개발자를 위한 최고의 AI
Claude는 세계 최고 수준의 엔지니어링 팀과 소프트웨어 기업들이 앞서 나가기 위해 선택하는 강력한 도구입니다.
80.3%
Fable 5, SWE-Bench Pro에서 최고 성능 달성
60x
AI 플랫폼 고객의 코드 리뷰 피드백 속도 향상
95%
엔터프라이즈 소프트웨어 고객의 테스트 실행 시간 단축
코드베이스를 깊이 있게 파악하고, 고품질 소프트웨어를 더 빠르게 개발할 수 있습니다.
인증 오류를 확인해 보겠습니다. 먼저 관련 파일을 살펴보겠습니다.
인증 관련 파일 검토 중...
* src/services/authService.js
* src/components/Login.jsx
* src/store/authSlice.js
로그인 흐름 실행 중...
오류 감지됨: "401 Unauthorized: Token expired"
주요 원인:
* 토큰 갱신 메커니즘이 만료된 토큰을 올바르게 처리하지 못함
* 요청 헤더에 refresh token 포함되지 않음
* 401 응답에 대한 부적절한 오류 처리
authService.js에 올바른 리프레시 로직 업데이트 중...
401 처리를 위해 요청 인터셉터 업데이트 중...
수정 사항 테스트 중...
* 로그인 성공 ✓
* 토큰 갱신 정상 작동 ✓
* 토큰 만료 시 올바른 리디렉션 동작 ✓
인증 오류가 수정되었습니다! 이제 로그인 흐름에서 토큰 만료를 정상적으로 처리합니다.
업무 부담은 줄이고, 코딩 영향력은 확장하세요
Claude로 복잡한 소프트웨어를 작성, 테스트, 디버깅하고, GitHub 통합을 통해 전문가 수준의 추론으로 코드베이스를 분석하며, 컴퓨터 사용 기능으로 개발 작업을 위임하고, 공유 워크스페이스에서 더 스마트한 엔지니어링 의사 결정을 내릴 수 있습니다.
Claude Code로 에이전틱 코딩(Agentic Coding)을 경험해 보세요
Claude Code는 Fable 5를 터미널 환경에 제공해, 코드베이스를 심층적으로 이해하고, 파일 편집과 명령 실행을 사용자 환경에서 직접 수행할 수 있도록 지원합니다.
“오늘 한 번도 코드를 작성해 본 적 없는 친구에게 Claude로 간단한 앱을 만들고 Cloudflare에 배포하는 법을 알려주었습니다. 누군가가 이제 자신도 소프트웨어를 만들 수 있다는 사실을 깨닫는 순간을 지켜보는 건 정말 멋진 경험입니다. 모두가 무엇이든 만들 수 있도록 합시다.”
“어젠밤 누군가에게 Claude Code, Opus를 소개했는데, 우리는 새벽 4시까지 프로젝트를 만들었습니다. 정말 놀라웠어요! 2만 줄의 코드, 감사 로깅, 완전한 Prisma 데이터베이스, 완전한 아키텍처, 그리고 완전한 구현을 위한 4단계 로드맵까지 만들었습니다.”
“방금 약혼녀에게 Claude를 써서 몇 달간 그녀의 업무를 괴롭게 만들던 단순 작업들을 자동화하는 코드를 작성하는 법을 가르쳐 주었습니다. 풀이 죽고 회의적이던 그녀가 약 15분 만에 방 안을 돌아다니며 춤을 추기 시작했습니다. 엔드 유저 프로그래밍의 시대가 바로 지금입니다.”
“민망하게 들릴 수도 있겠지만, Claude와 Cursor의 강력함에 손에 땅이 차고 심장이 두근거릴 정도입니다. 방금 코드 한 줄 건드리지 않고 제 커스텀 API 위에 프론트엔드와 백엔드를 모두 갖춘 새 기능을 통째로 만든 다음, SwiftUI로 전환하기까지 했습니다.”
“Anthropic은 Sonnet과 Opus 같은 모델, 그리고 Claude Code 같은 개발자 도구로 업계를 선도하고 있습니다.”
“새로운 Claude를 쓰니 코딩할 때 제가 사기꾼이 된 기분이 듭니다. 구석에서 '음, 잘하고 있어요 보스, 계속 하세요' 라고 말하는 사람이 된 느낌이에요.”
