PRD에서 코드까지 — Claude Code와 함께 투자 분석 도구의 요구사항을 정의하고 구현하는 여정

추상적인 질문에서 시작하기

개발자가 새로운 도구를 만들 때 가장 어려운 순간은 코딩이 아닙니다. "뭘 만들어야 하는지" 정확히 정의하는 것이 더 어렵습니다. 이 글에서는 '좋은 투자처란 무엇인가'라는 막연한 질문에서 출발해, AI와의 대화를 통해 PRD(Product Requirement Document)를 완성하고 실제 구현까지 이어간 과정을 다룹니다.

1단계: 모호한 아이디어를 구조화하기

첫 번째 대화는 이랬습니다.

사용자: 좋은 투자처라는 건 무엇일까? 그걸 어떻게 찾아볼 수 있을까?

Claude Code는 이 추상적인 질문을 4가지 분석 관점으로 분해했습니다.

1. 펀더멘탈 (기업의 본질적 가치)
   - 매출/이익 성장률, ROE, 부채비율
   - 경쟁 우위 (해자, moat)

2. 밸류에이션 (가격이 적절한가)
   - PER, PBR, PSR으로 현재 가격 판단

3. 모멘텀 / 타이밍
   - 시장 트렌드, 섹터 순환, 수급

4. 매크로 환경
   - 금리, 환율, 경기 사이클, 정책/규제

이 프레임워크가 중요한 이유는, 단순히 "종목 분석 도구를 만들자"가 아니라 어떤 관점에서 분석할 것인지를 먼저 정의했기 때문입니다. AI와의 대화에서 "나는 이런 걸 만들고 싶다"가 아니라 "좋은 투자처란 무엇인가"라는 본질적 질문을 던진 것이 핵심이었습니다.

2단계: 핵심 인사이트 도출 — 연쇄 효과

대화를 이어가며 하나의 핵심 인사이트가 도출되었습니다.

주식 시장은 단일 지표의 합이 아니라 연쇄 반응(chain reaction)의 결과다.

유튜브 투자 콘텐츠를 분석하며 학습하던 경험이 이 인사이트의 배경이었습니다. 뉴스 하나가 섹터 전체에 영향을 미치고, 그것이 다시 개별 종목의 가격에 반영되는 과정 — 이것을 체계적으로 추적하는 도구가 필요했습니다.

매크로 이벤트 → 섹터 영향 → 개별 종목 (탑다운)
미시 시그널 → 섹터 확산 → 시장 전체 (바텀업)

이 양방향 연쇄 효과 모델이 프로젝트의 차별점이 되었습니다.

3단계: PRD 작성 — AI와의 구조화된 대화

Claude Code와의 대화에서 PRD 작성으로 넘어가는 과정은 자연스러웠습니다. AI가 먼저 구조화 질문을 던졌습니다.

Claude: 대상 시장은 어디인가요? 한국 주식만인가요, 미국 주식도 포함인가요?
Claude: "좋은 종목"의 판단 기준으로 어떤 요소를 중시하시나요?

이런 질문-응답 과정을 통해 최종 PRD의 핵심 구조가 완성되었습니다.

# Market Note - PRD

## 핵심 기능 3가지

1. 일일 리포트 (자동, 하루 2회)
   - 오전 7시: 장 시작 전 브리핑
   - 오후 7시: 장 마감 후 리포트
   - 텔레그램 발송

2. 상세 종목 리포트 (마크다운)
   - 재무 분석 + 이슈 연쇄 효과 + 모멘텀 + 투자 매력도 종합 점수

3. 온디맨드 종목 질의 (대화형)
   - 실시간 종목 분석 요청/응답

기술 스택은 Python(FastAPI + APScheduler)으로 결정했고, 뉴스 수집을 위한 별도 서비스(newsdb)도 설계에 포함되었습니다.

4단계: 프롬프트 설계 — 구현의 핵심

PRD가 완성된 후, 실제 구현에서 가장 먼저 집중한 것은 코드가 아니라 프롬프트였습니다.

