무료/저예산으로 AI 코딩하는 실전 워크플로우

Who Should Read

AI 코딩 도구(Cursor, Cline 등)의 API 비용이 부담되는 개인 개발자나 사이드 프로젝트 개발자. 여러 무료 모델을 조합해서 실무에 쓰고 싶은 사람.

Core Mechanics

• 핵심 전략은 '두뇌 역할'과 '손 역할'을 분리하는 것. 어려운 문제 분석과 솔루션 설계는 Claude, Gemini 2.5 Pro 같은 강력한 모델의 무료 웹 채팅으로 하고, 실제 파일 수정은 GPT 4.1 같은 저렴하거나 무료인 모델을 Cline에 붙여서 시킨다.
• Cline, Cursor 같은 에이전트 도구는 도구 사용법, MCP 서버 설정 등 부가 정보를 프롬프트에 잔뜩 넣어서 모델을 '멍청하게' 만든다. 같은 모델이라도 웹 채팅에서 직접 물어보면 훨씬 나은 답을 주는 경우가 많다.
• 브라우저에 GLM-4.5(z.ai), Google AI Studio(Gemini 2.5 Pro), Poe.com(Claude 무료 크레딧), OpenRouter, ChatGPT, Perplexity, Deepseek, Grok 등 무료 AI 탭을 10개 이상 띄워놓고 같은 질문을 여러 모델에 던져 비교한다.
• AI Code Prep라는 도구로 프로젝트 폴더를 재귀 스캔해서 코드 파일을 AI가 읽기 좋은 포맷으로 묶어준다. 이걸 웹 채팅에 붙여넣으면 에이전트 없이도 전체 컨텍스트를 줄 수 있다.
• 웹 채팅에서 문제를 해결한 뒤, '이 솔루션을 Cline이 실행할 수 있는 프롬프트로 변환해줘'라고 요청하면 단계별 태스크 리스트가 나온다. 이걸 GPT 4.1에 넣으면 지시대로 충실히 파일을 수정한다.
• lmarena.ai에서 Claude Opus 4를 무료로 쓸 수 있고, Google AI Studio는 Gemini 2.5 Pro를 사실상 무제한 제공한다. Qwen Coder CLI는 하루 1000건 무료 요청을 준다.
• 프롬프트를 코드 컨텍스트 위아래에 중복 배치하면 AI가 질문에 더 집중하는 효과가 있다고 주장한다.
• GLM-4.5를 저자가 현재 가장 선호하는 무료 모델로 꼽았고, Kimi K2와 Qwen3-Coder 480B도 에이전트 환경에서 잘 작동한다고 평가했다.

Evidence

• 에이전트 도구가 모델을 멍청하게 만든다는 주장에 여러 댓글이 동의했다. 한 사용자는 'GitHub Copilot이나 Cursor보다 웹 채팅에 코드를 복붙하는 게 결과가 더 좋다'고 확인했다.
• 한 사용자는 에이전트 방식 대신 '외과적(surgical)' 접근을 밀고 있다며, 에이전트를 포기하면 100배 작은 모델로도 충분하다고 주장했다. 프로젝트 규모가 작으면 src/ 폴더 전체를 프롬프트에 넣는 것도 가능하다는 경험을 공유했다.
• repomix(https://repomix.com)라는 도구를 추천하는 댓글이 있었는데, 프로젝트 코드를 하나의 파일로 묶어서 LLM 웹 채팅에 바로 넣을 수 있게 해준다. Qwen3 Coder나 AI Studio와 조합하면 좋다고 했다.
• 반대 의견도 있었다. '탭 20개 열어서 AI 채팅하느니 그냥 코드를 직접 쓰겠다'는 반응이나, '너무 복잡하고 시간이 더 걸린다'는 의견도 있었다.
• 완전 로컬 스택(Cursor CLI + Ollama + LEANN 같은 로컬 메모리 레이어)으로 클라우드 없이 무료 AI 개발 환경을 구축하자는 제안도 나왔다. API 키도 필요 없고 프라이버시도 보장된다는 점을 강조했다.

