M0
.claude/M0/foundation.md
안효빈
시니어 솔루션즈 아키텍트, AWS
Claude Code를 다룬다는 것: Amazon Bedrock 위에서 보는 핵심 구성요소
Claude Code를 Amazon Bedrock 위에서 처음 설정하는 과정을 다룹니다. 왜 Amazon Bedrock을 쓰는지(보안·비용·데이터 주권)부터 시작해서, 인증 설정 방법, Claude Code가 동작하는 파일 구조, 그리고 외부 도구 연결까지 — 이후 모든 모듈의 공통 기반이 되는 환경을 한 번에 구성합니다.
학습 목표
- Amazon Bedrock 기반 Claude Code의 엔터프라이즈 장점(보안·데이터 주권·과금·컴플라이언스) 이해
- 통합 인증·모델 핀·리전·Cross-Region Inference 설정 방법 습득
- .claude/ 파일 구조와 settings.json·CLAUDE.md의 4계층 우선순위 체계 이해
- Skill·Sub-agent·Hook·MCP·Plugin으로 재현 가능한 프로덕션 레디 환경 완성
M1
.claude/M1/ai-mindset.md
문곤수
시니어 AI 스페셜리스트 솔루션즈 아키텍트, AWS
AI 코딩 마인드셋: 같은 도구, 다른 코드
같은 AI 도구를 써도 결과가 다른 이유는 사용법이 아니라 사고방식에 있습니다. 내 머릿속의 의도와 실제로 AI에게 전달된 내용 사이의 간극을 줄이는 법, AI와 협업할 때 개발자가 가져야 할 세 가지 역할, 그리고 자주 빠지는 6가지 실수 패턴을 금융 에이전트 데모와 함께 배웁니다.
학습 목표
- AI 코딩에서 의도(Meant)와 명시(Said)의 간극 이해
- Orchestrator·Architect·Reviewer 세 가지 역할과 AI 위임·감독 영역 구분
- AI 코딩 시 자주 발생하는 6가지 안티패턴 진단
- Spec-driven Development(SDD)의 원리와 적용 방법 이해
M2
.claude/M2/spec-driven.md
박지윤
솔루션즈 아키텍트, AWS
Spec-Driven Development: 스펙으로 개발하기
"만들어줘" 한 줄로 빠르게 코드를 얻을 수 있지만, 맥락이 길어질수록 구조와 일관성이 무너집니다. 이 모듈은 그 한계를 넘는 대안인 Spec-Driven Development(SDD, 명세 기반 개발)를 다룹니다. 무엇을, 어떻게 만들지 먼저 스펙으로 정의하고 개발하는 방식을 배우고, 쇼핑몰 장바구니·쿠폰·배송비 기능 데모를 통해 예측 가능하고 일관성 있는 개발 흐름을 직접 경험합니다.
학습 목표
- AI 어시스트 코딩 트렌드를 이해하고 나에게 맞는 개발 방법 파악
- SDD(명세 기반 개발) 개념과 Vibe Coding과의 차이점 이해
- Claude Code 환경에서 SDD를 활용하는 세 가지 방법 학습
- Superpowers 워크플로우와 핵심 스킬을 실습 데모를 통해 바로 적용
M3
.claude/M3/team-sdd.md
하재영
시니어 솔루션즈 아키텍트, AWS
Team SDD — 3명이 함께 스펙으로 개발하기 (feat. AI-DLC)
AI가 코드를 짜주는 시대인데, 왜 팀의 생산성은 기대만큼 오르지 않을까요? 이 모듈은 AWS의 AI 네이티브 방법론인 AI-DLC(AI-Driven Development Lifecycle)를 통해 팀이 함께 AI와 협업하는 방법을 다룹니다. 의도를 합의하고 → 역할을 나눠 병렬로 구축하고 → 배포·운영하는 3단계 흐름을 3명이 함께 실습하며, 팀 단위 AI 협업 워크플로우를 직접 설계할 수 있습니다.