사용자: 프롬프트를 잘 만들어서 테스트부터 하고 싶은데.
        결국 프롬프트가 핵심일거라.

AI 기반 분석 도구에서 프롬프트 품질이 곧 출력 품질입니다. PRD 기준으로 3개의 핵심 프롬프트를 설계했습니다.

| 프롬프트          | 역할                          | 핵심              |
|------------------|-------------------------------|-------------------|
| chain_analysis   | 뉴스/이슈 → 연쇄 효과 추론     | 탑다운 + 바텀업 양방향 |
| stock_evaluation | 재무 + 이슈 → 투자 매력도 판별  | 멀티팩터 종합 점수    |
| report_generator | 분석 결과 → 읽기 좋은 리포트    | 마크다운 구조화       |

코드를 작성하기 전에 프롬프트를 독립적으로 테스트하는 접근법은, AI 기반 도구 개발에서 매우 효과적입니다. 프롬프트가 올바른 결과를 내는지 확인한 후에 파이프라인을 구축하면 디버깅 범위가 줄어듭니다.

5단계: 구현 — 팀 에이전트 활용

실제 구현 단계에서는 Claude Code의 팀 에이전트 기능을 활용했습니다. 기존 프로젝트(slack-notifier 등)의 구조를 먼저 분석한 후, 병렬로 작업을 진행했습니다.

시장 뉴스 분석 및 종목 인텔리전스 시스템
├── market-note/     # 메인 분석 엔진 (FastAPI)
└── newsdb/          # 뉴스 수집 및 벡터 저장 서비스

실제 운영 중인 모습을 보면, 뉴스 피처 추출과 연쇄 효과 분석이 자동으로 이루어집니다. 80건의 뉴스에서 핵심 피처를 추출하고, 매크로/섹터/종목 레벨의 연쇄 효과를 추론하는 과정이 프롬프트 기반으로 동작합니다.

이 과정에서 배운 것

AI와 아이디어를 구체화하는 3가지 원칙

1. 솔루션이 아니라 문제부터 이야기하기

"종목 분석 도구를 만들어줘"가 아니라 "좋은 투자처란 무엇인가"로 시작했습니다. AI가 문제 공간을 함께 탐색하도록 하면, 미처 생각하지 못한 관점(밸류에이션, 매크로 환경 등)을 체계적으로 커버할 수 있습니다.

2. 도메인 지식을 대화에 녹이기

유튜브 투자 콘텐츠 학습 경험, 뉴스 연쇄 효과에 대한 직관 — 이런 도메인 지식을 AI와의 대화에 자연스럽게 전달했습니다. AI는 이를 구조화된 요구사항으로 변환하는 역할을 합니다.

3. 프롬프트 먼저, 코드는 나중에

AI 기반 도구를 만들 때 가장 중요한 것은 프롬프트입니다. 코드 아키텍처보다 프롬프트를 먼저 설계하고 테스트하는 것이 결과적으로 개발 속도를 높입니다.

PRD 작성 시 AI 활용 체크리스트

- [ ] 본질적 질문으로 시작 (What, not How)
- [ ] AI의 구조화 질문에 성실히 답변
- [ ] 핵심 인사이트를 명시적으로 문서화
- [ ] 기능을 3개 이내로 압축 (MVP 사고)
- [ ] 프롬프트 설계를 코드 구현보다 선행
- [ ] 기존 프로젝트 패턴을 참고하여 일관성 유지

마무리

모호한 아이디어를 구체적인 제품으로 발전시키는 과정에서 AI는 단순한 코드 생성기가 아니라 사고 파트너 역할을 합니다. "좋은 투자처란 무엇인가"라는 질문 하나에서 시작해, 4가지 분석 프레임워크 → 연쇄 효과 모델 → PRD → 프롬프트 설계 → 구현까지 이어지는 여정은, AI와 함께 일하는 개발자의 새로운 워크플로우를 보여줍니다.

핵심은 AI에게 "만들어줘"가 아니라 함께 생각하자고 요청하는 것입니다.