How to Apply

• AI 코딩 비용이 부담되면, 복잡한 버그 분석이나 아키텍처 설계는 AI Studio(Gemini 2.5 Pro 무료)나 lmarena.ai(Claude Opus 4 무료)의 웹 채팅에서 해결하고, 도출된 솔루션을 Cline/GPT 4.1 같은 저렴한 에이전트에 넘겨 파일 수정만 시키면 비용을 크게 줄일 수 있다.
• repomix(npx repomix)를 사용해서 프로젝트 코드를 하나의 파일로 묶은 뒤 웹 채팅에 붙여넣으면, 에이전트 도구 없이도 전체 컨텍스트를 제공할 수 있다. 특히 소규모 프로젝트에서 효과적이다.
• 같은 질문을 2~3개 모델에 동시에 던져서 답변을 비교하는 습관을 들이면 환각(hallucination)이나 잘못된 솔루션을 걸러낼 확률이 높아진다. GLM-4.5, Gemini 2.5 Pro, Qwen3-Coder가 현재 무료 중 성능이 좋다.
• Qwen Coder CLI를 설치하면 하루 1000건 무료로 405B 모델을 쓸 수 있어서, 로컬 터미널에서 빠른 코드 질문이나 자동완성용으로 활용할 수 있다.

Code Example

# repomix로 프로젝트 코드를 하나의 파일로 묶기
npx repomix

# AI Code Prep가 생성하는 컨텍스트 블록 형태 예시
# 질문을 위아래에 배치하여 AI 집중도를 높임
"""
Can you help me figure out why my program does x instead of y?

fileName.js:
<code>
... contents ...
</code>

nextFile.py:
<code>
import example
...
</code>

Can you help me figure out why my program does x instead of y?
"""

Terminology

관련 논문

• Swift로 LLM 학습시키기 Part 1: 행렬 곱셈을 Gflop/s에서 Tflop/s로 끌어올리기

  Apple Silicon에서 Swift로 직접 행렬 곱셈 커널을 구현하며 CPU, SIMD, AMX, GPU(Metal)를 단계별로 최적화해 Gflop/s에서 Tflop/s 수준까지 성능을 높이는 과정을 상세히 설명한 글이다. 프레임워크 없이 LLM 학습의 핵심 연산을 밑바닥부터 구현하고 싶은 개발자에게 Apple Silicon의 성능 한계를 체감할 수 있는 드문 자료다.

• fsync 없이 로컬 스토리지 엔진을 crash-consistent하게 만든 방법

  FractalBits가 fsync 없이 SSD 전용 KV 스토리지 엔진을 구현해 동일 조건 대비 약 65% 높은 쓰기 성능을 달성한 설계 방법을 공유했다. fsync의 메타데이터 오버헤드를 피하기 위해 사전 할당, O_DIRECT, SSD 원자 쓰기 단위 정렬 저널을 조합한 구조가 핵심이다.

• Google Chrome, 사용자 동의 없이 4GB AI 모델(Gemini Nano)을 몰래 설치

  Google Chrome이 사용자 동의 없이 Gemini Nano 4GB 모델 파일을 자동 다운로드하고, 삭제해도 재다운로드되는 문제가 발견됐다. GDPR 위반 가능성과 수십억 대 기기에 적용될 때의 환경 비용 문제가 제기되고 있다.

• OpenAI가 대규모 저지연 Voice AI를 제공하는 방법

  OpenAI가 9억 명 이상의 사용자에게 실시간 음성 AI를 제공하기 위해 WebRTC 스택을 어떻게 재설계했는지 설명하는 글로, relay + transceiver 분리 아키텍처의 설계 결정과 trade-off를 상세히 다룬다.

• Truncated Decoding Tree의 결정론적 탐색을 통한 효율적인 Test-Time Inference

  Self-consistency의 중복 샘플링 낭비를 없애는 결정론적 트리 탐색 디코딩 기법 DLE로 수학/코드 추론 성능과 속도를 동시에 개선

• GoModel – Go로 작성된 오픈소스 AI Gateway

  OpenAI, Anthropic, Gemini 등 여러 AI 프로바이더를 하나의 OpenAI 호환 API로 묶어주는 Go 기반 오픈소스 AI 게이트웨이로, LiteLLM의 컴파일 언어 대안이다.

Related Resources

• https://wuu73.org/blog/aiguide1.html
• https://wuu73.org/aicp
• https://repomix.com/
• https://aistudio.google.com/
• https://github.com/yichuan-w/LEANN
• https://lmarena.ai