Huzzah: 긴 영어 프롬프트 대신 의사코드 파일로 AI에게 코딩 시키기
Show HN: Huzzah – a novel approach to coding with AI
TL;DR Highlight
의사코드 파일을 저장하면 diff가 프롬프트가 되어 AI가 코드를 다시 생성한다
Who Should Read
코딩 에이전트에 긴 영어 프롬프트를 반복해서 쓰다 지치고, 의도 기록이 남지 않아 고민인 개발자
Core Mechanics
- 코딩 에이전트의 문제는 의도 기록이 없다는 것
- 프롬프트는 버려지고 코드가 AI 생성인지도 불분명하다고 한다.
- 사람이 기계에게 원하는 바를 적어 둔 중심 문서가 사라졌다는 문제의식이다.
- 채팅 프롬프트는 같은 지시를 반복한다
- 채팅은 앱 자체가 아니라 앱을 바꾸는 단계별 명령을 적는 방식이라고 한다.
- 그래서 지시가 개발 중 여러 번 반복되고 토큰도 반복 소모된다고 한다.
- Huzzah는 프롬프트를 의사코드·선언형·영구 파일로 바꾼다
- 채팅 프롬프트는 장문·명령형·일회성이고, Huzzah 프롬프트는 의사코드·선언형·영구 저장이라고 비교한다.
- 파일 확장자는 .hz이다.
- 저장하면 diff가 프롬프트가 된다
- .hz 파일을 저장하면 Huzzah가 실제 코드를 자동 생성한다.
- 수정할 땐 파일만 고치면 diff를 LLM에 보내 영향받은 소스만 다시 생성한다.
- 의사코드 자체가 문서 역할을 한다
- 사람이 의도를 적었으므로 개발자 문서가 된다고 한다.
- 언어에 구애받지 않게 써서 여러 언어 타깃의 기반으로 쓸 수 있다고 한다.
Community Reactions
- 그냥 새 언어를 만든 것 아니냐는 반론
- 간결한 새 언어를 만들고 컴파일에 돈이 드는 셈이라는 의견이 있었다.
- 파이썬이 이미 결정적이고 구독이 필요 없다는 비꼬는 댓글도 있었다.
- 이미 지금도 할 수 있다는 의견
- 의사코드를 써서 Claude에 실제 코드를 요청하면 된다는 경험담이 있었다.
- 시스템 프롬프트에 의사코드를 받으면 의도를 풀어 쓰고 구현·테스트하라고 넣으면 된다는 제안도 있었다.
- 큰 코드베이스에는 안 맞는다는 우려
- 파급 효과가 큰 코드베이스는 의사코드 쌍둥이를 따로 유지해야 해서 일이 늘어난다는 의견이 있었다.
- 의도가 복잡하면 의사코드도 코드만큼 길어진다는 의견도 있었다.
- 피로의 원인은 영어가 아니라 변화 속도라는 의견
- 에이전트 개발은 생각을 기계에 위임하는 일이라 의사코드로 바꿔도 위임자의 고단함은 그대로라는 의견이 있었다.
- 대안으로 선언형 스펙 도구가 언급됨
- 의도와 반드시 참이어야 할 조건만 단언문으로 남기는 방식이 낫다며 spekk-cli를 만들었다는 댓글이 있었다.
How to Apply
- 의사코드 메모를 Claude에 던져 보기
- 오늘 작은 함수 하나를 골라 줄임말 의사코드로 쓰고 실제 언어로 구현해 달라고 요청하라.
- 아래 프롬프트를 붙여 결과가 의도와 맞는지 확인하라.
- 의도 문서를 코드와 함께 커밋하기
- 기능별로 사람이 쓴 의사코드 파일을 저장소에 두고 PR에 같이 올려라.
- 수정할 땐 채팅 대신 파일을 고치고 그 diff를 프롬프트로 써라.
- 신규 모듈에만 먼저 적용하기
- 기존 코드나 파일 간 의존이 많은 곳은 피하고 독립적인 새 모듈에서 시험하라.
- 결과가 어긋나는 지점을 기록해 한계를 확인하라.
Try It
# Claude나 ChatGPT 채팅창에 붙여넣기 (Huzzah 방식의 간이 버전)
너는 의사코드를 실제 코드로 바꾸는 도구다.
규칙: 1) 먼저 내 의도를 한 줄씩 풀어 쓴다. 2) {{언어}}로 구현한다. 3) 테스트도 함께 작성한다.
의사코드:
{{의사코드}}
이어서 해 볼 것: 의사코드 한 줄만 고친 diff를 주고 "바뀐 부분만 다시 생성해 줘"라고 요청해 보라.Terminology
관련 논문
AI는 도구다, 잘 쓰려면 기술이 필요하다
Hickey의 'AI는 도구가 아니다'에 맞서, LLM도 쓰는 사람의 기술이 결과를 가른다고 반박
딥리서치 에이전트의 Reflective Prompt Optimization: 토픽 분리·멀티 시드로 본 진짜 성능 향상과 프롬프트 과적합
GEPA로 프롬프트를 최적화했더니 held-out 인용 보상 0.702→0.781
GPT-6와 Intelligent UI: 채팅 안에서 시각·인터랙티브 응답 만들기
OpenAI가 GPT-6로 채팅 응답에 UI를 넣는다는데 원문이 없어 댓글 반응만 확인된다
Base 모델도 첫 토큰 단서(cue) 하나로 추론한다: 학습 데이터가 만든 연상
응답 첫 두 토큰만 고정했더니 Olmo-3-7B의 MATH-500 정답률이 42%에서 78%로 올랐다
Jev식 Typed Decision Model에서는 정의보다 라벨이 이긴다
옵션 이름을 A, B로 바꿨더니 정확도가 +0.1511 올랐다
프롬프트는 얼마나 필요한가? Few-shot 예시를 블랙박스로 최소화하는 DD-FSM
Delta debugging으로 few-shot 예시를 평균 65.3% 줄여도 출력은 그대로
언어모델은 "불안정한(Insecure)" 보고자다: 결함을 숨기는 LLM 리포트
"Be honest" 한 줄을 붙였더니 GPT-5.5의 부정 결과 공개가 2/200에서 190/200으로 늘었다