학습 목표
- 코딩 속도와 개발 속도의 차이를 인식하고 팀 생산성에 SDD가 필요한 이유 이해
- AI-DLC 3단계(Inception→Construction→Operations)와 AI-사람 협업 루프 이해
- Claude Code 환경에서 AI-DLC 거버넌스 체계 구성 실습
- 팀 병렬 개발에 필요한 Claude Code tools·skills 노하우 습득
M4
.claude/M4/large-codebase.md
박연경
시니어 솔루션즈 아키텍트, AWS
코드베이스 이해와 기여 — Claude로 기존 프로젝트에 뛰어들기
코드베이스를 이해하려면 진입점에서 수정 영역, 서비스 접점, 코드 밖 로직 순으로 범위를 좁혀가며 탐색해야 합니다. 이 모듈은 Claude Code로 코드를 이해하는 방법을 다룹니다. /init으로 CLAUDE.md 뼈대를 만들고 수정 금지 영역·모범 코드를 더하며, 탐색은 서브에이전트에 맡겨 결론만 받고 LSP로 심볼 단위 정의·참조를 따라갑니다. 여러 서비스는 Dynamic Workflow로 동시에 정찰해 코드로 대조 검증하고, 알아낸 맥락은 CLAUDE.md에 누적하며, 새 기능은 spec을 작성하고 Plan 모드로 점검한 뒤 구현합니다.
학습 목표
- 진입점→수정 영역→서비스 접점→코드 밖 로직 순으로 범위를 좁히는 점진적 탐색 전략 습득
- /init으로 CLAUDE.md 뼈대를 만들고 세션마다 누적해 "자라는 지도"로 발전 — 비대해지면 중첩 CLAUDE.md·.claude/rules로 분리
- 서브에이전트·LSP·Dynamic Workflow로 격리된 컨텍스트에서 정찰하고 .claude/rules·permissions.deny로 가드레일 설정
- "코드에 없는 로직"(DB 트리거·뷰·프로시저, 죽은 코드) 함정 진단과 spec 작성 후 Plan 모드 점검·구현
M5
.claude/M5/ai-code-verify.md
류하선
AI 스페셜리스트 솔루션즈 아키텍트, AWS
AI 코드 검증 — AI가 만든 Agent 코드를 어떻게 믿어?
30초 만에 AI가 만든 코드, 그대로 프로덕션에 올려도 될까요? AI가 썼기 때문에 못 믿는 게 아니라, 검증을 거치지 않았기 때문에 못 믿는 겁니다. 이 모듈은 코드를 "읽어서" 결함을 잡는 정적 리뷰와, "돌려서" 행동을 검증하는 실행 검증, 두 축으로 AI 생성 코드를 체계적으로 신뢰할 수 있는 워크플로우를 구축합니다.
학습 목표
- 신뢰의 출처가 작성자(Author)가 아닌 통과한 게이트(Gate)임을 이해
- Read 축(정적 리뷰)과 Run 축(실행 검증)의 상보적 구조와 활용 방법 이해
- Claude의 코드 리뷰 기능(security-review·code-review·pr-review-toolkit) 활용
- AI 생성 코드의 대표 위험 패턴과 검증 안티패턴 진단
M6
.claude/M6/harness-eng.md
김예진
AI 스페셜리스트 솔루션즈 아키텍트, AWS
하네스 엔지니어링 — 디자인하고, 측정하고, 관리하기
같은 모델을 써도 어떤 에이전트는 일을 끝내고, 어떤 에이전트는 끝내 실패합니다. 그 차이를 만드는 건 모델이 아니라 하네스 — 에이전트를 둘러싼 환경 전체입니다. 이 모듈은 Claude Code 하네스의 5가지 구성요소를 설계하고, 측정하고, 안전하게 운영하는 방법을 다룹니다. 잘 설계된 환경이 모델의 실수를 자동으로 잡아주는 과정을 데모로 직접 확인합니다.
