클로드 코드 멍청해지는 이유 — 5단 메모리·컨텍스트 시스템으로 해결!
📺 원본 영상: 클로드 코드 멍청해지는 이유 — 5단 메모리·컨텍스트 시스템으로 해결! 🎙️ 채널: 시민개발자 구씨 📅 정리 일자: 2026-05-02 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
Claude Code를 사용하다 보면 세션이 길어질수록 응답 품질이 떨어지고, 새 세션을 열면 이전에 설명했던 내용을 처음부터 다시 설명해야 하는 상황이 반복된다. 이 영상은 그 원인이 단순한 버그나 모델 한계가 아니라, 메모리와 컨텍스트를 체계적으로 운영하지 않는 데 있다는 진단에서 출발한다. 강연자는 AI를 ‘사무실 직원’에 비유하여 다섯 가지 메모리 계층을 설계하고, 각 계층을 언제 어떻게 활용해야 하는지를 실제 설정 화면과 함께 설명한다.
왜 Claude Code는 점점 멍청해지는가
Claude Code가 성능 저하를 겪는 이유는 그 작동 방식에 있다. 사용자가 메시지를 하나 전송할 때마다, Claude Code는 그 시점까지 쌓인 모든 대화 이력을 새 요청의 입력 컨텍스트(Input Context)로 함께 전달한다. 강연자는 이를 회사 미팅에 비유한다. 30분짜리 회의라면 이전 회의록을 참고하면서 답변해도 부담이 없지만, 2시간짜리 미팅에서 그동안의 모든 회의록을 펼쳐놓고 실시간으로 참조하려 하면 정작 새 안건에 집중하지 못하고 이전 내용을 파악하는 데 대부분의 에너지를 쏟게 된다는 것이다.
이 구조적 특성이 세 가지 증상으로 나타난다. 첫째, 대화가 길어질수록 토큰 사용량이 폭발적으로 늘어나 5시간 한도나 주간 사용량 한도에 예상보다 빨리 도달하게 된다. 둘째, 새 세션을 시작하면 이전 세션의 맥락을 전혀 기억하지 못하기 때문에 사업의 방향, 작업 톤, 디자인 원칙 등을 매번 새로 설명해야 한다. 셋째, 컨텍스트가 길어지면 모델의 주의(Attention)가 앞부분과 뒷부분에 집중되고 중간 내용은 흐릿해지는 현상이 발생하여, 한 세션에서 오래 대화할수록 응답 품질이 점진적으로 저하된다.
현황 파악 - 토큰과 비용 실시간 모니터링
메모리 관리를 시작하기 전에 현재 상태를 수치로 파악하는 것이 선행되어야 한다. Claude Code에서 /context 명령을 실행하면 현재 세션에서 무엇이 얼마나 컨텍스트를 차지하고 있는지 한눈에 확인할 수 있다. 시스템 프롬프트, 커스텀 에이전트, 메모리 파일, 스킬 등 각 요소가 차지하는 비중이 표시된다. /cost 명령으로는 현재 세션에서 사용된 컨텍스트 비율과 누적 비용을 확인할 수 있다.
03:10 - 시스템 프롬프트, 커스텀 에이전트, 메모리 파일 등 컨텍스트 구성 요소별 사용량
매번 명령을 입력하는 번거로움을 줄이려면 상태 표시줄(Status Line)을 활용하는 것이 좋다. 강연자는 프롬프트 한 줄로 상태 표시줄을 커스터마이징하는 방법을 보여주는데, 모델명, 현재 디렉터리 경로, 누적 비용, 그리고 컨텍스트 사용률을 막대 그래프 형태로 하단에 항상 표시되도록 설정할 수 있다. 이렇게 해두면 별도 명령 없이도 작업 중에 실시간으로 컨텍스트 소모량을 모니터링할 수 있다.
04:44 - 하단에 모델명, 경로, 비용, 컨텍스트 사용률 막대 그래프가 표시된 상태
5단 메모리 시스템 - 사무실 공간의 비유
강연자는 Claude Code의 메모리 관리 기능을 ‘사무실 직원의 작업 공간’에 비유하여 다섯 단계로 분류한다. 핵심 아이디어는 정보의 성격과 접근 빈도에 따라 적절한 저장 위치를 결정하는 것이다. 모든 정보를 한 곳에 몰아넣는 것이 오히려 효율을 떨어뜨린다는 점에서, 이 계층 구조는 단순한 분류 체계가 아니라 컨텍스트 경제학의 실천 방법이다.
