최근에 읽었거나 읽으려고 하는 것들의 기록.
개발 280건
Codex를 위한 macOS 앱 빌드 플러그인 출시 - SwiftUI와 AppKit으로 네이티브 macOS 앱을 효율적으로 개발할 수 있는 플러그인 소개 Codex 앱 통합 실행: 로컬 빌드 스크립트를 Codex UI의 Run 버튼과 연결하여 터미널 명령어 없이 앱 실행 가능 에이전트 디버깅 지원: 텔레메트리와 로깅을 추가하여 Codex가 앱 실행 중 문제…
Claude AI를 활용해 4시간 만에 랜딩페이지를 완전히 재구축한 스타트업의 성공 사례. AI 네이티브 접근으로 반복 속도를 극대화하고 설계 비용을 절감하면서 전환율을 40% 증가시킴. 핵심 요약 반복 속도의 중요성: 스타트업에게는 빠른 피드백 루프가 제품 성공의 핵심 기존 방식의 한계: 디자인 에이전시는 높은 품질이지만 2-3개월의 긴 개발 기간 필요…
자체 개선 루프를 갖춘 AI 에이전트: OpenClaw vs Hermes 비교 실험 개발자가 6개월간 OpenClaw 에이전트를 운영하면서 발견한 근본적인 문제점과 그 해결책으로 제시된 Hermes Agent의 자율 학습 능력 차이를 다룬 글입니다. 핵심 문제: 기존 에이전트는 개발자의 지속적인 관리에 의존 - 메모리 정리, 오류 수정, 지침 업데이트 필수…
단일 AI 모델 기반 개발 시대는 끝났으며, 빠르게 변하는 LLM 시장에서 생존하려면 여러 모델을 유연하게 전환할 수 있는 아키텍처가 필수적이다. 시장 변화 속도가 예상보다 빠름: 13개월 동안 최고 성능 모델이 3번이나 바뀌었고, 가격/성능 경쟁이 심화되는 중 모델 선택은 단순 기술 결정이 아님: 특정 제공자의 가격, 가용성, 출시 주기, 보안 위험까지…
대부분의 소프트웨어 조직은 엔지니어링 팀의 실제 비용과 가치 창출을 파악하지 못하고 있으며, 이는 20년간의 저금리 환경이 만든 구조적 문제이다. 팀의 실제 비용: 8명 엔지니어 팀은 월 €87,000(연 €1,040,000) 비용이 들지만, 대부분의 엔지니어와 관리자는 이 수치를 모름 의사결정의 숨겨진 비용: 3주 프로젝트는 €60,000 비용이며, 이…
AI-First 전략: 단순히 AI를 도입하는 것이 아닌 기업 전체 프로세스의 재구축 CREAO는 25명 규모의 AI 에이전트 플랫폼으로, 생산 코드의 99%를 AI가 작성하며 기능 아이디어에서 배포까지 단 하루 만에 완성하는 체계를 구축했습니다. 이는 전통적인 엔지니어링 프로세스를 AI 중심으로 완전히 재설계한 결과입니다. AI-First와 AI-Assi…
에이전트 하네스는 에이전트 개발의 표준 방식이 되었으며, 메모리 관리와 밀접하게 연결되어 있다. 폐쇄형 하네스를 사용하면 메모리 소유권을 제3자에게 넘기게 되어 심각한 플랫폼 종속성이 발생한다. 에이전트 하네스는 계속 존재할 기술: 모델이 더 발전해도 스캐폴딩 필요성은 사라지지 않으며, Claude Code 같은 최고급 모델도 512K 줄의 하네스 코드에…
에이전트 하네스는 AI 에이전트 구축의 필수 요소이며, 메모리 관리와 긴밀하게 연결되어 있기 때문에 폐쇄형 하네스를 사용하면 제3자에게 에이전트의 메모리 소유권을 넘기게 된다. 에이전트 하네스는 계속 중요해질 것 - 모델이 발전해도 하네스는 필수이며, 클로드 코드의 경우 512K 라인의 코드로 구성됨 하네스는 LLM과 도구/데이터 소스 사이의 상호작용을 조…
AI 코딩 에이전트의 생산성 차이는 모델의 지능이 아닌 아키텍처 설계에서 비롯된다. 100배의 생산성 향상은 모델을 감싸는 '하니스'와 '스킬'의 구조적 우월성으로 만들어진다. 핵심은 모델이 아닌 하니스: 더 똑똑한 AI가 아닌 올바른 맥락 전달 구조가 생산성 차이를 만듦 얇은 하니스, 두터운 스킬: 복잡한 도구 정의보다 전문화된 마크다운 기반의 스킬 설계…
코딩 에이전트가 코드 작성 전에 논문을 읽고 경쟁 프로젝트를 분석하면 더 나은 최적화를 찾을 수 있다는 연구 결과 문헌 조사 단계 추가로 성과 향상: 기존 autoresearch 루프에 논문 읽기와 포크 프로젝트 분석 단계 추가 llama.cpp CPU 최적화 결과: 3시간 내 5개 최적화 도출, Flash Attention 텍스트 생성 x86에서 +15%…
