서비스와 인생은 문제의 연속이다

문제의 연속이었지만, 하나씩 해결해 나간 기온별 옷차림 | 오늘 뭐 입지?

위치, 속도 등 여러가지 문제를 해결하면서 가장 크리티컬한 문제 하나를 찾아냈다. 애플 날씨 앱, 기상청 날씨 예보, 아큐웨더 날씨 예보와 내가 만든 서비스의 온도가 최대 10도 정도 차이가 나는 문제를 발견했다. 1도 내외면 그럴 수 있는데, 4,5도 혹은 10도까지 차이가 나버리니까 이건 어떻게든 해결을 해야했다. 옷차림에서 가장 중요한 게 기온인데, 기온이 이렇게 달라버리면 서비스의 근간 자체가 흔들리는 것이었기 때문에.

그래서 바로 기온이 다른 서비스에 있어서 가장 크리티컬한 문제 해결에 들어갔다. 지금 정확한 원인은 기억이 안나는데, 기상청 초단기 실황 API가 문제가 있었고 (사실 정확히 어떤 문제인지 기억은 안난다 지금), 그걸 해결하기 위해서 AWS 관측소 API를 추가하고, 그게 실패하면 초단기 실황 API를 Fallback으로 불러오는 식으로 해결을 한 다음에 최저 최고 기온을 또 붙이고 하면서 해결해 나갔다.

그래서 이 문제를 완전히 해결해서 지금은 기상청과는 똑같은 온도를 보여주고 애플 날씨 앱과의 온도 차이도 1도 내외로 줄어들었다! 결국에 끝끝내 문제를 해결한 거지. 그러면서도 로딩 속도 같은 성능 이슈도 같이 챙겨서, 로딩 속도가 엄청 느리다거나 하는 성능적인 문제도 없었다. 사실 이게 진짜 중요한 내용인데 원인이 정확히 기억이 안난다. 사실 작업 과정은 클로드에게 “원인이 뭐야?”, “어떻게 해결할 수 있어?”, “너가 추천해준 방법의 장단점은 뭐야?”, “그러면 이 상황에서는 어떻게 돼?”, “이건 어떻게 생각해?” 이것들을 계속 반복해나가면서 문제를 해결했다.

큰 문제는 ‘정확한 기온을 불러오지 못한다’는 것이었고, 기술적으로 여러가지 문제들이 겹쳐 있었어서 더 기억하기가 어려운 것 같다. 그래도 클로드가 잘 설명해줘서 문제는 해결했지만, 내가 디테일하게 알지 못하는 부분에 대한 것이라서 기억을 제대로 못하는 것 같다. 흠 그래서 이런 개발 지식을 어떻게 더 쌓을 수 있을까..가 고민이긴 하다.

이렇게 문제를 해결하는 과정에서 또 Claude Code에서 플러그인이라는 것을 써봤다. 특히 Feature-dev 플러그인을 많이 썼는데, 영향범위가 넓거나 설계 자체가 중요할 때 바로 무작정 작업에 들어가지 않고 설계부터 시작하는 디테일하게 Feature를 구현하는 데 도움을 많이 받았다. 맨 처음에 플래닝을 대략적으로 하고 그 이후에 플랜에 따라 세부적인 개발 플랜을 짤 때 이 플러그인의 도움을 많이 받았지. 그리고 또 마지막에 code-review해줘 하면 작업 다 하고 code-review까지 스스로 돌린 다음에 개선이 필요한 부분을 찾고 개선한다. 고도로 발달한 기술은 마법과 다르지 않다고 하는데, 진짜 그런 것 같다. 이건 거의 마법이다. 코드 한 줄 못 읽는 내가 서비스를 만들고 문제를 해결한다니.

또 Code-Review를 하는 것을 보면서 AI는 에고나 작업물에 대한 애착이 없는 게 참 좋다는 것을 다시 한번 느꼈다. 사람은 아무래도 개인의 특성에 따라 에고도 있고, 또 자기가 한 작업물에 애착을 가질 수 밖에 없다. 이로 인해 개선이 느려지거나 안되는 경우도 종종 있는데, AI는 그런게 없으니까 너무 좋았다. 자기가 짠 작업물이라도 이상하면 수정하고, 내 요구사항 다 받아주고 그런 것들을 보면서 AI에게 에고를 내려놓기, 작업물과 나를 분리해서 생각하는 것의 중요성을 다시 한번 깨달았달까.