오늘도 공부

단순히 AI에게 “돈 될 만한 사업 아이디어를 찾아줘”라고 요청하는 것과, 인터넷에서 실제 사업자의 문제를 지속적으로 수집하고 검증한 뒤 제품 출시까지 연결하는 시스템을 만드는 것은 완전히 다른 문제다.Chris가 공개한 시스템의 핵심은 하나다.아이디어를 생성하지 말고, 시장에서 반복해서 관찰되는 문제를 찾아라.하나의 Reddit 글이나 한 사람의 불평만으로 제품을 만들지 않는다. 서로 독립된 여러 데이터 소스에서 동일한 문제가 발견되었을 때만 후보로 승격한다.전체 구조는 다음과 같다.인터넷 데이터 수집 ↓문제 추출 ↓Embedding / Clustering ↓복수 Source Confirmation ↓Scoring ↓사람의 승인 ↓사업 전..

GitHub - tsingyuai/growth-lab: An end-to-end growth tool that understands the product, fetch the data it needs, researches the mAn end-to-end growth tool that understands the product, fetch the data it needs, researches the market, executes campaigns, and reviews results to improve the next round of growth. 从代码到市场的开源端到端增长工具...github.com AI를 이용한 마케팅 도구는 이미 많다.블로그 글을 작성하는 AI도 있고, 경쟁사를 조사하는 AI도 있으며..

1. 설치 → 로그인 → 프로젝트에서 실행macOS/Linux에서는 공식 설치 명령이 다음과 같습니다.curl -fsSL https://cli.kiro.dev/install | bash로그인:kiro-cli login로그인 상태 확인:kiro-cli whoami프로젝트로 이동해서:cd ~/projects/my-projectkiro-cli이렇게 하면 현재 디렉터리를 workspace로 삼아 Kiro가 실행됩니다. 일반적인 대화형 사용은 브라우저 로그인을 쓰며, API Key는 주로 CI/CD와 headless 모드용입니다. (Kiro)2. 가장 기본적인 사용법은 그냥 자연어실행 후에는 별도의 명령 문법을 배울 필요 없이 요청하면 됩니다.> 이 프로젝트 구조를 분석해줘.> 현재 인증 시스템이 어떻게 동작하는..

시니어 엔지니어에서 스태프 엔지니어(Staff Engineer)로 역할이 확장될 때 가장 크게 달라지는 점 중 하나는 주어진 문제를 잘 푸는 것만으로는 충분하지 않다는 것이다.스태프 레벨에서는 한 단계 더 나아가야 한다.우리 팀과 조직이 지금 무엇을 해결해야 하는가?Lalit Maganti가 자신의 글 How I Find Problems to Solve as a Staff Engineer에서 설명하는 핵심도 바로 여기에 있다.그가 강조하는 방식은 의외로 단순하다.회의실에 앉아 억지로 “전략적인 아이디어”를 만들어내는 것이 아니다.조직에서 매일 발생하는 문제를 지속적으로 관찰하고, 충분한 시간 동안 축적한 뒤, 서로 다른 문제 사이에서 공통된 구조(Common Shape)를 발견하는 것이다.1. 전략은 빈..

Andrew Ng의 AI Engineering Skills Map ① — Building and Deploying AI ApplicationsAI 애플리케이션 개발은 기존 소프트웨어 개발과 상당히 다릅니다.전통적인 프로그램에서는 같은 입력을 넣으면 대부분 예상 가능한 결과가 나옵니다.하지만 LLM이나 머신러닝 모델은 그렇지 않습니다.같은 프롬프트를 사용하더라도 답변이 달라질 수 있고, 새로운 데이터에 대해 어떤 결과가 나올지 완벽하게 예측하기도 어렵습니다.그래서 AI 엔지니어링에서 중요한 것은 단순히 LLM API를 호출하는 능력이 아닙니다.예측하기 어려운 AI 컴포넌트를 이용해 신뢰할 수 있는 시스템을 만드는 능력Andrew Ng는 이를 위해 필요한 역량을 다음 6가지로 정리합니다.LLM Foundat..