Hermes Agent는 자가 호스팅형 AI 에이전트로, 기존 ChatGPT 같은 정적 챗봇의 한계를 극복하고 진정한 생산성 향상을 가능하게 하는 플랫폼이다. Hermes Agent의 핵심 특징 세션 간 모든 대화 기억 및 지속적인 학습 Telegram, Discord 등 여러 채널에서 접근 가능 터미널 명령어와 코드 실행 지원 (6개 백엔드) 계속 확장되…
에이전트를 개선하기 위한 핵심은 더 나은 하네스(harness)를 구축하는 것이며, 자동으로 하네스를 개선하려면 평가(evals)를 학습 신호로 활용해야 한다. 에벌(Evals)은 에이전트의 훈련 데이터 - 기계학습의 훈련 데이터처럼 에벌은 하네스 엔지니어링의 학습 신호 역할 하네스 개선 루프 - 에벌 + 하네스 엔지니어링으로 기울기 하강법처럼 지속적으로…
LLM 훈련의 실제: 프리트레이닝 이후 단계가 최종 품질을 결정한다 2026년 기준 대규모 언어 모델의 경쟁력은 더 이상 프리트레이닝 자체가 아니라, 포스트트레이닝, 평가, 보상 설계, 에이전트 훈련, 증류 등 그 이후의 모든 과정에서 나타난다. 사용자가 느끼는 모델의 성능 향상은 단일 요소가 아닌 이들 단계가 함께 개선될 때 발생한다. LLM 훈련은 조립…
AI 에이전트로 생성된 코드를 배포할 때는 맹목적 신뢰가 아닌 책임감 있는 판단이 필수적이며, 이를 위해 인프라 수준의 안전장치가 필요하다. AI 에이전트 코드의 위험성: 깔끔해 보이고 테스트를 통과하지만 프로덕션 환경의 실제 제약을 이해하지 못함 신뢰 vs 활용의 차이: 신뢰는 에이전트가 작성하면 배포, 활용은 완전한 소유권 유지하며 빠른 반복 소유권 원…
워커로 이전된 structure_text의 비동기 처리 흐름을 검증하는 테스트 메모로, 라우터의 즉시 응답과 워커의 후속 처리를 통한 콘텐츠 갱신 과정을 명시한다.
멀티 에이전트 시스템은 이론적으로 매력적이지만 실제 운영에서는 토큰 비용이 10배 이상 증가하면서도 생산성은 떨어지는 심각한 한계를 가지고 있다. 현재 단계에서 에이전트에게 적극적으로 위임할 수 있는 영역은 오류 비용, 검증 용이성, 암묵지 의존도 등 5가지 기준으로 판별해야 한다. 멀티 에이전트의 근본 문제: 에이전트 간 작업 인수인계 과정에서 맥락이 반…
OpenAI의 프론트엔드 설계 가이드를 앱 UI/UX 디자인에 적용하는 실전 방법론을 소개하는 글입니다. 제약 기반 구조 설계를 통해 화려한 장식이 아닌 정교한 통제에서 나오는 디자인의 가치 인지 부하 최소화, 핵심 정보 전면 노출, 의미 있는 상호작용만 강조의 3가지 핵심 원칙 실무에 즉시 적용 가능한 5단계 프로세스와 화면 유형별 설계 제약 AI 프롬프…
300개의 Huberman Lab 에피소드를 Claude Code와 NotebookLM으로 처리하여 전문가 지식을 실제 행동으로 전환하는 자동화 시스템 구축 핵심 문제: 90%의 사람들이 전문가 콘텐츠를 소비하지만 실제 행동으로 옮기지 않음 솔루션: NotebookLM(지식베이스) + Claude Code(실행 엔진)를 연결한 폐쇄형 루프 시스템 프로세스:…
무신사 iOS 팀이 AI를 활용해 테스트 코드 커버리지를 9.82%에서 79.04%로 8배 증가시킨 경험담 초기 상황: 업계 평균 74-76%인데 반해 9.82%의 극히 낮은 커버리지로 리팩터링 어려움, 회귀 테스트 부담, 신규 개발자 온보딩 어려움 목표와 결과: 2월 말까지 70% 달성을 목표로 3개월간 진행한 결과 79.04% 달성 (추가 중인 PR 머…
AI가 생성한 코드에 대한 인간의 이해도 부족으로 인한 숨겨진 비용이 증가하고 있으며, 이는 속도와 품질 사이의 균형을 맞추는 것이 중요함을 강조한다. 핵심 요약 이해 부채(Comprehension Debt): 시스템에 존재하는 코드의 양과 인간이 실제로 이해하는 코드의 양 사이의 격차 기술 부채와 달리 표면적으로는 드러나지 않음 속도 지표에는 나타나지 않…
