도시 소음에 새벽마다 깨던 개발자가 8시간에 만든 '나만의 수면 디버거' — AI 에이전트 + 라즈베리파이 조합

핵심 요약 (TL;DR)

• 개인 개발자 Martin이 USB 마이크 2개·라즈베리파이·Home Assistant·AI 코딩 에이전트를 약 8시간에 엮어 새벽 소음 원인을 식별하는 도구를 만들었습니다.
• 식별된 범인: 문 닫히는 소리, 식기 부딪히는 소리, 길거리 소음. 어쿠스틱 패널·문틈 차음을 적용한 뒤 스마트워치 수면 지표가 측정 가능한 수준으로 개선됐죠.
• 핵심 인용: "The interesting shift here isn't that AI solved my problem. It's that AI lowered the cost of building the thing that lets me solve my own problem."

"AI가 SaaS 만들어줘"의 반대편에 있는 사례

요즘 한국 X에서 바이브코딩 이야기는 대부분 같은 톤입니다. "이번 주말에 만든 사이드프로젝트가 MRR $5K 찍었다." "매출 0원짜리는 의미 없다." 우리는 어느새 "AI 코딩 = 거대한 무언가를 만드는 일"로 프레임이 좁아져 있죠.

지난 5월 11일 HN 1면에 올라온 Martin의 글은 그 프레임을 정확히 뒤집습니다. 262pts, 274개 댓글. 그가 만든 건 외부에 팔 제품도, GitHub 스타를 모을 라이브러리도 아니었거든요. 자기 자신이 새벽마다 왜 깨는지를 디버깅하는 도구였습니다.

8시간에 무엇을 만들었나

문제 정의는 한 줄입니다. "도시 한복판 아파트에서 매일 새벽 깨는데, 일어나면 이미 소음이 사라져서 원인을 못 찾는다." 모든 디버깅의 첫 번째 적인 "재현 불가능한 버그"거든요.

Martin이 8시간 동안 엮은 구성은 이렇습니다.

• USB 마이크 두 개: 실내 한 개, 실외 한 개. 안과 밖의 소음을 분리합니다.
• 라즈베리파이: 두 마이크에서 들어온 오디오를 캡처하고 이벤트 단위로 잘라냅니다.
• Home Assistant 커스텀 통합: 캡처한 이벤트를 기존 스마트홈 센서·시계 데이터와 timeline 정렬합니다.
• 웹 대시보드: "새벽 3시 14분, 실내 마이크에서 식기 부딪힘" 같은 형태로 시각화합니다.

여기서 가장 인상 깊은 아키텍처 결정은 따로 있습니다. AI 코딩 에이전트가 SSH로 라즈베리파이에 직접 접속해서 코드를 실시간으로 테스트하게 만든 거죠. 로컬에서 짜고 → 빌드하고 → Pi에 푸시하고 → 안 되면 다시 짜고 같은 사이클을 통째로 제거했습니다. "실기기에서 바로 검증"은 임베디드 개발자가 늘 꿈꾸던 워크플로우인데, AI 에이전트가 그걸 실용 영역으로 끌어내린 거예요.

결과 — 진짜 culprit과 진짜 처방

8시간 + 며칠간의 미세 조정 끝에 식별된 범인은 셋이었습니다. 문 닫히는 소리, 식기 부딪히는 소리, 그리고 길거리 소음. 처방은 어쿠스틱 패널·문틈 차음·창문 인슐레이션이라는 "하드웨어 패치". 그 결과 매일 차고 자던 스마트워치의 수면 quality 지표가 측정 가능한 수준으로 개선됐다고 적고 있습니다.

Martin은 글 말미에 한 문장을 남겼습니다. "The interesting shift here isn't that AI solved my problem. It's that AI lowered the cost of building the thing that lets me solve my own problem." 직역하면 — "흥미로운 변화는 AI가 내 문제를 풀었다는 게 아니라, 내 문제를 풀어줄 도구를 만드는 비용을 낮췄다는 점이다."

이 문장은 바이브코딩의 본질을 한 줄로 정리합니다. AI는 치료제가 아니에요. 진단 기구를 손쉽게 만들게 해주는 공장에 가깝습니다.

바이브코더에게 주는 실용 체크리스트

Martin의 워크플로우를 한국 상황에 옮길 때 점검할 포인트를 정리해두면 좋겠죠.

1. 실기기 직결 워크플로우를 먼저 짜세요. AI 에이전트가 SSH로 직접 들어가 동작 검증을 하게 만들면 사이클 시간이 한 자릿수 분으로 줄어듭니다. Claude Code·Cursor 모두 원격 셸 호출이 가능합니다.
2. 타임라인 정렬을 기본으로 두세요. Martin이 Home Assistant를 선택한 핵심 이유는 "여러 센서 이벤트를 같은 시간축에 묶는다"는 점입니다. 어떤 디버깅이든 시간 정합성이 깨지면 분석이 불가능해집니다.
3. KPI를 외부 지표가 아니라 본인의 삶의 질로 두세요. GitHub 스타도 MRR도 아니라 "내 수면 점수"가 KPI인 프로젝트도 정당합니다. 오히려 그게 바이브코딩의 가장 정직한 사용법일 수 있죠.

FAQ

Q. 어떤 AI 도구를 썼나요?

Martin 본인은 특정 도구를 명시하지 않았습니다. 글 흐름상 Claude Code나 Cursor 계열로 추정되지만 단정하긴 어렵습니다. "AI 코딩 에이전트"라는 일반 표현이 가장 정확합니다.

Q. 8시간이 셋업 포함인가요, 순수 코딩 시간인가요?

원문은 "roughly 8 hours of work"입니다. 셋업·디버깅·미세 조정을 묶은 대략적 추정치라고 보는 게 안전합니다.

Q. 비슷한 걸 만들어보고 싶다면 출발점은요?

USB 마이크 + 라즈베리파이 + Home Assistant는 한국에서도 그대로 구할 수 있는 조합입니다. 우선 "내가 디버깅하고 싶은 일상 문제 한 줄"부터 정의하고, 그 문제의 데이터를 어떻게 캡처할지로 시작하면 됩니다. 도구가 아니라 문제가 출발점이라는 점이 가장 중요해요.

원문: https://martin.sh/i-let-ai-build-a-tool-to-help-me-figure-out-what-was-waking-me-up-at-night/