Part I. 바이브 코딩의 세계

Chapter 1. 바이브 코딩, 무엇이 달라졌나
1.1 바이브 코딩의 탄생
1.2 전통적 개발 vs 바이브 코딩
1.3 바이브 코딩의 진화: 에이전틱 엔지니어링
1.4 주요 바이브 코딩 도구 비교
1.5 "코딩을 몰라도 되는가?"
1.6 이 책의 로드맵
1.7 바이브 코딩 실습: 30초 만에 자기소개 웹 페이지 만들기
1.8 트러블슈팅 박스
Chapter 2. 생성형 AI 지형도: 바이브 코더를 위한 필수 가이드
2.1 AI 전체 분류 체계
2.2 LLM은 어떻게 작동하는가 (비전공자용)
2.3 주요 LLM 모델 비교
2.4 컨텍스트 윈도우 이해하기
2.5 할루시네이션: AI의 거짓말
2.6 무료 vs 유료: 어떤 AI를 쓸 것인가
2.7 바이브 코딩 실습: 같은 프롬프트, 세 가지 결과
2.8 트러블슈팅 박스

Part II. AI와 소통하는 기술

Chapter 3: 프롬프트 엔지니어링 ? AI에게 말 거는 기술
3.1 Before/After: 프롬프트의 힘
3.2 프롬프트 기법의 진화
3.3 CRAFT 프레임워크
3.4 코드 생성을 위한 프롬프트 전략
3.5 메타 프롬프팅
3.6 프롬프트 인젝션: AI의 보안 위협
3.7 바이브 코딩 실습: CRAFT로 Flask To-Do 앱 만들기
3.8 트러블슈팅 박스
Chapter 4: 컨텍스트 엔지니어링
4.1 프롬프트 엔지니어링을 넘어서
4.2 컨텍스트 윈도우의 6가지 구성요소
4.3 토큰 이해하기
4.4 시스템 프롬프트의 4레이어 구조
4.5 대화 기록 관리: 3가지 전략
4.6 토큰 예산 관리
4.7 바이브 코딩 실습: CLAUDE.md로 컨텍스트 구조화
4.8 트러블슈팅 박스
Chapter 5: 구조화된 출력 ? AI의 대답에 형식을 입히다
5.1 자유 텍스트의 문제
5.2 JSON과 JSON Schema
5.3 Pydantic을 이용한 타입 검증
5.4 Few-Shot + 구조화된 출력
5.5 바이브 코딩에서 구조화된 출력 활용
5.6 OpenAIAnthropic API의 구조화된 출력 기능
5.7 바이브 코딩 실습: JSON Schema로 API 응답 품질 높이기
5.8 트러블슈팅 박스

Part III. AI가 준 코드 이해하기

Chapter 6: 웹의 뼈대 ? HTML, CSS, JavaScript
6.1 웹 페이지의 3가지 요소
6.2 HTML: 웹의 뼈대
6.3 CSS: 웹의 옷
6.4 JavaScript: 웹의 동작
6.5 개발자 도구 (F12) 활용
6.6 바이브 코딩 실습: AI에게 포트폴리오 페이지 만들고 수정하기
6.7 트러블슈팅 박스
Chapter 7. 서버와 대화하기 ? HTTP와 API
7.1 클라이언트와 서버: 주문과 배달
7.2 HTTP 프로토콜: 대화의 규칙
7.3 HTTP 메서드: 4가지 동작
7.4 상태 코드: 서버의 대답
7.5 REST API: 웹 서비스의 표준
7.6 API 테스트 도구
7.7 바이브 코딩 실습: Flask REST API 만들고 테스트하기
7.8 트러블슈팅 박스
Chapter 8: Python 읽기 ? AI가 가장 많이 쓰는 언어 해독하기
8.1 왜 Python인가
8.2 변수와 데이터 타입
8.3 리스트와 딕셔너리
8.4 함수 읽기
8.5 클래스 읽기
8.6 반복문과 조건문
8.7 import와 패키지
8.8 가상환경(venv)
8.9 Traceback 해독법
8.10 바이브 코딩 실습: CSV 요약 스크립트
8.11 트러블슈팅 박스
Chapter 9: 데이터 저장소 ? 앱의 기억 장치
9.1 왜 데이터베이스인가
9.2 SQL 기초: 데이터와 대화하기
9.3 데이터베이스 종류 비교
9.4 벡터 데이터베이스: AI 시대의 저장소
9.5 DB 연결 코드 읽기
9.6 바이브 코딩 실습: 회원 관리 앱 + 벡터 검색
9.7 트러블슈팅 박스
Chapter 10. 버전 관리 ? Git으로 코드의 타임머신 만들기
10.1 Git이 필요한 이유
10.2 핵심 5가지 명령어
10.3 GitHub: 코드의 클라우드 백업
10.4 브랜치: 실험을 안전하게 분리하기
10.5 .gitignore: 민감 정보 보호
10.6 바이브 코딩 실습: AI 리팩토링 실패 → Git으로 복구
10.7 트러블슈팅 박스

