AI 에이전트는 당신이 읽을 수 있는 것보다 빠르게 코드를 작성합니다
이번 주 다섯 개의 연구 그룹이 동일한 문제에 대해 발표했습니다: AI 에이전트는 개발자가 이해할 수 있는 것보다 빠르게 코드를 생산합니다. 부채는 당신의 머릿속에 있습니다.
AI & Technology글쓰기
디자인, 개발, AI 인프라, 제품 구축에 대한 생각.
메타인지 AI: 에이전트에 자기평가를 가르치기
대부분의 에이전트 지시는 행동만 정의한다. 빠진 층은 자기평가를 가르치는 메타인지 프레임워크다. 95개 훅과 9개월 운영 경험 기반.
AI & Technology컨텍스트 엔지니어링은 아키텍처입니다: 650개 파일 이후의 교훈
650개 파일, 7개 계층 구조에 걸친 AI 에이전트를 위한 컨텍스트 엔지니어링. 세 번의 프로덕션 실패, 실제 토큰 예산, 그리고 이 모든 것을 견뎌낸 시스템.
AI & Technology멀티 에이전트 숙의: 합의가 버그일 때
멀티 에이전트 숙의는 단일 에이전트 시스템이 놓치는 실패를 포착합니다. 아키텍처, 실패한 접근법, 그리고 실제로 구축할 가치가 있는 것을 소개합니다.
AI & TechnologyAI 에이전트에 품질 철학이 필요한 이유
제 Claude Code 에이전트는 인간의 모든 나쁜 습관을 기계 속도로 답습했습니다. 이를 해결하기 위해 3가지 철학, 150개 이상의 품질 게이트, 95개의 훅을 구축했습니다. 무엇이 효과적이었고, 무엇이 그렇지 않았는지 공유합니다.
AI & TechnologyAI 시어터: 90%의 기업이 'AI를 사용한다'고 하지만 실제 가치를 창출하는 기업은 23%에 불과한 이유
McKinsey 조사에 따르면 90%의 기업이 AI를 도입했다고 주장하지만, 파일럿 단계를 넘어 확장하는 기업은 23%에 불과합니다. 저는 세 가지 유형의 AI 시어터를 목격했으며, 그중 하나를 직접 경험하기도 했습니다.
AI & TechnologyLLM이 텍스트를 인식하는 방법: i18n 시스템이 알려준 토큰 경제학
제 사이트를 6개 언어로 번역하면서, 동일한 콘텐츠에 대해 한국어가 영어보다 2.8배 더 많은 토큰을 소비한다는 사실을 발견했습니다. 아래의 인터랙티브 시각화 도구가 그 이유를 보여줍니다.
AI & Technology프롬프트 엔지니어링을 위한 OODA 루프: 다섯 번의 실패가 가르쳐 준 것
다섯 번의 프롬프트 실패를 통해 체계적인 관찰이 영리한 문구보다 효과적이라는 것을 배웠습니다. Boyd의 OODA 루프는 제가 매일 사용하는 프롬프트 엔지니어링 워크플로우에 직접 대응됩니다.
AI & Technology복리 엔지니어링: 느려지지 않고 가속하는 코드베이스
대부분의 코드베이스는 성장하며 느려진다. 95개 hook, 44개 skill, 14개 config가 기능 개발 비용을 낮추는 구조를 설명한다.
AI & TechnologyAI 시스템 구축: RAG에서 에이전트까지
3,500줄의 에이전트 시스템을 86개의 훅과 합의 검증으로 구축했습니다. RAG, 파인튜닝, 에이전트 오케스트레이션에 대해 배운 것들을 공유합니다.
AI & TechnologyRalph 루프: 자율 AI 에이전트를 밤새 운영하는 방법
중지 훅, 스폰 예산, 파일 시스템 메모리를 활용한 자율 에이전트 시스템을 구축했습니다. 실패 사례와 실제로 코드를 출시하게 된 과정을 공유합니다.
AI & Technology바이브 코딩 vs. 엔지니어링: 제가 선을 긋는 기준
저는 매일 86개의 훅과 완전한 품질 게이트 시스템을 갖추고 Claude Code를 사용합니다. 어디서 바이브 코딩을 하고, 어디서 엔지니어링을 하는지, 그리고 그 경계가 왜 중요한지 설명합니다.
AI & Technology외부 게시물
기술 글쓰기: Introl
Local LLM Hardware Pricing Guide 2025
대규모 언어 모델을 로컬에서 실행하기 위한 종합 하드웨어 권장 사항 및 비용 분석.
H100 vs. H200 vs. B200: Choosing the Right NVIDIA GPUs for Your AI Workload
다양한 AI 워크로드를 위한 NVIDIA 최신 데이터센터 가속기 비교 GPU 선택 가이드.
TPU Architecture: Complete Guide to Google's 7 Generations
Google의 TPU v1부터 TPU v5까지의 Tensor Processing Unit 발전에 대한 심층 기술 분석.
GPU Memory Pooling in Multi-Tenant Kubernetes
컨테이너화된 환경에서 GPU 클러스터의 리소스 공유 전략.
Ray Clusters: Distributed AI Computing Infrastructure
Ray 프레임워크를 사용한 분산 AI 컴퓨팅 구축 및 관리 가이드.
DeepSeek V3 Open Source AI Cost Advantage
오픈소스 LLM 경제학 및 DeepSeek의 경쟁 포지셔닝 분석.
NVIDIA Vera Rubin GPU 600kW Racks 2027
미래 데이터센터 전력 요구 사항 및 NVIDIA의 차세대 GPU 로드맵.
SMR Nuclear Power for AI Data Centers
차세대 AI 인프라에 전력을 공급하는 소형 모듈식 원자로 솔루션.
DeepSeek MHC Architecture Breakthrough
DeepSeek의 Multi-Head Compression 아키텍처 혁신에 대한 기술 분석.