3줄 요약
- antirez가 Redis의 새로운 Array 데이터 타입을 4개월에 걸쳐 AI(Opus → GPT 5.3/Codex)와 함께 설계·구현했다. 첫 달을 통째로 명세 문서 작성에 투자한 것이 이후 모든 작업의 열쇠였다.
- 2단계 희소 표현의 한계를 발견하고 3단계 구조(슈퍼 디렉토리 → 밀집 디렉토리 → 슬라이스)로 전환했다. AI가 있었기에 타협 없이 복잡한 설계를 택할 수 있었다.
- AI가 생성하고 테스트까지 통과한 코드라도, 한 줄씩 읽으면 비효율과 설계 오류가 곳곳에 있었다. 고품질 시스템 프로그래밍에서 인간의 전수 검토는 여전히 대체 불가능하다.
명세 우선: AI 협업의 전제 조건
antirez는 1월에 작업을 시작하여 첫 달 전체를 명세 문서 작성에 투자했다. 새로운 데이터 타입의 근거, C 구조체, 희소 표현 방식, 링 버퍼와 ARINSERT를 위한 배열 커서의 정확한 시맨틱까지 모두 문서화했다.
처음에는 수일간 직접 손으로 명세를 작성했고, 이후 Opus와 페어링한 뒤 GPT 5.3이 출시되자 Codex로 전환하여 이후 모든 설계와 개발을 GPT 5.x로 진행했다. AI와의 반복적 피드백 — 지적 도전, 최선의 설계 토론, 과잉 설계 여부 검토 — 을 통해 명세가 크게 진화했다.
To write the initial huge specification was the key to the successive work, as it was the key to review each single line of sparsearray.c and t_array.c
antirez 본인이 명시적으로 밝히듯, 거대한 초기 명세를 작성한 것이 이후 AI 코딩과 인간의 코드 리뷰 모두의 성공 열쇠였다.
희소 배열의 3단계 구조
2개월차에 자동 프로그래밍(auto coding)으로 구현에 들어갔다. 그런데 곧 원래 설계한 2단계 간접 참조(디렉토리 + 슬라이스)로는 ARSET myarray 293842948324 foo처럼 극단적으로 큰 희소 인덱스를 감당할 수 없다는 것을 발견했다.
AI가 있었기에 타협하지 않았다. 일정 조건에서 자료구조가 내부적으로 형태를 전환하도록 설계를 변경했다.
- 슈퍼 디렉토리 → 슬라이스된 밀집 디렉토리 → 실제 배열 슬라이스(기본 4,096개 원소)
이 3단계 구조가 제공한 것은 세 가지다.
- 내부적으로 “실제 배열” 표현을 유지
- 극단적 희소 인덱스에서도 메모리 효율성 확보
- ARSCAN, ARPOP에서 실존하는 원소 수에 비례하는 순회 성능 (범위 크기가 아니라)
동작하는 코드와 최적인 코드의 간극
모든 코드가 작동하고 대규모 테스트(AI 덕분에 방대한 테스트가 생성됨)를 통과한 뒤에, antirez는 한 줄씩 전수 검토를 시작했다. 표면적으로 작동하는 것이 최적이라는 뜻은 아니었다. 작은 비효율이나 원치 않는 설계 오류가 곳곳에서 발견되었고, 여러 모듈을 수동 및 AI 보조로 재작성했다.
3개월차에는 다양한 방식으로 스트레스 테스트를 수행하여 구현이 실제로 견고하고 잘 설계되었다는 확신을 얻었다.
ARGREP: 유스케이스 모델링에서 탄생한 기능
다양한 사용 사례를 모델링하던 중, 마크다운 파일을 Redis 배열에 넣어 보았다. 파일이 이 자료구조와 매우 잘 맞았고, 에이전트 작업에 필요한 스킬 마크다운 파일의 중앙 집중 지식 베이스를 구현할 수 있다는 것을 깨달았다. 여기서 ARGREP 명령이 탄생했다.
정규식도 지원해야 했는데, Redis처럼 공개 입력을 받는 시스템에서는 시간·공간 양쪽 모두에서 병적 패턴(pathological pattern)이 없어야 한다. TRE 라이브러리(Ville Laurikari)가 이 요건을 충족했다. 다만 foo|bar|zap 같은 흔한 OR 패턴이 비효율적이어서 GPT와 함께 최적화하고, 잠재적 보안 이슈를 수정하고, 테스트를 확장했다.
AI는 복잡성에 도전하게 해주는 안전망
antirez가 전체 과정에서 얻은 최대 깨달음은 이렇다.
For high quality system programming tasks you have to still be fully involved, but I ventured to a level of complexity that I would have otherwise skipped.
고품질 시스템 프로그래밍에서 인간은 여전히 완전히 관여해야 한다. 하지만 AI 덕분에 평소라면 회피했을 복잡도에 도전할 수 있었다. AI가 안전망 역할을 한 두 영역은 구체적이다.
- 반복 노동: 32비트 지원처럼 거대하고 지루한 작업의 구현과 테스트
- 복잡 알고리즘 검증: 복잡한 알고리즘에서 명백한 버그가 없는지 확인하는 가상 인력 역할
이 두 영역은 창의적 판단이 아닌 확인과 노동이며, 정확히 그 지점에서 AI가 가장 효과적이었다.
출처
antirez (Salvatore Sanfilippo) · 2026년 5월 원문: https://antirez.com/news/164 PR: https://github.com/redis/redis/pull/15162