Part IV. 기술의 작동 원리

Chapter 11. RAG: AI에게 우리 회사 문서를 읽게 하는 법 366
11.1 AI의 한계: 왜 RAG가 필요한가
11.2 RAG 파이프라인 6단계
11.3 청킹 전략: 문서를 어떻게 쪼갤 것인가
11.4 임베딩과 유사도 검색
11.5 검색 최적화: MMR, Hybrid Search, Reranking
11.6 Conversational RAG: 대화형 검색 증강 생성
11.7 바이브 코딩 실습: PDF QA 챗봇 만들기
11.8 트러블슈팅 박스
Chapter 12. LLM 체인과 파이프라인: AI 호출을 조립하는 기술
12.1 체인이 필요한 이유
12.2 LangChain Expression Language (LCEL)
12.3 체인의 구성요소
12.4 병렬 실행: RunnableParallel
12.5 조건부 분기: RunnableBranch
12.6 스트리밍: 실시간 응답
12.7 바이브 코딩 실습: 질문 분류 → 라우팅 → 전문가 답변 체인
12.8 체인을 활용한 고급 패턴
12.9 트러블슈팅 박스
Chapter 13. AI 에이전트 ? 스스로 생각하고 행동하는 AI
13.1 챗봇 vs 에이전트
13.2 ReAct 패턴: 생각 → 행동 → 관찰
13.3 도구(Tool): 에이전트의 손과 발
13.4 MCP (Model Context Protocol)
13.5 에이전트 아키텍처
13.6 Human-in-the-Loop: 사람의 승인
13.7 바이브 코딩 실습: Claude Code의 에이전트 루프 관찰
13.8 트러블슈팅 박스
Chapter 14. 배포와 운영 ? 내 앱을 세상에 내보내기
14.1 로컬 vs 서버: 왜 배포가 필요한가
14.2 Docker: 코드를 상자에 담기
14.3 환경 변수와 시크릿 관리
14.4 클라우드 배포 옵션
14.5 모니터링과 로깅
14.6 바이브 코딩 실습: Docker로 패키징하고 Railway에 배포하기
14.7 트러블슈팅: 배포에서 자주 만나는 문제들

Part V. 진짜 만들기

Chapter 15. 프로젝트 1 ? 문서 QA 서비스 만들기
15.1 프로젝트 소개
15.2 요구사항 정의 ? AI에게 전달할 프롬프트
15.3 Step-by-Step 바이브 코딩
15.4 트러블슈팅 5가지
15.5 Docker + 클라우드 배포
15.6 사용자 흐름도
Chapter 16. 프로젝트 2 ? AI 에이전트 챗봇
16.1 프로젝트 소개
16.2 에이전트 설계
16.3 도구 정의
16.4 대화 메모리
16.5 LangGraph로 에이전트 구축
16.6 FastAPI 엔드포인트 연결
16.7 안전장치
16.8 Step-by-Step 바이브 코딩
16.9 전체 프로젝트 구조
16.10 트러블슈팅 박스
Chapter 17. 바이브 코더의 다음 여정
17.1 우리가 함께 걸어온 길
17.2 미래: 에이전틱 엔지니어링의 시대
17.3 성장 로드맵: 초급에서 프로까지
17.4 다음 학습 영역
17.5 추천 리소스
17.6 바이브 코딩 실습: 나만의 프로젝트 기획 워크시트
17.7 마지막 조언: 바이브 코더를 위한 10가지 원칙
17.8 에필로그