Minifi

비개발자를 위한 AI 코딩 비용 절감 도구

Efficiency, Optimization, Clarity

바이브 코딩을 하는 비개발자가 LLM에 보내는 프롬프트의 낭비 패턴을 자동으로 감지하고, 최적화된 버전과 모델별 예상 비용을 비교해주는 웹 서비스입니다.

🔗 배포 링크

• 서비스: https://amused-clarity-production-ef3e.up.railway.app/
• 백엔드 API: https://graduationproject-production-14f7.up.railway.app/docs

---

👥 팀 소개

스타트 10팀 212223

이름	역할
고윤진 (2176018)	Frontend, Team Leader
이유진 (2376218)	Backend, AI
김나현 (2276040)	메타프롬프트/QA, PM

---

💡 기획 배경

바이브 코딩 커뮤니티에서 "34M tokens for a small project", "300M tokens for a day?" 같은 사례가 속출하고 있습니다. 비개발자가 LLM에 코딩을 맡길 때 토큰이 낭비되는 주요 원인은 세 가지입니다.

• 처음부터 완성본 요청: 전체 프로그램을 한 번에 요구 → 사소한 수정에도 전체 재생성
• 모호한 요청 반복: "조금 더 고쳐줘" → 엉뚱한 수정 → 재요청 반복
• 출력 조건 누락: 필요한 것을 명시하지 않음 → AI가 불필요한 것까지 친절하게 생성

---

✨ 핵심 기능

1. 감지 — 낭비 패턴 자동 탐지

7개 카테고리로 프롬프트 문제점을 분류합니다.

카테고리	설명
AMBIGUOUS	모호한 지시어 ("이거", "알아서")
FILLER	의미 없는 군더더기 ("혹시", "좀")
REDUNDANT	중복 표현
UNSTRUCTURED	흩어진 요구사항
CODE_DUMP	코드 전체 전송
MISSING_CONSTRAINT	출력 조건 누락
MONOLITHIC_REQUEST	분할 없는 통합 요청

2. 최적화 — 프롬프트 재구성

큰 요청을 작고 실행 가능한 단계로 재구성합니다.

3. 비교 — 토큰·비용 시각화

• tiktoken 기반 Before/After 토큰 수 정밀 측정
• 7개 모델 (Claude Opus/Sonnet/Haiku, GPT-4o/mini, Gemini Pro/Flash) 비용 비교 차트

4. 가르친다 — 학습 피드백

• 왜 낭비인지 카테고리별 설명
• 다음번 작성 방법 가이드 제공
• 잘 작성된 프롬프트는 "Top-Quality Prompt" 긍정 피드백

---

🏗️ 시스템 구조

구성 요소	기술	역할
Frontend	Next.js / Railway	프롬프트 입력 UI, Before/After 시각화, 비용 비교 차트
Backend	FastAPI / Railway	룰 기반 차단, tiktoken 토큰 계산, 7모델 비용 계산
AI	Claude API (Haiku)	7개 카테고리 진단, 프롬프트 최적화, JSON 반환

데이터 흐름

사용자 → 프롬프트 입력
       → [Frontend] POST /optimize 요청
       → [Backend] Step1 룰 기반 차단 → tiktoken 계산 → Claude API 호출
       → [Claude] 카테고리 진단 + 최적화 → JSON 반환
       → [Backend] 비용 계산 → 결과 반환
       → [Frontend] Before/After 시각화 + 비용 비교 차트 렌더링

---

🛠️ 기술 스택

구분	기술
Frontend	Next.js, Railway
Backend	FastAPI (Python), Railway
AI	Claude API (claude-haiku-4-5-20251001)
토큰 계산	tiktoken (cl100k_base)
메타프롬프트	v1 → v4 자체 개발

---

📊 구현 결과

• 단일 프롬프트 절감: 최대 20.6% 절감 실측 (435 → 123 tokens)
• MONOLITHIC_REQUEST: 단계 분할로 장기적 재프롬프팅 루프 감소
• QA: 30개 이상 테스트 완료, 코딩/데이터 분석 도메인 카테고리 진단 일관성 확인

---

⚠️ 한계 및 향후 개선 방향

현재 MVP 기준 3가지 한계

1. 토큰 절감률 실측 실험 진행 중 — 실제 사용자 프롬프트 기반 A/B 실험 미수행
2. 경량 LLM 전처리 미구현 — 최종 설계: Gemma 등 경량 모델 선구조화 → MVP에서는 Claude 단독 처리
3. 실사용자 테스트 필요 — 비개발자의 바이브 코딩 환경에서 효율 개선 검증 필요

향후 로드맵

• Phase 01: A/B 실험 및 토큰 절감률 실측 (100개+ 프롬프트 수집)
• Phase 02: 경량 LLM 전처리 도입 (Gemma 2B 선구조화)
• Phase 03: 실사용자 테스트 및 정식 서비스 론칭

---

📅 발표

• 일시: 2026년 6월 11일
• 팀: 스타트 10팀 212223
• 지도교수: 심재형 교수님