전하고 있다.
• ChatGPT 코드 인터프리터는 '파이썬 도구'로 재편. OpenAI 공식 API 문서는 이 기능을 여전히 "코드 인터프리터"라 부르면서도, 모델 내부적으로는 "파이썬 도구"로 인식한다고 명시한다. 이 장이 겪은 "이 프롬프트가 ChatGPT에서는 작동하지 않았다"는 종류의 도구별 차이는 각 제공자가 기능을 계속 통합·재편하는 동안 반복될 수 있다.
• 제미나이 캔버스는 검색으로도 확장. 구글 공식 안내에 따르면 캔버스는 Gemini 앱뿐 아니라 구글 검색의 AI 모드로도 확장돼, 문서·앱·코드를 만드는 같은 작업 공간을 더 넓은 곳에서 쓸 수 있게 됐다.
• 코딩 에이전트 목록의 지속. 이 장이 예로 든 소스그래프 Amp·OpenAI 코덱스·제미나이 CLI는 Sourcegraph 공식 블로그가 정리한 "2026년 에이전틱 코딩 스택"에서도 여전히 주요 도구로 꼽힌다 — 이 장이 든 예시 목록의 방향은 유효하지만, 개별 도구의 기능·가격은 자주 바뀌므로 실제 도입 전에는 각 공식 페이지를 다시 확인해야 한다.

부록 A. 핵심 비교표

부록 B. 추천 참고 자료

외부 자료 (Tier 1 공식, 생존 확인 2026-09-14)

• 이 장이 실제로 만든 아티팩트(사진 촬영 수 그래프, 클로드) — claude.ai 퍼블릭 아티팩트(원문 각주가 직접 제공한 링크)
• 이 장의 프롬프트를 복사해서 바로 쓸 수 있는 번역자 제공 저장소 — GitHub: vibe-coding-gene-steve-jpub-bora
• 클로드 아티팩트 공식 안내 — 클로드 고객센터: 아티팩트란 무엇인가
• 제미나이 캔버스 공식 안내 — 구글 제미나이 고객센터: Canvas로 문서·앱 만들기
• ChatGPT 코드 인터프리터(파이썬 도구) 공식 문서 — OpenAI 개발자 문서: Code Interpreter
• 저자들이 안내하는 바이브 코딩 커뮤니티 — IT Revolution: Join the Vibe Coding Community

본 책 연계 챕터

부록 C. 연습문제 풀이

1. (문제 1 정답) 이 장은 챗봇을 "웹/데스크톱 채팅 인터페이스"로, 코딩 에이전트를 "개발 환경·터미널에 결합해 여러 파일과 명령을 스스로 오가는 도구"로 구분한다(§1). 이 장이 다루는 것은 작은 규모의 프로그램(공 애니메이션·간단한 게임)이고, 저자들 스스로 "더 큰 프로그램을 구현할 때 필요한 내용은 이어지는 장에서 다룬다"고 명시한다(§1) — 즉 챗봇으로 되는 범위와 코딩 에이전트가 필요한 범위가 애초에 다르다.
2. (문제 2 정답) §2는 3D 큐브 프롬프트가 "이 글을 쓰는 시점 기준으로 클로드에서는 작동했지만 ChatGPT에서는 작동하지 않았다"고 직접 밝힌다. 헤드 셰프는 결과에 대한 책임을 지는 사람이므로(§1), 한 도구에서 실패했다고 포기하지 않고 다른 챗봇으로 같은 프롬프트를 시도하거나, 프롬프트를 구체화해 재요청하는 것이 이 장의 실습 정신(직접 해보고 변주를 시도하는 것, §2)에 부합한다.
3. (문제 3 정답) 원숏 쿼리는 부록 B 공식 용어집이 정의하는 상호작용 형태(한 번 묻고 한 번 답함)이고, 원숏 프롬프팅은 이 장의 옮긴이 각주가 정의하는 프롬프트 기법(예시 하나만 제공)이며, 원숏 원더는 그 결과로 나온 완성도 높은 결과물이라는 현상을 가리키는 이 장의 표현이다(§3). 셋 다 '원숏'이라는 접두어를 공유하지만 형태·기법·현상이라는 서로 다른 층위를 가리키므로 혼동하기 쉽다 — 부록 A가 이를 나란히 대조한 이유다.
4. (문제 4 정답) §3이 밝히듯 원숏 원더가 성립하는 이유 하나는 "AI의 학습 데이터에 고전 게임의 코드가 다수 포함돼 있기 때문"이다. 플래피 버드 같은 잘 알려진 게임은 학습 데이터에 유사 사례가 풍부하지만, 사내 전용 재고 관리 화면처럼 그 조직에만 있는 요구 사항은 AI가 참고할 만한 사례가 훨씬 적다 — §3이 "겉보기에 더 단순해 보이는 과제에서 오히려 어려움을 겪는다"고 지적한 것과 같은 패턴이다.
5. (문제 5 정답) §4가 제시한 7가지 중 "환경 설정"에 해당한다. 원문은 "환경 설정은 여러분의 몰입을 깨는 주요 요소"라며 "AI에게 환경 설정 가이드를 요청해서 몰입 상태를 유지하라"고 명시한다 — 직접 설정 문서를 뒤지는 대신 AI에게 맡겨 흐름을 끊지 않는 것이 이 장이 권하는 대응이다.