Claude의 강력한 AI 기능을 앱에 통합해 프로덕션급 솔루션을 더 빠르게 제공할 수 있습니다.
기존 프롬프트
모든 고객 지원 티켓을 가장 관련성 높은 카테고리로 분류해 줘. 선택 가능한 카테고리 목록은 다음과 같아: {{CATEGORY_LIST}} 지원 티켓의 내용은 다음과 같아: {{TICKET_CONTENT}}
어떤 부분을 개선하고 싶으신가요?
분류 근거를 포함해 줘.
너는 고객 지원 티켓을 분류하는 데 특화된 AI 어시스턴트야. 너의 임무는 제공된 티켓 내용을 분석한 뒤, 사전 정의된 목록 중 가장 적절한 카테고리에 티켓을 할당하는 거야. 또한 분류 결정에 대한 근거를 제시해야 해.
먼저, 사용 가능한 카테고리를 확인해:
<category_list>
{{CATEGORY_LIST}}
</category_list>
이제 분류해야 하는 지원 티켓의 내용은 다음과 같아:
<ticket_content>
{{TICKET_CONTENT}}
</ticket_content>
다음 단계를 따라 작업을 수행해야 해:
– 티켓 내용을 주의 깊게 읽고 분석한다.
– 해당 내용이 각 카테고리와 어떻게 연관되는지 고려한다.
– 티켓에 가장 적합한 카테고리를 선택한다.
– 추론 프로세스를 자세히 설명한다.
응답 시 다음 구조를 사용해 줘:
<classification_analysis>
이 섹션에서는 사고 프로세스를 다음과 같이 세분화해야 해:
– 티켓 내용 중 가장 유의미한 부분들을 인용한다.
– 각 카테고리를 나열하고 티켓 내용과의 연관성을 기술한다.
– 각 카테고리에 대해, 티켓을 분류할 수 있는 이유와 그렇지 않은 이유를 제시한다.
– 가장 가능성이 높은 상위 3개 카테고리를 순위별로 제시한다.
</classification_analysis>
<classification>
<category>선택한 카테고리를 여기에 기재</category>
<reasoning>이 카테고리를 선택한 이유를 간결하게 요약</reasoning>
</classification>
분석은 철저히 하고, 설명은 명확하게 작성해. 너의 목표는 충분한 근거를 바탕으로 정확한 분류를 제시하는 거야.
차원이 다른 AI 경험 제공
- API를 활용해 Claude를 귀사의 솔루션에 최적화된 형태로 통합할 수 있습니다.
- Workbench에서 프롬프트를 개선하고 평가할 수 있습니다.
- 최첨단 인텔리전스를 애플리케이션에 구축할 수 있습니다.
- 풍부한 문서와 도구로 누구나 AI 개발자가 될 수 있습니다.
“Even at its lowest effort setting, Claude Opus 5.5 caught 72% of known bugs in our code reviews to Opus 5’s 56% at high effort, with fewer false alarms and a fraction of the output. On US consulting analysis, low thinking effort matched its higher thinking settings on half the output and passed our quality checks. When more lower thinking efforts are deployed in production, that’s client-ready work delivered efficiently.”
“개발자는 실제 소프트웨어 작업을 맡아 완료할 수 있는 에이전트를 원합니다. GitHub Copilot CLI와 VS Code에서 테스트한 결과, Claude Opus 5.5는 측정한 모델 중 가장 적은 토큰과 단계를 사용한 것으로 나타났습니다. VS Code에서는 Opus 5 대비 절반도 안 되는 단계로 더 많은 터미널 작업을 해결했습니다. 개별 작업을 더 효율적으로 처리하는 것을 넘어서, 개발자가 더 큰 규모 프로젝트를 더 쉽게 실현하도록 지원합니다.”
“I handed Claude Opus 5.5 a large engineering task across six of our repositories and let it run overnight, unattended. It stayed on task for over 18 hours defining how our services talk to each other and working out how each one should apply that. Compared with Opus 5, it hit milestones faster and required minimal reworking. Its code comments were short and useful instead of long and prose-heavy. I’m struggling to find anything negative to say.”
“Lovable 빌더가 Opus 5.5를 사용하면 처음부터 시작하든 라이브 앱에서 작업하든, 동일한 품질로 더 빠르게 빌드할 수 있습니다. 컨텍스트를 한 번에 수집하고, 더 적지만 더 완전하게 수정하며, 재시도에 막히지 않아 필요한 단계를 1/3에서 절반 수준으로 줄이고, 토큰 사용량도 크게 줄어듭니다.”
