웹 개발을 위한 LLM 기반 TDD 워크플로우와 Qwen 3.5-27B 활용기

실용적 조언

로컬 모델 사용 시 모델의 실패 모드를 방지하기 위해 특정 파일을 수정하지 말라는 등의 명시적인 제약 조건을 지시문에 포함할 것.
에이전트 세션의 품질을 위해 컨텍스트 압축(autocompression)을 피하고 가급적 전체 컨텍스트를 유지할 것.
테스트 실패 시 `egrep -i -C 10 '(error|fail)'` 명령어를 사용하여 모델이 집중해야 할 에러 지점을 명확히 할 것.

섹션별 상세

LLM 시대의 TDD 효용성에 대해 논의했다. LLM 에이전트에게 명확한 성공 기준을 제공하기 위해 API/E2E 테스트를 먼저 작성하는 방식이 권장됐다. 마크다운으로 상세 명세를 작성한 뒤 이를 기반으로 테스트 코드를 생성하고, 에이전트가 테스트를 통과할 때까지 기능을 구현하게 함으로써 개발 속도와 정확도를 동시에 확보할 수 있다.

로컬 모델(Qwen 3.5-27B)과 상용 모델(Claude)의 특성 차이를 분석했다. Claude는 모호한 지시도 유연하게 처리하지만 설계 결정권을 모델에 넘기게 되어 장기적으로 제어력을 잃을 위험이 있다. 반면 Qwen 3.5-27B 같은 로컬 모델은 더 명확한 지시가 필요하지만, 사용자가 구현 세부 사항을 더 깊이 고민하게 만들어 최종 결과물에 대한 통제력을 유지하기 유리하다.

자동화된 디버깅 루프 알고리즘을 제안했다. pytest 실행 결과에서 에러 로그를 추출하고 이를 Qwen Code CLI에 전달하여 자동으로 수정을 시도하는 2중 루프 구조이다. 외부 루프는 전체 테스트 통과 여부를 확인하고, 내부 루프는 특정 실패 사례에 대해 가설을 세우고 코드를 수정하여 테스트가 통과될 때까지 반복하는 방식으로 작동한다.

bash

pytest tests/ -x
// ...(중략)
pytest tests/../test_first_failing_test.py --log-level DEBUG
egrep -i -C 10 '(error|fail)'

테스트 실패 시 핵심 에러 로그만 추출하여 LLM에 전달하기 위한 셸 명령어 조합

코드 품질에 대한 시니어 개발자의 관점 변화를 주장했다. 테스트가 완벽하게 커버되고 기능이 정상 작동한다면 개별 코드 패턴이나 품질에 지나치게 집착할 필요가 없다는 가설이다. 시니어 개발자는 수십 명의 주니어 개발자(LLM)를 관리하는 관리자처럼 행동하며, 코드 작성 자체보다 명세 정의와 최종 리뷰에 집중하는 것이 프로젝트 진행에 더 효율적이다.

용어 해설

테스트 주도 개발(TDD): — 실제 코드를 작성하기 전에 테스트 케이스를 먼저 작성하고, 이를 통과시키기 위한 코드를 구현하는 소프트웨어 개발 방법론이다. LLM 에이전트에게 명확한 성공/실패 피드백을 제공하여 자율적인 코드 수정을 가능하게 하는 핵심 가이드라인 역할을 한다.
GGUF: — llama.cpp 등에서 사용되는 대규모 언어 모델 저장 형식으로, 양자화를 통해 모델 크기를 줄이면서도 추론 효율성을 높인 포맷이다. 소비자용 GPU(예: RTX 3090)에서 대형 모델을 실행하기 위해 필수적으로 사용되는 기술이다.
에이전트 세션(Agentic Session): — LLM이 단순한 답변을 넘어 도구 사용, 코드 실행, 결과 확인 등을 스스로 수행하며 목표를 달성하는 상호작용 과정이다. 본문에서는 테스트 결과에 따라 코드를 수정하고 다시 검증하는 자율적인 루프를 의미한다.
엔드 투 엔드 테스트(E2E Test): — 애플리케이션의 시작부터 끝까지 전체 흐름이 사용자 관점에서 올바르게 작동하는지 확인하는 테스트 방식이다. API 호출부터 UI 렌더링까지 전체 시스템의 통합적인 동작을 검증하여 LLM이 생성한 코드의 실질적인 유효성을 판단한다.

언급된 도구

Claude Code추천

업무용 코딩 에이전트 도구

Qwen3.5-27B추천

로컬에서 실행 가능한 고성능 코딩 모델

llama.cpp추천

로컬 모델 추론 엔진

pytest추천

Python 테스트 프레임워크

언급된 리소스

튜토리얼Qwen Code Loop Script