DrCatHicks/learning-opportunities

해결하는 문제

업무 자동화 AI 코딩 도구 사용 시 발생하는 '숙련도 오해'와 학습 저하 문제를 해결합니다. 개발자가 AI에 코드 생성을 의존하면, 아키텍처와 논리 구조를 진정으로 이해하기 위해 필요한 능동적 사고 과정을 생략하게 되며, 이로 인해 장기적인 기술 습득과 기억력이 저하됩니다.

작동 방식

이 프로젝트는 Claude Code와 Codex용 플러그인을 제공하여 코딩에 '동적 교과서' 접근법을 도입합니다. 개발자가 중요한 아키텍처 작업(예: 스키마 변경 또는 리팩터링)을 완료한 후, AI는 사용자에게 10~15분 분량의 학습 연습에 참여하도록 유도합니다.

일반적인 AI 상호작용과 달리, 시스템은 의도적으로 일시정지하여 사용자의 입력을 기다림으로써 능동적 추출과 생성을 강제합니다. 다음의 과학적으로 입증된 기법을 활용합니다:

• 예측 및 반성: 결과를 예측하고, 관찰한 후 차이를 반성합니다.
• 생성: AI의 구현을 보기 전에 접근 방식을 스케치합니다.
• 추출 연습: 컴포넌트를 '다시 설명'하거나 세션 시작 시 기억 점검을 수행합니다.
• 추적: 실행 단계를 수동으로 하나씩 따라가며 이해합니다.

대상 사용자

생산성을 높이면서도 기술 전문성을 유지하거나 향상시키고자 하는, 아젠트형 AI 코딩 도구를 사용하는 개발자들입니다.

주요 특징

• 과학적 근거: 간격 효과와 생성 효과와 같은 인지심리학 원리에 기반합니다.
• 워크플로우 통합: Claude Code와 Codex의 마켓플레이스 플러그인으로 직접 통합 가능합니다.
• 리포지토리 중심: 새로운 코드베이스를 전략적으로 탐색하고 학습하는 데 도움을 주는 orient 기능 포함.
• 자동 프롬프트: Linux/macOS용 옵션 훅을 통해 git 커밋 후 자동으로 학습 프롬프트를 트리거할 수 있습니다.