학습 목표
- 하네스(Harness)의 정의와 Agent = Model + Harness 등식 이해
- Claude Code 하네스의 5대 구성요소(제약·도구·실행·상태·게이트) 설계 방법 습득
- 하네스 3대 원칙과 개선 라이프사이클에 대한 이해
- Build·Operate·Deprecate 라이프사이클 거버넌스 운영 방법 학습
M7
.claude/M7/mcp-subagents.md
정재민
솔루션즈 아키텍트, AWS
MCP와 Sub-agents: AI Agent의 능력 확장 — 연결(MCP)과 위임(Sub-agent)으로 한계를 넘다
AI 에이전트 혼자서는 우리 회사 데이터에 접근하거나 복잡한 작업을 동시에 처리할 수 없습니다. 이 모듈은 그 한계를 넘는 두 가지 방법을 다룹니다. 외부 시스템을 연결해 실제 데이터로 작동하게 만드는 MCP, 그리고 전문 역할을 가진 여러 에이전트에게 작업을 나눠 맡기는 Sub-agent. AWS 비용 분석 에이전트를 단계적으로 확장하는 실습을 통해 직접 경험합니다.
학습 목표
- 단일 에이전트의 가치와 접근 범위의 한계(능력 한계가 아닌) 구분
- MCP의 핵심 아키텍처(Client↔Server, Tool/Resource)와 전송 방식 이해
- Sub-agent의 본질(독립 컨텍스트)과 5가지 이점(컨텍스트 보존·비용 제어·재사용 등) 이해
- FinOps Agent를 Level 0→1→2로 확장하며 멀티 에이전트 환경 구성
M8
.claude/M8/automation-plugin.md
김세진
AI 스페셜리스트 솔루션즈 아키텍트, AWS
자동화와 플러그인 — 내 터미널을 넘어서
Claude Code로 코드 리뷰를 해본 경험은 있으실 겁니다. 그런데 그건 내가 터미널을 열고 직접 물어봤을 때만 일어납니다. 새벽 3시에 올라온 PR은? 내가 휴가인 날은? 이 모듈은 Claude Code를 CI/CD 파이프라인에 연결해 사람의 개입 없이 자동으로 동작하게 만드는 방법과, 팀의 지식을 Plugin으로 축적해 AI 분석 품질을 팀과 함께 성장시키는 방법을 다룹니다.
학습 목표
- claude -p headless mode의 핵심 개념과 CI/CD 파이프라인 통합 방법 이해
- GitHub Actions 워크플로우 구축으로 PR 자동 분석 환경 실습
- Plugin 구조(skills/·references/·.claude-plugin/)와 마켓플레이스 배포 방법 습득
- 팀 아키텍처 지식을 축적하는 기여 사이클 구성과 조직 수준 확장 전략 수립
M9
.claude/M9/enterprise-ops.md
전주형
AI 스페셜리스트 세일즈, AWS
엔터프라이즈 Claude Code on Amazon Bedrock 운영 — 보안, 비용, 팀 도입
AI 코딩 도구를 팀 전체에 도입하면 반드시 맞닥뜨리는 현실적인 질문들을 다룹니다. 누가 어디까지 쓸 수 있게 할지, 비용은 어떻게 관리할지, 도구가 바뀌어도 운영 체계는 어떻게 유지할지 — LLM Gateway(거버넌스)와 활용 교육(Enablement) 두 기둥으로 답을 제시하고, 조직에 맞는 도입 옵션 비교와 월요일 아침에 바로 실행할 수 있는 로드맵으로 마무리합니다.
학습 목표
- 도구가 바뀌어도 변하지 않는 보안 4대 경계(Privilege·Data·Audit·Cost) 이해
- LLM Gateway 구현 3가지 옵션(AWS Native·상용OSS·자체 구축) 비교 및 선택 기준 습득
- 6영역 18문항 체크리스트로 조직 요구사항을 정의하고 적합한 옵션 선택
- 활용 교육 4개 축(비용 효율·하네스·워크플로우·전사 확장)과 도입 로드맵 수립