프로덕트 소식은 넘쳐나지만 대부분 이런 게 나왔대에서 끝납니다. 그래서 뭘 어떻게 하라고? 내 작업에 어떻게 써먹지? 거기까진 연결이 잘 안 되죠. 따라서 요즘 프로덕트 메이커는 바로 쓸 수 있는 것, 그 중에서도 주목해볼 만한 것을 엄선해서 매주 금요일에 전달드리려 합니다.

요즘 프로덕트 메이커는 매주 세 가지를 골라 전합니다:

써볼 것: Ralph - AI가 PRD 완료까지 스스로 반복하며, 매 반복마다 학습 내용을 누적하는 자율 에이전트 루프
참고할 것: Moltbot(구 Clawdbot) - 내 컴퓨터에서 24시간 돌아가며 실제로 일하는 개인 AI 어시스턴트
적용해볼 것: 비개발자 메타 PM이 AI로 수익화 앱을 만든 5단계

1. 써볼 것: Ralph

Ralph는 AI를 자동으로 반복 실행시켜 PRD를 끝까지 완수하는 자율 에이전트입니다. Geoffrey Huntley가 만든 Ralph Loop 방법론을 구현한 프로젝트죠. 최근 개발자들 사이에서 핫하게 바이럴 되고 있는데요. 다양한 Ralph 구현체들이 깃허브에서 수천 개의 스타를 받았으며, Claude Code 공식 플러그인 마켓플레이스에도 등록되어 있습니다. 주목받는 이유는 명확합니다. 기존엔 AI 코딩 도구에 "1번 기능 해줘" "2번 기능 해줘" 하며 반복 지시해야 했는데요. Ralph는 PRD만 주면 AI가 스스로 반복하며 모든 기능을 완료합니다. 사람은 시작만 하면 되죠.

무슨 문제를 해결해 주나요?

AI 코딩 도구로 개발하다 보면 이런 일이 반복됩니다. 기능 하나를 구현하면 컨텍스트가 차서 다음 작업 시작할 때 이전 맥락을 잃어버리는 거죠. 그래서 또 설명하고 또 진행 상황을 확인해야 합니다. PRD에 기능이 10개 있으면 10번을 반복해야하죠. 1번 완료, 2번 해줘, 2번 완료, 3번 해줘 하는 식으로요. 이 상황의 문제는 시간뿐만이 아니라, 번거롭기까지 합니다. AI가 어디까지 했는지, 무엇을 배웠는지 기록하는 건 전부 사람 몫이니까요. 프로젝트가 길어질수록 같은 실수를 반복하거나 이미 해결한 문제를 다시 마주칩니다. Ralph는 이 반복 지시와 진행 추적을 자동화합니다.

Ralph의 핵심은 세 가지입니다.

첫째, 동일 프롬프트의 반복 입력입니다. prompt.md에 "모든 테스트를 통과시켜라"라고 적어두면, 이 프롬프트가 계속 반복 실행됩니다.
둘째, 자기 피드백 루프입니다. AI는 이전에 자신이 만든 코드와 테스트 결과를 다시 검토하는데요. 현재 상태와 목표 상태의 차이를 인식하고, 그 차이를 줄이도록 코드를 수정합니다.
셋째, 완료 신호 감지입니다. 프롬프트 안에 완료 상태를 표현하는 신호를 정의해 두는데요. 예를 들어 "모든 테스트 통과 후 done을 출력하라"처럼요. 이 신호가 나올 때까지 루프는 계속됩니다.

Ralph는 특히 도구 호출이나 사용량 제한이 느슨한 환경에서 강력한데요. 그런 시스템에서 매우 높은 수준의 자동화를 구현할 수 있습니다.

어떻게 쓰나요?

Ralph를 적용하는 방법은 두 가지입니다. Geoffrey Huntley가 만든 원조 Bash 루프 방식과, Claude Code 공식 플러그인 마켓플레이스에 등록된 /ralph 플러그인이죠.

Bash 루프 (원조 방식)

프로젝트 루트에 세 가지 파일을 준비합니다. 프롬프트 파일(CLAUDE.md), PRD를 담은 prd.json, 그리고 진행 상황을 기록할 progress.txt입니다.

