오늘도 공부

NVIDIA SoL-Pi가 보여주는 ‘모델이 아니라 하네스를 최적화하는 방법’최근 AI 코딩 에이전트를 사용하다 보면 한 가지 재미있는 현상을 볼 수 있다.모델 자체는 상당히 똑똑하다.그런데 일을 오래 시키기 시작하면 토큰 사용량이 빠르게 늘어나고, 응답은 점점 무거워진다.특히 Codex나 Claude Code 같은 코딩 에이전트가 실제 작업을 수행하는 과정을 살펴보면 그 이유를 어느 정도 이해할 수 있다.대략 다음과 같은 루프가 반복된다.사용자 요청 ↓LLM 판단 ↓Tool 호출 ↓실행 결과 ↓LLM 판단 ↓다음 Tool 호출 ↓실행 결과 ↓LLM 판단 ...파일을 읽고, 수정하고, 테스트를 실행하고, 로그를 읽고, 다시 수정한다.이 방식은 에이전트 시스템의 기본적인 동작 ..

더 똑똑한 모델에는 더 짧고 명확한 지시가 필요하다GPT-6 Astra가 등장하면서 프롬프트 엔지니어링의 방향도 조금 달라졌다.이전 모델에서는 개발자가 모델의 행동을 하나하나 명시하는 경우가 많았다.“관련 파일을 모두 읽어라.”“작업이 끝나면 테스트하라.”“스스로 결과를 다시 검토하라.”“문제가 해결될 때까지 계속 작업하라.”하지만 GPT-6 Astra에서는 이런 지시를 무조건 많이 넣는 것이 반드시 좋은 전략은 아니다.OpenAI 공식 문서에서도 Astra가 이전 모델보다 instruction following과 장기 작업 수행 능력이 향상되었으며, 반대로 AGENTS.md, Skill 파일 등 컨텍스트에 포함된 지시의 영향을 더 민감하게 받을 수 있다고 설명한다. 따라서 기존 모델을 위해 쌓아놓은 지..

AI 코딩 도구를 팀에서 사용하기 시작하면 금방 새로운 문제가 생긴다.누군가는 Claude Code를 사용하고, 다른 개발자는 Codex나 Cursor를 사용한다. 개발자마다 사용하는 SKILL.md, 코딩 규칙, MCP 서버, 프롬프트, 개발 지식도 달라진다.결국 AI를 사용하면서 쌓인 경험이 개인의 로컬 환경에만 남는 문제가 발생한다.Tencent가 공개한 TeamAI CLI는 이 문제를 해결하기 위한 오픈소스 프로젝트다.단순한 Skill 동기화 도구라기보다는,팀의 AI 개발 환경을 하나의 Git 저장소를 기준으로 관리하는 AI Agent Harness에 가깝다.현재 TeamAI는 Claude Code, Codex, Cursor, CodeBuddy, WorkBuddy, OpenCode, Qoder 등..

X에서 Michael Guo(@Michaelzsguo) 님 x.com 어제 꽤 흥미로운 MiniMax H3 LoRA 하나를 발견했다.Playtime-AI라는 사용자가 MiniMax H3용 Sydney Sweeney 인물 LoRA를 공개했는데, 파일 크기가 겨우 155MB다. 실제 Hugging Face에 올라온 MM-H3 - Sydney Sweeney.safetensors 파일도 155MB로 확인된다.이 LoRA를 MiniMax H3와 함께 로드하면 별도의 레퍼런스 이미지를 넣지 않고도 프롬프트에 Sydney Sweeney라는 이름을 적어 해당 인물의 외형적 특징을 반영한 영상을 만들 수 있다.여기서 재미있는 질문이 생긴다.한 사람의 얼굴은 어떻게 155MB짜리 파일 안에 들어갈 수 있을까?그리고 왜 수..

Anthropic Commerce Agents에서 읽어낸 프로덕션 AI 에이전트 아키텍처AI 에이전트를 만들기 시작하면 꽤 자연스럽게 이런 구조를 떠올리게 된다.사용자 ↓Router Agent ├─ Search Agent ├─ Recommendation Agent ├─ Order Agent ├─ Customer Support Agent ├─ Payment Agent └─ Analytics Agent업무별로 전문가를 하나씩 두는 것이다.사람 조직을 생각하면 합리적으로 보인다.검색은 검색 전문가에게 맡기고, 결제는 결제 전문가에게 맡기고, 고객지원은 고객지원 전문가에게 맡기면 더 잘하지 않을까?최근 몇 년 동안 많은 AI Agent Framework가 이런 Multi-Agent Architect..

