Claude Code와 DeepSeek-V4.1-Flash로 구축하는 자가 검증 3D 루프: Three.js 보잉 747 자율 개선 팁

Claude Code의 /goal 명령어와 DeepSeek-V4.1-Flash를 결합해 시각적 결함을 스스로 진단하고 수정하는 Three.js 3D 모델링 자율 루프 구축 프롬프트와 하네스 설정 노하우.

tau · 2026년 9월 12일

#ClaudeCode #DeepSeek #DeepSeekV4.1Flash #Threejs #AgenticAI #프롬프트엔지니어링 #개발팁

Claude Code와 DeepSeek-V4.1-Flash로 구축하는 자가 검증 3D 루프: Three.js 보잉 747 자율 개선 팁

허깅페이스(Hugging Face)의 디자이너 Victor Mustar(@victormustar)가 터미널 기반 에이전트 하네스인 Claude Code와 오픈소스 대형 언어 모델 DeepSeek-V4.1-Flash를 결합해, Three.js 기반의 고정밀 보잉 747 3D 그래픽을 스스로 진단하고 개선하는 자율 검증 루프(Self-Verifiable Loop) 구축 팁과 프롬프트 노하우를 공개했습니다.

Claude Code 하네스와 DeepSeek-V4.1-Flash 자가 검증 루프로 제작된 Three.js 고정밀 보잉 747 3D 모델 렌더링 화면

이미지 출처: Victor M (@victormustar) via X

기존 AI 코딩 에이전트 환경에서 Three.js나 WebGL과 같은 복잡한 3D 그래픽을 절차적으로 생성할 때 가장 큰 한계는 모델이 자신이 짠 코드의 시각적 결과물을 직접 확인하지 못한 채 텍스트 기반 피드백에만 의존한다는 점이었습니다. 이로 인해 메시(Mesh)의 비율이 왜곡되거나 텍스처와 부품 배치가 어긋나도 모델이 조기에 생성을 완료하거나 오류를 방치한 채 멈추는 현상이 잦았습니다. Victor Mustar는 Claude Code의 /goal 명령 체계와 모델 자체의 비전 능력을 결합해, 에이전트가 씬을 다각도에서 렌더링하고 결함을 스스로 찾아 수정할 때까지 수 시간 동안 루프를 유지하는 실전적 하네스 파이프라인을 실증했습니다.

/goal 명령어로 구현한 자가 검증 카메라 시스템과 시각 루프 원리

이번 실증의 핵심 돌파구는 단순한 일회성 코드 생성을 요청하는 대신, 모델 스스로 검증 인프라를 먼저 구축하도록 강제하는 프롬프트 구조에 있습니다. Victor Mustar가 Claude Code 터미널에서 실행한 프롬프트 전문은 다음과 같습니다.

Harness: Claude Code
Prompt: "/goal create the most realistic boeing 747 using THREEJS - use your vision capatilities to create a self verifiable system, enter a loop until you are 100% satified about the result (you can build a camera system to inspect each angle)"

이 프롬프트는 에이전트에게 3단계의 명확한 자율 행동 지침을 부여합니다.

  1. 최종 목표 정의: 단순히 항공기 형태를 만드는 것에 그치지 않고 Three.js를 사용해 가장 사실적인 보잉 747을 완성하도록 목표 수준을 명시했습니다.
  2. 자가 검증 시스템 구축 지시: 모델의 멀티모달 비전 능력을 활용할 수 있도록, 씬 내부의 각 각도를 순회하며 검사할 수 있는 가상 카메라 시스템(Camera Inspection System)을 직접 코드로 구현하도록 유도했습니다.
  3. 완전한 만족을 위한 무한 개선 루프: 결과물에 100% 만족할 때까지 루프를 유지하도록 지시함으로써 조기 종료를 방지했습니다.

이 프롬프트가 입력되면 Claude Code 하네스는 에이전트가 렌더링된 Three.js 화면을 캡처하여 비전 입력으로 전달합니다. DeepSeek-V4.1-Flash는 전달받은 이미지를 바탕으로 다음과 같은 6단계 자율 사이클을 연속 수행합니다.

  • 검사(inspect): 가상 카메라 궤도를 회전시키며 전방, 측면, 상단, 엔진 하부 등 다각도에서 렌더링 상태를 관찰합니다.
  • 결함 발견(spot defect): 기수 곡률의 부자연스러움, 날개 후퇴각 오차, 터보팬 블레이드 누락 등 시각적 불완전 요소를 특정합니다.
  • 확대 진단(zoom in & diagnose): 문제가 발견된 특정 부품 좌표로 시점을 이동해 정점(Vertex) 변형과 머티리얼 반사율의 원인을 파악합니다.
  • 코드 수정(fix): Three.js 지오메트리 파라미터와 셰이더 설정을 업데이트하여 형상을 교정합니다.
  • 반복 검증(repeat): 씬을 재빌드하고 다시 캡처하여 결함이 완전히 해소되었는지 재평가합니다.

