Task 1: Chat

Amazon Q Developer의 Chat 기능은 IDE 안에서 자연어로 질문하고 답변을 받아 개발 속도를 높여주는 대화형 AI 어시스턴트입니다. 코드 이해, 버그 원인 파악, 코드 생성, 리팩토링 제안, 문서화 등 일상적인 개발 작업을 빠르고 효율적으로 지원합니다.

이 실습에서는 Amazon Q Developer Chat의 핵심 기능을 체험하고, 효과적인 프롬프트 작성 방법과 컨텍스트 활용 전략을 학습합니다.

🎯 학습 목표

이 실습을 완료하면 다음을 수행할 수 있습니다:

Amazon Q Developer Chat 인터페이스를 활성화하고 사용하기
효과적인 프롬프트를 작성하여 정확한 답변 얻기
@ 기호를 활용하여 파일, 폴더, 코드를 컨텍스트로 추가하기
코드 분석 및 리뷰 요청으로 코드 품질 개선하기

Act 1: Amazon Q Chat 시작하기

1-1. 새 채팅 세션 열기

VS Code 좌측 사이드바에서 Amazon Q 아이콘을 클릭합니다.
Q Developer 패널 상단의 "+ New tab" 버튼을 클릭하여 새 채팅 세션을 시작합니다.

1-2. Chat 모드 설정하기

Q Chat 패널 하단의 "Agentic" 토글을 비활성화합니다.
Chat vs Agent 모드
- Chat 모드: 질문-답변 형식의 대화형 상호작용을 제공합니다. 코드 설명, 기술 문서 조회, 간단한 코드 생성에 적합합니다.
- Agent 모드: 파일을 읽고 쓰며 복잡한 다중 단계 작업을 자율적으로 수행합니다. 다음 실습에서 자세히 다룹니다.

Act 2: Chat 모드 사용

2-1. 질문하기

아래 예시 프롬프트를 사용하거나, 자신만의 질문을 입력해보세요.

예시 프롬프트

AWS Bedrock AI를 활용하여 간단한 AI 서비스 애플리케이션을 개발하고자 합니다. 이를 구현하기 위한 구체적인 개발 절차와 권장 아키텍처 가이드라인을 제시해주세요.

Amazon Q가 제공하는 답변 확인하기:

예시 응답
- 답변의 구조와 논리성을 평가하세요.
- 참고한 출처나 AWS 문서 링크가 포함되어 있는지 확인하세요.
- 추가 질문이 필요하다면 대화 기록을 유지하여 연속적으로 질문할 수 있습니다.
프롬프트 개선 전략

1. 퍼널링(Funneling): 넓은 질문에서 구체적인 질문으로

퍼널링은 처음에는 넓고 개방적인 질문으로 시작한 후, 점차 좁고 구체적인 질문으로 전환하는 기법입니다. 마치 깔때기(funnel)처럼 넓은 입구에서 좁은 출구로 흘러가듯, 대화를 구조화합니다.

퍼널링 실전 예시:
```
[1단계 - 넓은 질문]
"Python으로 웹 애플리케이션을 만들고 싶어. 어떤 프레임워크를 추천해?"

[2단계 - 범위 좁히기]
"FastAPI를 선택했어. REST API를 구축할 때 필수적인 구성 요소는 뭐야?"

[3단계 - 구체화]
"FastAPI에서 JWT 인증을 구현하려고 해. 보안 모범 사례를 포함한 코드 예제를 보여줘."

[4단계 - 세부 조정]
"이 JWT 구현에서 토큰 만료 시간을 환경 변수로 관리하는 방법을 알려줘."
```
이렇게 단계적으로 질문하면 Amazon Q가 맥락을 이해하고 더욱 정밀한 답변을 제공합니다.

2. 반복 개선: 첫 답변을 발판 삼아 개선하기

첫 답변이 만족스럽지 않다면 다음과 같이 요청을 명확히 하세요:
- "더 자세한 예시를 제공해줘"
- "코드 예제를 포함해줘"
- "초보자도 이해할 수 있게 설명해줘"
- "이 코드에 주석을 추가해서 다시 작성해줘"
3. 피드백 제공으로 답변 품질 향상

답변 하단의 👍/👎 버튼으로 피드백을 제공하면 향후 Amazon Q의 응답 품질이 개선됩니다.

Act 3: Context를 활용한 정밀한 코드 분석

3-1. Context란?