“Claude Opus 5.5를 사용한 내부 평가 전반에서 토큰 효율성이 뚜렷하게 향상된 것을 확인했습니다. 또한 동일한 작업을 더 적은 비용으로 빠르게 완료할 수 있었습니다.”
“We test models on real engineering and trading-desk work. On our agentic coding tasks, Claude Opus 5.5 matched Opus 5’s quality in about half the turns, time and output tokens, cutting the cost of that workload by 40 to 50%. It posted the highest score we’ve recorded on one desk’s trading-support suite, passing tasks earlier Claude models had failed, and topped all eight models on our analysis task.”
“저희는 출시 당일 Devin의 Opus 5 트래픽을 Claude Fable 5.1로 전환합니다. 저희 테스트에서 Fable 5와 동등하거나 조금 더 나은 결과를 더 낮은 작업당 비용으로 보여주었으며, 새로운 캐시 읽기 요금 체계 덕분에 그동안 Opus에 맡겨 두었던 워크로드에서도 Fable 급 모델이 마침내 경제성을 갖추게 되었습니다. 코드 리뷰부터 시작합니다.”
“Claude Fable 5.1은 Fable 5보다 장시간 무인 작업에 더 적합합니다. 맥락을 놓치지 않고 오랜 시간 실행된 워크플로우를 여러 차례 경험했습니다. 스스로 기록을 남기고, 상황이 바뀌면 우선순위를 다시 정하며, 중단된 지점부터 작업을 이어갑니다.”
“저희가 다루는 가장 어려운 문제에서 Claude Fable 5.1은 지금까지 시도해 본 어떤 모델보다도 확연히 앞섭니다. 18개월 동안 시험 대상으로 삼아 온 최고 난도의 문제에서 실질적인 진전을 만들어 냈습니다. 단순히 사실을 나열하는 데 그치지 않고, 다른 곳에서는 보지 못한 명확한 착안점의 연결을 제시했습니다. 또한 Fable 5가 한계에 이르렀던 연산 커널을 약 35% 최적화했습니다.”
“세 개의 코드베이스에 걸쳐 여덟 개 이상의 서비스에 영향을 미치는 변경 작업이 있었습니다. Claude Fable 5.1은 들어오는 서비스 호출부터 개별 함수, 나아가 데이터베이스 테이블과 행에 이르기까지 전체 워크플로우를 매우 상세하게 처음부터 끝까지 매핑했으며, 끝까지 정확했습니다. 이 모델을 테스트하고 피드백을 제공할 기회를 가진 덕분에, 이러한 도구에 더욱 과감한 과제를 맡길 수 있는 새로운 국면을 준비할 수 있었습니다.”
“Claude Fable 5.1은 CursorBench 3.2에서 저희가 실행해 본 모델 중 가장 뛰어난 성능을 보였으며, 최대 추론 설정에서 73.4%를 기록했습니다. 특히 자체 작업을 검증하는 능력이 탁월해 어려운 코딩 작업을 처음부터 끝까지 수행할 수 있습니다.”
“Claude Fable 5.1에서 가장 돋보이는 것은 글쓰기입니다. 더 이해하기 쉽고 더 알차며, 저희 작성 지침도 더 잘 따릅니다. Fable 5와의 블라인드 테스트에서 저는 Fable 5.1의 글과 결과물을 선택했습니다. 또한 Canva Code에서는 실제 음악과 박자에 맞는 플레이를 갖춘 리듬 게임을, 직접 생성한 레벨에 맞춰 구현했습니다. 저희가 테스트한 다른 어떤 모델도 해내지 못한 일입니다.”
“다른 세 개의 프런티어 모델이 이상 없다고 판단한 라쿠텐 메디컬의 임상 연구 프로젝트를 Claude Fable 5.1에 검토하도록 요청했습니다. Fable 5.1은 어떤 모델도 발견하지 못한 허점을 찾아냈고 추가 검증이 필요하다고 강조했습니다. 이어서 완전히 새로운 가설을 제시해, 저희가 포기했던 데이터셋을 단 하루 만에 새로운 연구 방향으로 전환시켰습니다. Claude와 같은 프런티어 모델이 이런 방식으로 새로운 연구를 탐색하도록 이끌어 준 것은 처음입니다.”