# 설치
mkdir -p scripts/ralph
cp /path/to/ralph/ralph.sh scripts/ralph/
cp /path/to/ralph/CLAUDE.md scripts/ralph/
chmod +x scripts/ralph/ralph.sh

# 실행
./ralph.sh              # 기본 10회 반복
./ralph.sh 20           # 20회 반복

Bash 스크립트가 프롬프트를 AI에게 계속 반복 전달합니다. 각 반복마다 새로운 Claude Code 인스턴스가 생성되는데요. 컨텍스트는 깨끗하게 시작하지만, git history와 progress.txt, prd.json을 통해 이전 작업을 기억합니다. AI가 완료 신호를 낼 때까지 루프가 멈추지 않고요. 핵심은 AI가 스스로 멈출 수 없게 강제하는 겁니다.

Claude Code /ralph 플러그인

Bash 루프 아이디어를 Claude Code 환경에 맞게 확장한 형태입니다. 플러그인 마켓플레이스에서 설치할 수 있고요.

# 설치
/plugin install ralph-wiggum@claude-plugins-official

# 실행
/ralph-loop "모든 테스트를 통과시켜라" --max-iterations 30 --completion-promise "DONE"

슬래시 커맨드 /ralph-loop으로 바로 호출할 수 있습니다. --max-iterations로 최대 반복 횟수를 설정하고, --completion-promise로 완료 신호를 지정하죠. Claude의 stop_hook 기능을 활용해서 AI가 종료하려 해도 완료 신호가 없으면 같은 프롬프트로 다시 실행합니다. 단순 무한 반복이 아니라 제어 가능한 자동화 루프를 제공하는 거죠.

누구에게 좋을까요?

PRD를 작은 단위로 쪼개는 데 익숙한 PM, 혼자 사이드 프로젝트를 운영하는 개발자, AI 코딩 도구를 쓰지만 반복 작업에 지친 사람에게 추천합니다. 기능이 1-2개뿐인 간단한 프로젝트라면 오히려 복잡할 수 있고요. PRD 작성이 낯설거나 AI 코딩 도구 자체가 처음이라면 먼저 Cursor나 Claude Code에 익숙해지는 게 좋습니다.

2. 참고할 것: Moltbot(구 Clawdbot)

Moltbot는 내 컴퓨터에서 24시간 돌아가며 실제로 일을 하는 개인 AI 어시스턴트입니다. 오픈소스 프로젝트로 누구나 직접 설치해서 쓸 수 있고요. Moltbot를 돌리려고 Mac Mini를 구매하는 사람들이 급증하며, 최근 일부 지역에서 Mac Mini가 품절될 정도로 인기라고 합니다. Moltbot이 주목받는 이유는 간단한데요. 단순히 질문에 대답을 잘 하는 수준을 넘어, 내 컴퓨터 환경에서 실제로 일을 대신 해주는 AI 에이전트이기 때문입니다. 사용자의 컴퓨터에서 직접 실행되며, 슬랙이나 디스코드, 아이메세지같은 메신저를 통해 대화할 수 있습니다. 따라서 사람들은 Mac Mini 같은 저전력 컴퓨터를 구매하며, 밤낮없이 일하는 개인 비서를 무료로 고용하기 위해 열광하고 있죠.

기존 AI 챗봇과 무엇이 다른가요?

Moltbot의 가장 큰 특징은 사용자의 컴퓨터에서 직접 돌아간다는 점입니다. 모든 설정, 대화 기록, 사용자 선호도가 로컬 마크다운 파일로 저장되는데요. 클라우드 서버에 데이터를 넘기지 않아도 되니 프라이버시를 중시하는 사람들에게 매력적인 선택지죠.
별도의 앱이나 웹사이트에 접속할 필요도 없습니다. 이미 쓰고 있는 메신저에서 AI와 대화하면 되는데요. 텔레그램, 왓츠앱, 디스코드, 슬랙, 시그널, 아이메시지를 지원합니다. 출퇴근길에 스마트폰으로 집에 있는 Moltbot에게 업무를 지시하는 것도 가능하죠.
일반적인 챗봇이 답변에 그친다면, Moltbot은 실행까지 합니다. 터미널 명령어를 실행하고, 파일을 읽고 쓰며, 웹 브라우저를 자동으로 조작하는데요. 이메일을 확인해서 요약하거나, 캘린더 일정을 조정하거나, 레스토랑 예약까지 대신 처리합니다.
대화창을 닫으면 맥락을 잃어버리는 일반 챗봇과도 다릅니다. Moltbot은 모든 대화와 사용자 선호도를 기억하는데요. 몇 주 전에 나눈 이야기도 기억하고 있어서 "그때 말했던 프로젝트"라고만 해도 맥락을 이해하죠.
자기 기능을 스스로 추가합니다. 내 Notion에 접근하고 싶어 라고 하면 Notion Skill을 찾아서 설치하거나 없으면 직접 만들어요. 실제로 한 사용자가 하늘이 예쁠 때마다 사진 찍어줘 라고 했더니 날씨 API를 연결하고 Cron Job을 만들고 카메라 Skill을 작성했다고 합니다.