Andrew Ng의 「AI Engineering Skills Map」이 말하는 개발자의 새로운 기준AI가 소프트웨어를 만드는 방식을 완전히 바꾸고 있습니다.불과 몇 년 전만 해도 개발자의 핵심 역량은 프로그래밍 언어, 프레임워크, 데이터베이스, 서버 아키텍처 등을 얼마나 잘 다루느냐에 집중되어 있었습니다.하지만 생성형 AI와 코딩 에이전트가 빠르게 발전하면서 상황이 달라졌습니다.이제 중요한 것은 단순히 코드를 얼마나 잘 작성하는가가 아닙니다.AI를 이용해 무엇을 만들 것인지 결정하고, AI가 제대로 만들도록 설계하고 검증하는 능력이 점이 점점 더 중요해지고 있습니다.Andrew Ng는 최근 **「The AI Engineering Skills Map」**을 공개하면서 앞으로 개발자에게 중요한 AI 엔지니어..

파일 하나 열어 분석하던 DuckDB가 이제 PostgreSQL과 S3, 서버의 영역까지 넘보고 있다데이터 분석을 하다 보면 항상 비슷한 고민을 하게 된다.CSV 파일 몇 개를 분석하기 위해 데이터베이스 서버를 구축하기에는 너무 무겁다.그렇다고 Python과 Pandas만으로 처리하기에는 데이터가 커지면서 메모리와 성능이 부담스럽다.이 사이에서 빠르게 성장한 데이터베이스가 DuckDB다.DuckDB는 별도의 데이터베이스 서버를 운영하지 않고도 애플리케이션 프로세스 안에서 SQL 분석을 수행할 수 있는 데이터베이스다.그런데 2026년 가을 출시가 예정된 DuckDB 2.0에서는 이 정체성이 꽤 크게 확장된다.DuckDB 개발팀은 이번 버전을 설명하면서 이렇게 방향을 잡았다.지난해가 Lakehouse의 해였..

X의 Karan🧋님(@kmeanskaran)System Design for Agent Systems (Part 1)x.com 디자이너의 머릿속을 복제해 누구나 90점 이상의 UI를 만들게 한다핵심 아이디어를 한 문장으로 정리하면 다음과 같습니다.“디자이너가 직접 모든 화면을 만드는 대신, 디자이너의 판단 기준과 작업 프로세스를 코드·문서·디자인 시스템으로 구조화하고 AI가 이를 매번 참조하도록 만든다.”즉, 단순한 AI UI 생성기가 아니라 ‘디자이너의 사고 과정 자체를 시스템화’한 것입니다.1. 왜 이런 시스템을 만들었나기존 NEWT 개발 조직은 대략 다음과 같았습니다.Before3개 팀팀마다PM 1명엔지니어 약 3명디자이너 1명그런데 AI 도입 이후 개발 속도가 빨라지고 엔지니어의 풀스택화가 진행되..

아래 내용은 원문을 기준으로 번역·정리한 것입니다. X의 Chris님(@everestchris6)how to build a reddit sales system (FULL GUIDE)x.com Reddit Sales System 전체 구조이 글의 핵심은 Reddit에서 직접 자동으로 글을 올리는 봇을 만드는 것이 아니라, Reddit을 계속 읽고 분석해서 “사람이 최종 클릭·게시만 하는 영업 시스템”을 만드는 것입니다.전체 구조는 2개의 에이전트로 나뉩니다.Reddit ↓RSS 수집 ↓게시글/댓글 DB ↓Subreddit별 사용자 프로필 ↓┌──────────────────────┐│ Agent 1 ││ 시장/문제/상품 발굴 │└──────────────────────┘ ..

OpenAI의 GPT 모델을 API로 서비스에 적용할 때 가장 고민되는 부분은 결국 두 가지다.“어떤 모델이 가장 성능이 좋은가?”그리고“그 성능에 얼마를 지불해야 하는가?”현재 OpenAI의 GPT-5.6 계열은 크게 Luna, Terra, Sol 세 가지 모델로 나뉜다.단순하게 정리하면 다음과 같다.Luna = 저렴한 대량 처리 모델Terra = 가격과 성능의 균형 모델Sol = 최고 수준의 복잡한 추론 모델특히 세 모델 모두 추론 강도를 조절할 수 있기 때문에 서비스의 성격에 따라 상당히 세밀한 비용 최적화가 가능하다.이번 글에서는 GPT-5.6 Luna, Terra, Sol의 API 가격, 추론 성능, 벤치마크, 그리고 실제 서비스에서 어떻게 모델을 선택하면 좋은지 정리해본다.1. GPT-6이 아..