1단 - 책상 위 메모 (CLAUDE.md)
가장 기본이 되는 레이어는 CLAUDE.md 파일이다. 이 파일은 매 세션이 시작될 때마다 자동으로 로드되기 때문에, 항상 기억해야 하는 핵심 원칙과 톤 가이드만 담아두어야 한다. 책상 위에 너무 많은 메모가 쌓이면 정작 필요한 내용을 찾기 어려워지는 것처럼, CLAUDE.md가 길어질수록 Claude Code가 전체 내용을 정확하게 파악하고 작업에 반영하는 능력이 저하된다.
Anthropic이 공식적으로 권장하는 최대 길이는 200줄 이하이며, 강연자는 50줄 이하를 목표로 작성할 것을 추천한다. 회사 소개, 톤 가이드, 자주 쓰는 표현, 금지어, 고객 목록 등 모든 정보를 CLAUDE.md에 몰아넣는 것이 흔한 실수다. 대신, 특정 상황에서만 참조가 필요한 문서는 해당 파일의 경로만 포인터(인덱스) 형태로 기재하는 방식이 효과적이다. “주간 보고서를 작성할 때는 이 파일을 참조하라”처럼 목차 역할만 하게 하면 된다.
CLAUDE.md 작성 시 강연자가 특히 강조하는 항목이 하나 있다. **“작업 시작 전 룰”**이라 부르는 이 항목은, Claude Code가 요청을 95% 이상 확신하기 전까지는 반드시 추가 질문을 먼저 하도록 유도하는 지시문이다. Claude Code가 모호한 요청을 대충 해석하고 엉뚱한 방향으로 작업을 진행하면, 잘못된 작업 내역이 컨텍스트를 오염시키고 토큰을 낭비하게 된다. 초반에 방향을 정확히 잡는 것이 결국 전체 세션의 품질을 결정한다.
파일 생성 시에는 /init 명령으로 현재 프로젝트 구조를 기반으로 초안을 자동 생성한 뒤, 본인의 업무 환경에 맞게 지속적으로 커스터마이징하는 방법이 권장된다.
2단 - 공책 (Auto Memory)
Auto Memory는 Claude Code가 세션 중 중요하다고 판단되는 내용을 스스로 기록하고, 사용자가 “이 내용을 기억해줘”라고 요청했을 때 해당 내용을 별도 파일에 저장해두는 기능이다. /memory 명령으로 현재 상태를 확인할 수 있으며, 기본값은 켜짐(ON)이다.
Auto Memory는 내용을 네 가지 타입으로 분류하여 저장한다.
| 타입 | 용도 |
|---|---|
| User | 사용자 관련 선호나 특성 |
| Feedback | 작업 중 받은 피드백 |
| Project | 프로젝트 맥락과 결정사항 |
| Reference | 참조 자료 및 외부 정보 |
이 네 가지 파일의 경로는 MEMORY.md에 인덱스 형태로 포인터가 생성되며, Claude Code는 매 세션마다 MEMORY.md를 로드한 후 필요한 세부 파일을 추가로 참조하는 구조로 동작한다.
11:50 - 세션에서 기록된 메모리 파일(user, feedback, project, reference 타입)과 MEMORY.md 인덱스 파일
다만 Auto Memory는 완벽하지 않다. 잘못된 내용을 기록하거나 이미 변경된 정보를 이전 상태로 계속 기억하는 경우가 발생할 수 있어, 주기적으로 점검이 필요하다. 강연자는 “불필요하거나 오래된 메모리가 있으면 삭제 전 먼저 의견을 줘라”는 프롬프트로 Claude Code가 스스로 정리 후보를 제안하게 한 뒤, 사용자가 최종 판단하는 방식을 추천한다.
3단 - 검색 가능한 서랍 (Claude Rules + MemSearch)
3단은 두 가지 메커니즘으로 구성된다. 첫 번째는 Claude Rules로, .claude/rules/ 디렉터리에 특정 작업 유형별 룰 문서를 저장하는 방식이다. CLAUDE.md가 항상 로드되는 반면, Rules는 지정된 파일 경로나 폴더에서 작업이 발생할 때만 로드된다. 예를 들어 Slack 관련 작업 폴더에서 파일을 다룰 때만 Slack 커뮤니케이션 룰이 로드되도록 frontmatter의 description과 경로를 설정하면 된다. 이렇게 조건부로 로드되는 룰은 컨텍스트 효율을 높이고, 유지보수 시에도 해당 룰 파일만 수정하면 되어 관리가 편하다.
