DeepSeek V4 Pro 기반 코딩 에이전트 최적화 솔루션 공개
- •하워드 첸(Howard Chen)은 DeepSeek V4 Pro를 Claude 수준의 90% 성능으로 끌어올리는 Go 기반 터미널 프레임워크 'cwcode'를 개발했다.
- •해시 기반 편집과 프롬프트 캐싱을 통해 V4 Pro의 운영 비용을 경쟁 모델 대비 5% 수준으로 대폭 절감했다.
- •이 프레임워크는 'Plan 모드'와 'Rewind' 체크포인트를 도입해 실제 코드베이스 환경에서 수 시간 동안 자율적인 코딩을 지원한다.
개발자 하워드 첸(Howard Chen)이 DeepSeek V4 Pro 모델의 코딩 작업 효율을 최적화하기 위한 Go 기반 터미널 프레임워크 'cwcode'의 구현 상세를 공개했다. 이 도구는 '해시 기반(hash-anchored)' 편집 기술을 활용해 출력 토큰을 30~40% 줄이고 재시도 횟수를 감소시킴으로써, 자율 에이전트 루프에서 V4 Pro의 활용성을 극대화했다. 특히 읽기 전용 도구만 허용하는 'Plan 모드'와 SHA-256 해시를 사용해 파일 상태를 복구하는 'Rewind' 체크포인트 시스템을 도입해 모델 특유의 계획 능력 부족 문제를 보완했다.
DeepSeek V4 Pro의 입력 비용은 백만 토큰당 0.435달러로, 3달러인 Claude Sonnet 4 대비 약 5% 수준의 저렴한 비용을 자랑한다. 개발자는 도구 스키마를 정렬하고 추론 내용을 프롬프트에서 제거하는 방식으로 바이트 안정적 접두사를 생성하여 세션 누적 사용 시 85% 이상의 프롬프트 캐싱 적중률을 달성했다. 이를 통해 50번의 턴(turn)을 수행하는 자율 작업당 비용을 0.40~0.80달러 사이로 유지하며 방사선 치료 용량 예측 모델 및 금융 연구 에이전트 개발에 활용하고 있다.
하워드 첸은 에이전트의 실패 원인이 모델보다는 하니스(harness) 구조적 결함에 있는 경우가 많다고 지적한다. 이를 해결하기 위해 참조를 통해 코드를 수정하는 'Hashlines'와 비결정적 도구 직렬화 방지, 모델이 실패 루프에 빠질 때 합성 메시지를 생성하는 전략을 채택했다. 'cwcode'는 Bubbletea를 사용한 1만 2천 줄 규모의 Go 프로젝트로, 렌더링 환경과 에이전트 루프를 분리한 'Sink' 인터페이스를 적용해 확장성을 확보했다.