클로드로 만든 로컬 코딩 인터뷰 트레이너: Ollama·Qwen3로 무료 AI 피드백 앱 제작기

핵심 메시지

• 제작자는 SQL·파이썬·머신러닝·시스템 설계·AI 엔지니어링·LLM을 다루는 리트코드 스타일 인터뷰 트레이너를 클로드로 직접 만들고 무료로 공개했다.
• 라이브 코딩 에디터, 실시간 오류·힌트, AI 피드백, 로컬 챗봇, 진행 상황 저장, 뽀모도로 타이머, 새 문제 자동 생성 등을 한 앱에 담았다.
• 핵심은 '100% 로컬'이다. Ollama로 Qwen-3-Coder 30B 모델을 돌려 클라우드나 토큰 비용 없이, 비행기·기차 안에서도 작동하고 진행 상황은 내 컴퓨터에 저장된다.
• 프런트엔드는 React·Vite·Monaco 에디터, 백엔드는 채점·데이터용 FastAPI·DuckDB·SQLite로 구성된다.
• 저장소를 공개해 누구나 복제할 수 있게 했고, 앱 자체도 계획은 Opus 4.8, 실행은 Fable 5를 쓰는 등 클로드로 만들었다.

쉽게 이해하기

이 앱은 리트코드처럼 문제와 난이도를 고르고 Monaco 코딩 에디터에서 바로 답을 작성하는 인터뷰 연습 도구다. 코드를 실행해 실제 테스트를 돌리고, 제출하면 통과·실패와 그 이유를 알려준다. SQL·파이썬·응용 머신러닝처럼 정답이 정해진 영역과, 시스템 설계·AI/LLM처럼 정답이 하나로 정해지지 않아 생각을 서술하는 영역을 함께 다룬다.

막히면 여러 층의 AI 도움을 받을 수 있다. AI 피드백은 멘토처럼 힌트를 주고, 완전히 길을 잃으면 로컬 LLM이 코드 조각이나 힌트를 직접 제시한다. 예를 들어 SQL 문제에서 결과 형태나 값이 틀리면 힌트를 주고, 'ORDER BY에 내림차순(DESC)이 빠졌다'처럼 구체적으로 짚어준다. 시스템 설계 문제에서는 넷플릭스 예시처럼 서술한 답을 분석해 접근이 맞는지, 무엇을 고쳐야 하는지 알려준다.

모든 것은 로컬에서 돌아간다. 제작자는 48GB 램의 맥북 프로에서 약 19GB 크기의 Qwen-3-Coder 30B 파라미터 모델을 Ollama로 구동한다. 사양이 낮은 기기라면 14B·8B·7B처럼 더 작은 모델로 바꾸면 되고, 이는 클로드에게 코드 한 줄만 바꿔 달라고 하면 될 만큼 간단하다고 설명한다.

기술 스택은 명확하다. 프런트엔드는 React·Vite와 Monaco 코드 에디터, 백엔드는 FastAPI에 채점·데이터를 위한 DuckDB·SQLite, 로컬 AI는 Ollama 위의 Qwen-3-Coder다. 진행 상황은 로컬에 자동 저장돼 하루 이틀 뒤 돌아와도 코드와 기록이 그대로 남아 있다.

재현 방법도 함께 제공된다. 저장소에 준비된 reproduce.md가 사전 요구사항, 복제 방법, 파이썬 환경 설정을 단계별로 안내하며, 막히면 VS Code나 커서(Cursor)의 채팅에서 클로드에게 도움을 청해 진행할 수 있다.

주요 인사이트

• 이 사례의 핵심은 상용 서비스 대신 '내가 소유하는' 도구를 만든다는 점이다. 리트코드 등에 비용을 내지 않아도 되고, 데이터와 진행 기록이 모두 내 손에 있으며, 필요에 맞게 직접 고칠 수 있다.
• 로컬 LLM을 쓰면 토큰·클라우드 비용이 없고 인터넷이 없어도 작동한다. 대신 모델 크기가 기기 사양에 좌우되므로, 램과 성능에 맞춰 30B·14B·8B·7B 중에서 고르는 균형점 찾기가 중요하다.
• 정답이 정해진 문제와 서술형 문제를 나눠 다루는 설계가 돋보인다. 코딩 문제는 실행·채점으로 통과 여부를 판정하고, 시스템 설계처럼 정답이 하나가 아닌 문제는 AI가 멘토처럼 접근 방식을 평가한다.
• 문제 자동 생성 기능은 연습거리가 떨어지지 않게 해준다. 버튼 하나로 AI 엔지니어링·시스템 설계·머신러닝·SQL·파이썬 문제를 새로 만들어낸다.
• 앱 제작 자체가 AI 협업의 사례다. 제작자는 계획에는 Opus 4.8, 실행에는 Fable 5를 활용했고, 사용자도 저장소를 복제한 뒤 클로드의 안내를 받아 각 단계를 따라 만들 수 있도록 구성했다.

자주 묻는 질문

관련 AI 소식