두 번째는 MemSearch 플러그인으로, 단순 키워드 검색을 넘어 의미론적(Semantic) 검색이 가능한 메모리 도구다. 세션에서 나눈 대화 내용을 자동으로 기록하고, 이를 벡터 데이터베이스(Vector Database)에 임베딩(Embedding)하여 저장한다. 이후 문맥적으로 유사한 과거 내용을 자연어 질문으로 검색해 꺼낼 수 있다. Auto Memory가 전체적인 메모 노트라면, MemSearch는 그 내용을 정교하게 색인하고 검색하는 시스템이라고 이해하면 된다.
💡 [영상 참조] 강연자는
/plugin marketplace add memsearch명령으로 플러그인을 추가하고, ONNX 로컬 모델로 임베딩 설정을 변경하는 화면을 보여줍니다. 임베딩에 OpenAI 모델을 사용하면 비용이 발생하므로 무료 ONNX 모델로 대체할 수 있습니다. 📺 원본 영상에서 확인하세요.
MemSearch를 설치하면 .memsearch/memory/ 디렉터리가 생성되고, 날짜별로 세션 내용이 마크다운 파일로 기록된다.
19:44 - 날짜별로 생성된 세션 기록 마크다운 파일들
이후 “클라이언트 가격 협상 관련해서 어떻게 결정했었지?”와 같은 자연어 질문으로 과거 세션의 구체적인 결정 내용을 불러올 수 있다.
21:04 - 과거 세션에서 결정한 클라이언트 할인율 정책 내용이 자연어 질문으로 검색된 결과
강연자는 처음 설치 시 권한 오류나 런타임 의존성 누락 등의 문제가 발생할 수 있으므로, 문제가 생기면 Claude Code에 수정을 요청하면 된다고 설명한다.
4단 - 작업 매뉴얼 (Skills와 Sub-agent)
어떤 작업에는 단순한 정보 기억이 아니라, 실행 절차 전체를 담은 매뉴얼이 필요하다. 예를 들어 주간 보고서를 자동으로 생성하는 작업이라면, 어떤 파일을 입력으로 받고, 어떤 구조로 출력해야 하며, 어떤 규칙을 따라야 하는지에 대한 상세한 내용이 포함되어야 한다. 이런 내용을 CLAUDE.md나 Rules에 넣으면 항상 로드되어 컨텍스트를 낭비하게 된다.
Skills는 이 문제를 해결한다. 스킬은 특정 작업이 시작될 때만 해당 매뉴얼이 컨텍스트로 로드되며, 작업이 끝나면 해제된다. / 명령으로 스킬을 호출하면 skill.md에 정의된 입력 형식, 출력 경로, 작성 규칙 등의 내용이 그 시점에만 로드되어 작업이 진행된다. 강연자는 주간 보고서 스킬을 만들어 CSV 파일을 입력으로 받아 우선순위 3개를 포함한 구조화된 보고서를 자동 생성하는 시나리오를 시연한다.
24:38 - CSV 데이터를 기반으로 우선순위 3개를 포함한 주간 보고서가 자동 생성된 화면
스킬보다 한 단계 더 깊은 분리가 필요한 경우에는 Sub-agent를 활용한다. 스킬은 메인 세션 안에서 실행되기 때문에 결국 메인 컨텍스트를 소모하지만, Sub-agent는 별도의 독립된 에이전트 인스턴스로 실행되어 무거운 작업을 처리한 뒤 결과만 메인 세션으로 돌려준다. 강연자는 대표적인 활용 사례로 리서치 작업을 꼽는다. 방대한 양의 정보를 수집하고 요약하는 과정에서 막대한 토큰이 소비되는데, 이를 Sub-agent에게 위임하면 메인 세션의 컨텍스트를 온전히 보존할 수 있다.
27:04 - 주황색으로 표시된 별도 에이전트 창에서 AI 트렌드 리서치가 진행되는 상태
5단 - 사무실 책장 (외부 데이터베이스)
5단계는 장기적으로 보관이 필요하지만 매일 접근하지는 않는 대용량 자료를 다룬다. 의사결정 인사이트, 매출 데이터, 산업 리포트 같은 정보를 필요할 때 꺼내 쓰는 방식으로, 외부 데이터베이스 서비스를 연동하여 구현한다.