Context는 AI가 참고할 수 있는 추가 정보(파일, 폴더, 코드 조각, 프롬프트 템플릿 등)입니다.
Context를 제공하면:
- ✅ Amazon Q가 현재 프로젝트의 코드 구조와 패턴을 이해합니다.
- ✅ 프로젝트 특화된 정확한 답변과 코드 제안을 받을 수 있습니다.
- ✅ 여러 파일에 걸친 코드 관계를 파악하여 일관성 있는 코드를 생성합니다.

3-2. Context 메뉴 살펴보기

채팅 입력창에서 "@Pin Context" 버튼을 클릭하거나 "@" 를 입력하여 컨텍스트 메뉴를 엽니다.

사용 가능한 Context 유형:

Context 유형	설명
@workspace	전체 워크스페이스를 인덱싱하여 가장 관련성 높은 코드 조각을 자동으로 선택합니다. 대규모 프로젝트에서 특히 유용합니다.
Folders	특정 폴더의 모든 파일을 컨텍스트로 추가합니다. 모듈별로 집중된 답변을 받을 때 사용합니다.
Files	개별 파일을 컨텍스트로 추가합니다. 특정 파일에 대한 분석, 리팩토링, 버그 수정 시 유용합니다.
Code	클래스, 함수, 글로벌 변수를 직접 선택하여 컨텍스트로 추가합니다. 함수 단위 분석 시 효과적입니다.
Prompts	저장된 프롬프트 템플릿을 재사용합니다. 반복적인 작업 패턴을 효율화합니다.
Image	스크린샷, 다이어그램, UI 모형을 추가하여 시각적 컨텍스트를 제공합니다.

@Pin Context 기능

@Pin Context로 Context를 등록하면, 해당 채팅 세션에서 모든 질문에 자동으로 적용됩니다. 동일한 파일이나 폴더를 반복적으로 참조할 때 매우 유용합니다.

3-3. 실습: 코드 분석 및 리뷰 요청하기

Context 추가하기:
- @ 를 입력한 후 Files 메뉴에서 sample/sample_python_code.py 파일을 선택합니다.
- 선택한 파일이 입력창 상단에 태그로 표시되는지 확인합니다.

코드 분석 및 리뷰 요청하기:

예시 프롬프트

이 Python 코드를 분석하고 발견된 문제점과 개선 방법을 구체적으로 설명해주세요.

Amazon Q의 답변 확인하기:

예시 응답

Amazon Q는 다음과 같은 분석을 제공합니다:
- 🐛 버그 및 논리 오류: 잠재적인 런타임 에러, 엣지 케이스 누락
- 🔒 보안 취약점: SQL 인젝션, XSS, 하드코딩된 비밀번호
- ⚡ 성능 최적화: 비효율적인 알고리즘, 불필요한 루프
- 📐 코드 스멜: 중복 코드, 네이밍 컨벤션 위반, 복잡한 중첩 구조
- 💡 개선 제안: 리팩토링 방법, 모범 사례 적용

💡 추가 활용 팁

대화 히스토리 활용하기

Amazon Q는 대화 기록을 유지하므로, 이전 질문의 컨텍스트를 기억합니다. 이를 활용하여:
- "방금 제안한 코드를 TypeScript로 변환해줘"
- "이전 답변을 좀 더 간결하게 요약해줘"
- "같은 로직을 Flask가 아닌 FastAPI로 구현해줘"
와 같은 연속적인 질문이 가능합니다.

대화 초기화하기

대화가 주제에서 벗어났거나 새로운 주제로 전환하고 싶다면:
- 입력창에 /clear 명령어를 입력하여 대화 기록을 초기화하거나, 새 채팅창을 활성화하세요.

✅ 요약

이 워크숍 활동에서 다음 항목을 실습했습니다:

✅ Amazon Q Developer Chat 인터페이스 활성화 및 설정
✅ 효과적인 프롬프트 작성 원칙 학습 및 적용
✅ 퍼널링 기법을 활용한 점진적 질문 전략 이해
✅ @ Context 메뉴를 활용한 파일 및 코드 참조
✅ 코드 분석 및 리뷰 요청으로 코드 품질 개선
✅ 대화 히스토리를 활용한 연속적인 질문 기법

🚀 다음 단계

다음 실습에서는 Amazon Q Developer의 Agent 모드를 활성화하여 다음과 같은 고급 기능을 체험합니다:

자율적인 파일 읽기/쓰기 및 파일 편집
변경 사항 되돌리기
문서 생성 요청

준비되셨다면 다음 실습으로 이동하세요! 🎉