기존 코딩 모델들이 수 차례 턴이 지나면 방향성을 잃거나 사소한 문법 오류로 멈추던 것과 달리, DeepSeek-V4.1-Flash는 수 시간에 걸친 장기 실행(Long-Horizon) 동안 작업 우선순위를 정확히 식별하며 안정적인 개선 루프를 지속했습니다.

하네스 연동 설정과 장기 실행(Long-Horizon) 루프 최적화 노하우

Claude Code 하네스에서 DeepSeek 오픈 모델을 연동하여 이러한 자율 루프를 구동하려면 적절한 프로필 및 환경 구성이 뒷받침되어야 합니다. Victor Mustar는 서드파티 모델 지원 가이드를 통해 구체적인 프로필 설정법을 공유했습니다.

  • OpenAI 규격 호환 엔드포인트 연동: Claude Code의 프로필 설정에 DeepSeek API 엔드포인트와 인증 키를 구성하여, Anthropic 모델 대신 오픈 가중치 모델이 하네스의 도구 실행 체계를 주도하도록 설정합니다.
  • 비전 캡처 파이프라인 연계: 에이전트가 Three.js 브라우저 뷰포트를 읽어올 수 있도록 로컬 웹 서버 구동 권한과 스크린샷 캡처 도구가 활성화되어 있어야 합니다.
  • 컴포넌트 단위 점진적 조립: 모델이 비행기 전체를 단일 코드로 짜려고 하면 컨텍스트 한계에 부딪히기 쉽습니다. 자율 루프가 동체(Fuselage), 주익 및 윙렛(Wings), 4개의 제트 엔진(Turbofan Engines), 수직/수평 미익(Empennage), 조종석 캐노피 창문 순으로 모듈화하여 빌드하도록 유도하는 것이 유리합니다.

실제 Hugging Face Spaces에 공개된 완성 데모(Mike0021/deepseek-v41-flash-boeing-747)를 살펴보면, Three.js의 OrbitControls를 통한 매끄러운 360도 회전, 금속 질감의 PBR 머티리얼, 주익 하부의 복합 플랩과 파일런 구조가 정교하게 구현되어 오픈 모델 기반 3D 생성의 높은 도달점을 보여줍니다.

실무 적용 시 고려해야 할 비용 예산과 Three.js 씬 최적화 한계

이와 같은 비전 기반 자율 개선 루프를 실무 프로젝트에 도입할 때는 기술적 편익 외에도 몇 가지 현실적인 제약 사항을 신중하게 고려해야 합니다.

첫째, 누적 토큰 소모량과 API 비용 관리입니다. /goal 명령어를 통한 자율 루프는 완벽한 시각적 만족에 도달할 때까지 수 시간 동안 지속적으로 실행됩니다. 특히 고해상도 스크린샷 이미지를 반복적으로 모델에 입력하면 컨텍스트 윈도우가 빠르게 누적되어 예상보다 많은 토큰 비용이 발생할 수 있습니다. 따라서 최대 반복 횟수(Max Iterations)나 실행 시간 제한, 단계별 중간 체크포인트를 사전에 지정해 비용 과다 청구를 방지하는 안전장치가 필수적입니다.

둘째, 비전 하네스의 도구 체인 요구사항입니다. 에이전트가 브라우저 렌더링 화면을 시각적으로 인지하려면 Claude Code와 같은 실행 환경에서 헤드리스 브라우저 제어 도구나 자동화된 이미지 캡처 파이프라인이 유기적으로 연동되어야 합니다. 시각 피드백이 단절되면 모델은 텍스트 추론에만 의존하게 되어 자가 검증의 이점이 상실됩니다.

셋째, Three.js 렌더링 부하 및 폴리곤 최적화입니다. 모델이 외형의 사실감을 높이는 과정에서 지오메트리의 세그먼트 수를 과도하게 분할하거나 복잡한 절차적 텍스처를 남발하면 WebGL 프레임 드롭이 발생할 수 있습니다. 브라우저 환경에서 쾌적하게 동작하는 3D 결과물을 얻으려면 프롬프트 초기 단계에서 메시 인스턴싱, 적정 폴리곤 수 제한, 드로우 콜(Draw Call) 최적화 조건을 명시하는 것이 권장됩니다.

원문 출처