강연자가 소개하는 활용 방법은 세 가지다. 첫째, NotebookLM을 연동하여 문서 기반 질의응답을 Claude Code와 연결하는 방식이다. 둘째, LLM Wiki를 직접 구축하고 스킬로 호출하는 방식으로, 강연자는 자신의 프로젝트에서 Wiki 스킬을 통해 개인 지식 베이스에 저장된 정보를 불러와 답변받는 시연을 보여준다. 셋째, Supabase나 PostgreSQL 같은 실제 데이터베이스를 연동하고 SQL 쿼리를 실행하여 답변받는 방식이다. 이 단계는 단발성 작업이 아니라 반복적으로 참조해야 하는 구조화된 데이터가 있을 때 특히 효과적이다.
실전 운영 팁 6가지
5단계 시스템을 구축한 이후에도 일상적인 운영 습관이 효율을 결정한다. 강연자가 제시하는 여섯 가지 팁은 다음과 같다.
컨텍스트 60%에서 클리어. 100%가 될 때까지 기다리면 자동 압축(Compaction)이 발생하고 응답 품질이 이미 저하된 상태다. 5단계 메모리 시스템이 잘 갖춰져 있다면 /clear로 컨텍스트를 비워도 필요한 내용은 메모리에서 재로드되므로, 60% 도달 시점을 청소 기준으로 삼는 것이 바람직하다.
불필요한 MCP 연결 해제. MCP(Model Context Protocol) 서버가 연결되어 있으면 그 자체로도 컨텍스트를 차지한다. 현재 작업에 사용하지 않는 MCP 서버는 일시적으로 연결을 해제하면 컨텍스트를 절약할 수 있다.
파일 경로를 명시적으로 지정. Claude Code에게 특정 파일을 참조하게 할 때, 파일 경로를 직접 복사하여 프롬프트에 포함시키면 Claude Code가 파일 구조를 탐색하는 시간과 토큰을 절약할 수 있다. 애매한 자연어 요청 대신 정확한 경로나 특정 라인 구간을 지정하는 습관이 중요하다.
복잡한 작업은 Plan 모드 선행. 복잡한 작업을 시작하기 전에 Plan 모드를 선택하면 Claude Code가 작업 계획을 먼저 수립하고 사용자의 확인을 거친 뒤 실행에 들어간다. 이 과정에서 방향이 잘못 설정될 가능성을 사전에 차단할 수 있다.
초반 작업 모니터링과 즉각적인 중단. 작업이 잘못된 방향으로 가고 있다면 작업이 끝날 때까지 기다리지 말고 ESC로 즉시 중단해야 한다. 완료 후 수정하면 이미 컨텍스트가 오염되고 토큰을 낭비한 뒤다.
세션 종료 시 핸드오프 문서 자동 생성. 강연자는 /clear나 /exit 시 자동으로 handoff.md 파일이 갱신되도록 설정해두었다. 이 문서에는 오늘 한 작업, 절대 하지 말아야 할 것, 다음 세션에서 가장 먼저 해야 할 일이 자동으로 정리된다. 새 세션을 시작할 때 이 파일을 로드하면, Claude Code가 직전 세션의 컨텍스트를 즉시 이해하고 작업을 이어갈 수 있다.
마무리 - 어떤 정보를 어느 단계에 넣을 것인가
강연자는 마무리에서 핵심 질문 하나를 남긴다. 5단계 시스템이 모두 구축되어 있을 때, 중요한 것은 **“어떤 정보를 어느 단계의 메모리에 저장할 것인지 판단하는 능력”**이라는 것이다. 단계 구분이 이 강연의 방식과 다르더라도 상관없다. 어떤 방식으로 분류하든, 결국 핵심은 필요한 정보가 필요한 시점에만 로드되도록 설계하는 것이다.
컨텍스트는 유한한 자원이다. 그것을 낭비하지 않고, 올바른 정보를 올바른 계층에 배치하고, 세션이 끝나도 지식이 축적되는 구조를 만드는 것이 AI 직원을 진짜 ‘똑똑한 직원’으로 만드는 방법이다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 클로드 코드 멍청해지는 이유 — 5단 메모리·컨텍스트 시스템으로 해결! |
| 채널 | 시민개발자 구씨 |
| 리포트 작성 | 2026-05-02 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.