AI 영상 생성은 늘 매력적이었지만, 동시에 꽤 부담스러운 작업이었습니다.프롬프트를 하나 입력하고 몇 분을 기다렸는데 결과가 마음에 들지 않으면 다시 만들어야 합니다. 문제는 재생성할 때마다 시간과 비용이 또 들어간다는 점이었습니다.그래서 자연스럽게 이런 생각을 하게 됩니다.“이번에는 한 번에 제대로 만들어야 한다.”그런데 이 전제가 무너지기 시작했습니다.2026년 9월 3일 fal이 공개한 MiniMax H3 Max Turbo 때문입니다.현재 프로모션 가격 기준으로 768p 5초 영상 한 편을 만드는 비용은 약 8엔. fal이 공개한 자체 측정 결과에서는 5초 영상을 생성하는 데 1.4초가 걸렸습니다. 원문이 비교한 다른 상위 영상 모델들과 비교하면 비용 차이는 수십 배에 이릅니다.5초짜리 영상을 다 ..

Writing DNA Skill 분석AI에게 특정 사람처럼 글을 쓰게 만드는 가장 흔한 방법은 간단합니다.“이 글들을 참고해서 비슷한 스타일로 써줘.”하지만 이 방식은 결과가 상당히 불안정합니다.어떤 때는 말투만 비슷하고, 어떤 때는 문장 구조만 비슷합니다. 글이 길어지면 처음에 잡았던 스타일도 쉽게 무너집니다.writing-dna-skill은 이 문제를 조금 다른 방식으로 접근합니다.원문을 바로 모방시키지 않고 먼저 작가의 글쓰기 방식을 분석해서 ‘Writing DNA’라는 명시적인 규칙 집합으로 만들어 둡니다.그리고 글을 쓸 때마다 이 DNA와 실제 원문을 다시 읽게 합니다. 저장소는 이를 최소 20편 이상의 완성된 글을 기반으로 수행하도록 설계하고 있습니다.1. 한 문장으로 정의하면writing-d..

최근 해외 SNS에서 흥미로운 SEO 방법 하나가 공유되고 있다.방법은 놀랄 만큼 단순하다.경쟁이 적은 키워드를 하나 찾는다.Google Docs에서 문서를 만든다.그 키워드를 중심으로 콘텐츠를 작성한다.문서를 공개하고 SNS에 공유한다.그리고 마지막에는 꽤 자극적인 문장이 붙는다.“Rank on the 1st page of Google.”즉, 별도의 웹사이트나 블로그를 만들지 않고도 Google Docs 문서 하나로 구글 검색 첫 페이지를 노릴 수 있다는 이야기다.처음 보면 정말 ‘SEO 해킹’처럼 들린다.그런데 이 방법을 그대로 믿기보다는 한 단계 다르게 볼 필요가 있다.이 전략의 진짜 가치는 Google Docs로 검색 1위를 만드는 것보다,돈과 시간을 들여 웹사이트 콘텐츠를 만들기 전에 어떤 주제..

AI 코딩 도구의 다음 단계는 단순히 코드를 대신 작성하는 것이 아닐 수 있다.Cursor, Claude Code, Codex 같은 코딩 에이전트가 등장하면서 개발자는 이미 상당한 양의 구현 작업을 AI에게 맡길 수 있게 됐다. 하지만 새로운 문제가 생겼다.AI 에이전트가 늘어날수록 사람이 다시 에이전트를 관리해야 한다.어떤 에이전트가 무엇을 하고 있는지 확인하고, 실패한 테스트를 다시 실행시키고, 결과물을 검토하고, 다음 지시를 내려야 한다. 동시에 여러 에이전트를 실행하기 시작하면 개발자는 오히려 새로운 형태의 관리 업무에 빠질 수 있다.Lingxi Li가 공개한 Grok Bot 활용 방식은 이 문제에 대해 흥미로운 방향을 보여준다.핵심은 단순하다.사람이 코딩 에이전트를 직접 관리하지 않고, 또 다른..

intent.md에서 시작해 테스트·배포·운영까지 이어지는 ‘AI-Native SDLC’의 정체최근 AI 코딩 도구를 사용하는 개발자라면 묘한 경험을 하게 된다.몇 시간 걸리던 코드를 Claude Code나 다른 코딩 에이전트가 몇 분 만에 작성한다. 기능 하나를 구현하는 시간은 크게 줄었다. 그런데 프로젝트 전체가 그만큼 빨라졌느냐고 물으면 이야기가 달라진다.요구사항을 정리해야 한다. 설계를 검토해야 한다. 테스트해야 한다. Pull Request를 리뷰해야 한다. 보안 정책도 확인해야 한다. 배포 승인도 받아야 한다.코드는 빨라졌는데 코드 주변의 프로세스는 여전히 인간의 속도로 움직인다.Anthropic은 바로 이 지점을 문제로 삼았다.2026년 8월 21일 Anthropic은 Louis Claxto..