AI로 코드를 작성하고 리뷰를 반복하다 보면 언제 멈춰야 할지 고민될 때가 있죠? 약 400회의 LLM 호출을 통해 진행된 이번 실험은 'review-fix loop'의 실효성을 분석했습니다. 연구 결과, 리뷰만 반복하는 것은 결함 발견율을 높이는 데 효과적이지만, 수정과 리뷰를 계속 반복하면 코드의 크기와 복잡도만 불필요하게 커질 위험이 있습니다. 또한, Repository context를 제공하는 것이 오탐을 줄이는 데 매우 중요하며, 테스트 통과 여부만으로 코드의 질적 향상을 판단하기는 어렵다는 점을 확인했습니다. 효율적인 워크플로우를 위해 여러 번의 리뷰로 finding을 모은 뒤, 사람이 한 번 검토하여 수정하는 방식을 추천합니다.