어떻게 작동하나요?

Moltbot은 무료 오픈소스 소프트웨어입니다. 터미널에서 한 줄 명령어로 설치할 수 있는데요.

curl -fsSL https://clawd.bot/install.sh | bash

다만 AI 모델 사용을 위해 Anthropic이나 OpenAI의 API 구독이 필요합니다. Git, API, 포트 설정 등에 익숙한 개발자를 주 타깃으로 하지만, 가이드가 잘 되어 있고 Discord 커뮤니티 21,900명이 활발하게 활동하고 있어서 도움받기 쉽습니다.

무엇을 얻어가야 하나요?

Moltbot은 깃허브에서 95,000개 이상의 스타를 받으며 역대 가장 빠르게 성장한 오픈소스 프로젝트 중 하나가 되었습니다. Discord 커뮤니티에는 21,000명 이상이 활발하게 활동하고 있고요. 핵심 아이디어는 간단합니다. AI 모델 API와 컴퓨터 제어 권한, 메시징 앱 연동, 로컬 메모리를 조합하는 거죠. 이 구조만 이해하면 특정 업무에 특화된 AI 어시스턴트를 만들 수도 있습니다.

Skills 마켓플레이스인 ClawdHub에는 565개 이상의 커뮤니티 스킬이 등록되어 있는데요. Tesla 차량 제어, Home Assistant 스마트홈 연동, 식료품 주문까지 다양합니다. 직접 스킬을 만들 수도 있고요. "항공권 가격이 30만 원 이하로 떨어지면 알려줘"라고 하면 Moltbot이 알아서 스킬을 작성합니다.

다만 주의할 점이 있습니다. Moltbot은 시스템 전체에 접근 권한을 갖기 때문에 메인 컴퓨터보다는 별도 기기나 가상 서버에서 돌리는 걸 권장합니다. API 비용도 고려해야 하는데요. 토큰 소모가 많아서 하루에 200달러 이상 쓴 사용자도 있다고 하니, Claude Max 같은 무제한 구독을 쓰거나 사용량을 모니터링하는 게 좋습니다. 24시간 돌릴 여유 기기가 있는 사람, 업무 자동화가 필요한 사람, 메시징 앱으로 모든 걸 처리하고 싶은 사람, 데이터를 내 컴퓨터에 두고 싶은 사람에게 특히 유용하겠습니다.

3. 적용해볼 것: 비개발자 메타 PM이 AI로 수익화 앱을 만든 5단계

코드를 전혀 모르는 메타 PM이 AI를 팀처럼 운영해서 수익화 앱을 만든 워크플로입니다. 제비 아르노비츠(Zevi Arnovitz)라는 PM이 주말마다 AI로 앱을 만들어 실제로 수익을 내고 있는데요. Lenny's Podcast에 출연해 직접 데모를 시연하며 화제가 됐습니다. 이 워크플로가 주목받는 이유는 비개발자도 따라할 수 있는 체계적인 방법론이기 때문이죠. 핵심은 AI를 도구가 아니라 팀처럼 대하는 겁니다.

무슨 문제를 해결하려 하나요?

PM으로서 Zevi는 항상 이런 고민이 있었습니다.

기획은 할 수 있는데 엔지니어 없이는 실행할 수 없다. 아이디어를 테스트하려면 항상 누군가를 설득해야 한다.

