AI가 만든 변경 사항의 인지 부하 줄이기

• AI 생성 코드를 대량으로 검토할 때, LLM이 추상 개념에 붙인 용어가 자신에게 자연스러운 이름과 다르면 뜻을 매번 머릿속에서 되짚어야 함
• 익숙하지 않은 코드에서 수십 개의 새 용어가 상호작용하면 인지 부하가 누적되어 코드의 작동 방식을 잘못 이해할 수 있음
• 검토 전에 AI에게 비관습적이거나 자체적으로 만든 용어를 추출하고, 의미와 선택 이유, 대안 용어를 임시 Markdown 파일로 정리하도록 요청함
• 사람이 각 용어를 그대로 쓸지 확인하거나 자신에게 자연스러운 이름을 지정하면, AI가 문서를 포함한 모든 위치에 변경을 반영함
• 용어를 자신의 언어 선택에 맞춘 코드는 직접 작성한 코드에 더 가까워져 검토하기 쉬워짐

용어 불일치가 만드는 인지 부하

• LLM이 추상 개념에 붙이는 이름은 검토자가 자연스럽게 선택할 이름과 다를 수 있음
  • 예를 들어 LLM의 MutationIntent 보다 EditRequest 가 더 자연스럽게 느껴질 수 있음
• 선호하는 이름이 아니면 용어를 볼 때마다 의미를 머릿속에서 되짚어야 함
  • 작은 마찰처럼 보이지만, 익숙하지 않은 코드에서 수십 개의 새 용어가 서로 어떻게 작용하는지 이해하려면 부담이 쌓임
  • 머릿속에 유지할 수 있는 의미 대응 관계에는 한계가 있어, 이를 넘어서면 작동 방식을 오해하기 시작함

검토 전 용어 정리 절차

• 코드 검토 전에 AI 변경 사항을 후처리하며 다음과 같이 요청함

  변경 사항을 검토하고 추상적인 객체, 프로세스, 개념에 사용한 비관습적이거나 자체적으로 만든 용어를 추출해 주세요. 각 용어의 의미, 선택한 이유, 대안 용어 몇 가지를 임시 Markdown 파일에 정리해 주세요. 이 파일에서 용어 선택을 확인하거나 제가 사용할 용어를 지정하겠습니다. 그런 다음 변경 사항을 반영해 주세요. 목표는 개념을 더 쉽게 이해할 수 있도록 당신의 언어 선택을 제 언어 선택에 맞추는 것입니다.

• 사람이 파일을 검토해 용어 선택을 확정하면, AI가 문서를 포함한 모든 위치에서 찾아 바꾸기를 수행함
• 결과 코드가 자신의 사고방식에 더 가까운 언어로 작성되어 검토가 훨씬 쉬워짐