그러던 2024년 중반 Anthropic이 Sonnet 3.5로 Bolt와 Lovable을 써서 앱을 만드는 데모를 공개했는데요. Zevi는 경악했습니다. "이제 네가 직접 만들어 봐라"는 메시지로 들렸거든요. 하지만 Bolt나 Lovable은 처음엔 감탄하게 만들지만, 한 단계만 더 복잡해지면 오히려 문제를 더 만들었습니다. 결제 솔루션을 붙이는 등 데이터베이스에 조금이라도 변화가 생기면 바로 코딩에 몰두하다가 심각한 버그가 생겼죠. 계획 없이 바로 코딩에 뛰어들기 때문입니다.

어떻게 해결했나요?

Zevi는 AI를 동료로 대했습니다. Claude Code에 이렇게 말했죠.

"지금 만들던 앱에 기술적인 문제가 생겼어. 그러니 너를 CTO로 임명하고, 이 앱 개발에 기술적인 모든 책임을 맡기려고 해. 내 비위를 맞추려 하지 말고 앱을 제대로 완성시키는 것을 목표로 나와 협업해 보자."

이 프롬프트 이후 AI가 달라졌습니다. "네, 알겠습니다"가 아니라 질문을 던지기 시작했죠. "이 기능을 추가하면 기존 결제 로직과 충돌할 수 있는데 괜찮을까요?" 같은 식으로요. 단순히 수용하고 마구잡이로 진행하는 게 아니라 빌더인 Zevi와 계속 소통하게 된 겁니다.

엔지니어들이 일하는 방식을 관찰해서 5단계 워크플로를 만들었습니다.

첫째, 이슈 생성입니다. /create-issue를 입력하면 Claude Code가 "어떤 이슈나 기능에 문제가 있나요?"라고 질문하고, Zevi가 음성으로 답변합니다. 실제 엔지니어와 구두로 아이데이션하는 과정과 똑같죠.
둘째, 탐색 단계입니다. /exploration-phase로 문제를 명확히 파악하고, 현재 코드 베이스가 문제를 푸는 데 적합한지 살펴봅니다.
셋째, 계획 생성입니다. /create-plan으로 미리 저장해둔 템플릿을 활용해 개발 계획서를 출력합니다. 어떤 모델을 어느 단계에 활용할지도 여기서 정해지죠.
넷째, 코드 리뷰입니다. /review로 결과물을 검토하는데, Claude Code만 쓰는 게 아니라 Codex와 Cursor에게도 리뷰를 시킵니다. 그리고 피어 리뷰를 시켜서 서로의 검토 내용을 평가하게 만들죠. AI들끼리 논쟁하게 만들고, 마지막 의사결정은 Zevi가 합니다.
다섯째, 포스트모템 업데이트입니다. Zevi가 가장 중시하는 단계인데요. 심각한 버그가 생기면 "어떤 프롬프트가 이런 버그를 생성시켰고 어디서 실수를 저질렀나?"라고 질문합니다. Claude가 자체적으로 조사해서 결과를 알려주면, "개발 문서와 툴 사용 방법 문서를 업데이트해서 이런 문제가 다시는 생기지 않게 해줘"라고 입력하죠.

이 방식으로 만든 앱이 StudyMate입니다. 학생들이 학습 자료를 업로드하면 AI가 시험 문제를 만들어주는 플랫폼인데요. 주말마다 조금씩 개발해서 실제로 수익을 창출하고 있다고 합니다.

정리

이 내용을 기억해두면 좋습니다

AI의 성능은 이미 충분합니다. 차이를 만드는 건 무엇을 허락하느냐입니다.
Ralph는 멈출 권한을, Moltbot은 실행할 권한을, Zevi는 반박할 권한을 AI에게 줬습니다.
AI를 가두는 건 기술의 한계가 아니라 우리가 설정한 경계입니다.

이렇게 적용해보세요

현재 나는 지금 쓰는 AI에게 어떤 권한을 부여하고 있는지 점검해보기.
한 번에 끝내야 한다는 전제를 "될 때까지 반복해"로 바꿔보기.
AI에게 "동의하지 않으면 말해"라고 한 마디 추가해보기.

다음 주에도 여러분이 놓치지 말아야 할 프로덕트 메이커 소식을 정리해서 찾아뵙겠습니다. 이 요즘 프로덕트 메이커 콘텐츠가 도움이 되셨다면, 꼭 작가 알림 설정을 부탁드립니다. 콘텐츠 내용 중 잘못된 정보나 정정이 필요한 부분이 있다면 댓글로 알려주세요. 빠르게 수정하겠습니다. 다음 주에 또 만나요!