오늘도 공부

AI는 이제 단순히 질문에 답하는 도구를 넘어 미래를 시뮬레이션하는 도구로 발전하고 있습니다.최근 GitHub에서 공개된 MiroFish는 이런 흐름을 잘 보여주는 프로젝트입니다. 이 프로젝트는 **다수의 AI Agent가 가상의 세계에서 상호작용하며 미래를 예측하는 “Swarm Intelligence 기반 예측 엔진”**입니다. (GitHub)예를 들어 다음과 같은 질문을 던질 수 있습니다.특정 기업의 주가가 상승할까?어떤 정책이 시행되면 여론은 어떻게 변할까?특정 사건 이후 시장 반응은 어떻게 움직일까?MiroFish는 이러한 질문을 다수의 AI 에이전트 시뮬레이션을 통해 예측합니다. MiroFish/README-EN.md at main · 666ghj/MiroFishA Simple and Unive..

AI 코딩 도구를 사용해 프론트엔드를 만들다 보면 이런 경험을 자주 하게 됩니다.UI는 동작하지만 어딘가 평범하고 AI 티가 난다디자인 일관성이 없다반복적인 수정 요청을 해야 한다이 문제를 해결하기 위해 등장한 프로젝트가 **Impeccable**입니다.Impeccable은 AI에게 더 나은 디자인 판단 기준과 명령어 체계를 제공해서, LLM이 만드는 UI의 품질을 높여주는 프론트엔드 디자인 스킬셋입니다.이번 글에서는 **Claude Code**에서 Impeccable을 실제로 적용하고 사용하는 방법을 단계별로 정리해보겠습니다.1. Impeccable이 Claude Code에서 하는 역할Claude Code에서 Impeccable은 단순한 프롬프트 모음이 아닙니다.AI가 UI를 생성하고 개선할 때 사용할..

Impeccable은 AI 코딩 도구가 더 나은 프론트엔드 결과물을 만들도록 유도하는 디자인 스킬 + 명령어 모음입니다. 저장소 설명 그대로 보면, 이 프로젝트는 “1개의 핵심 스킬, 17개의 명령, 그리고 큐레이션된 안티패턴”으로 구성되어 있으며, 목표는 흔한 AI 생성 UI의 전형성을 줄이고 더 완성도 높은 인터페이스를 만들게 하는 것입니다. 작성자는 Paul Bakaus이며, README에서는 Anthropic의 frontend-design 스킬을 기반으로 더 깊은 가이드와 더 많은 제어 수단을 추가한 프로젝트라고 설명합니다. (GitHub)이 프로젝트가 흥미로운 이유는, 보통 “AI가 UI를 잘 만들게 하려면 모델이 더 똑똑해야 한다”는 방향으로 생각하기 쉬운데, Impeccable은 반대로 모델..

GitHub - shareAI-lab/learn-claude-code: Bash is all you need - A nano Claude Code–like agent, built from 0 to 1Bash is all you need - A nano Claude Code–like agent, built from 0 to 1 - shareAI-lab/learn-claude-codegithub.com프로젝트 소개이 저장소를 한 문장으로 설명하면 이렇습니다.“Claude Code 스타일의 에이전트를 가장 단순한 루프에서 시작해, 점진적으로 실제적인 메커니즘까지 확장해 보는 학습용 레퍼런스 구현.” 구성도 꽤 명확합니다.agents/에는 s01부터 s12까지의 Python 레퍼런스 구현과 s_full.py 캡..

AI 애플리케이션이 점점 많아지면서 **“AI가 직접 UI를 만들어주는 방식”**이 새로운 패러다임으로 떠오르고 있습니다.이번 글에서는 **Vercel Labs에서 공개한 오픈소스 프로젝트 json-render**를 소개합니다.이 프로젝트는 AI → JSON → UI 흐름을 통해 사용자가 프롬프트만으로 UI를 생성하도록 만드는 Generative UI 엔진입니다. (GitHub)단순히 데이터를 생성하는 AI가 아니라인터페이스 자체를 생성하는 AI 시스템을 만들고 싶다면 꽤 흥미로운 프로젝트입니다.프로젝트 소개JSON Render는 AI가 생성한 JSON 구조를 기반으로 React 컴포넌트를 동적으로 렌더링하는 라이브러리입니다.핵심 아이디어는 매우 단순합니다.AI → JSON → UI사용자가 프롬프트 입력..

LLM은 이제 단순히 텍스트를 생성하는 도구를 넘어 도구를 사용하고, 작업을 수행하며, 여러 단계를 거쳐 문제를 해결하는 Agent로 발전하고 있습니다.이번 글에서는 Alibaba의 Qwen 팀이 공개한 Qwen-Agent 프로젝트를 살펴보겠습니다.이 프로젝트는 Qwen 모델을 기반으로 Tool 사용, 코드 실행, 웹 검색, 멀티 에이전트 협업 등을 구현할 수 있는 Agent 프레임워크입니다. =3.0, featuring Function Calling, MCP, Code Interpr" data-og-description="Agent framework and applications built upon Qwen>=3.0, featuring Function Calling, MCP, Code Interpret..

AI Agent가 점점 발전하면서 단순한 챗봇 수준을 넘어 개발자, 마케터, 디자이너 같은 역할을 수행하는 Agent 시스템이 등장하고 있습니다.이러한 흐름 속에서 등장한 프로젝트가 바로 Paperclip입니다.Paperclip은 여러 AI Agent를 조직처럼 관리하고 협업시키는 AI 회사 운영 플랫폼입니다.즉, “AI 직원들로 구성된 회사를 운영하는 운영체제(OS)” 같은 개념입니다. (GitHub)프로젝트 소개Paperclip은 여러 AI Agent를 하나의 조직으로 묶어 목표 기반으로 자동 협업하도록 orchestration(오케스트레이션) 하는 오픈소스 플랫폼입니다. (GitHub)기술적으로는 다음과 같은 구조로 만들어져 있습니다.Node.js 기반 서버React 기반 UI 대시보드다양한 AI ..

AI 기반 개발 도구가 점점 많아지면서 AI와 함께 진행한 개발 과정을 공유하는 것이 중요해지고 있습니다.하지만 대부분의 경우 AI와의 대화 기록은 로그 형태로 남기 때문에, 다른 사람에게 보여주기 어렵습니다.이번 글에서는 Claude Code 세션 로그를 인터랙티브하게 재생할 수 있는 HTML로 변환해주는 CLI 도구Claude Replay를 소개합니다. GitHub - es617/claude-replay: Community tool to convert Claude Code session transcripts into self-contained, embeddable HTML repCommunity tool to convert Claude Code session transcripts into self-..

1. 우선 codex 설정 파일을 찾습니다. 맥으로 기본 위치는 ~/.codex/config.toml 입니다. 코드 에디터로 열고2. 아래 내용을 추가해줍니다.model = "gpt-5.4"model_context_window = 1000000model_auto_compact_token_limit = 9000003. 그리고 /statusline 에서 context-window-size 를 확인하시면 됩니다. 4. 마지막으로 채팅을 한번 하시면 950K로 변경이 됩니다. 이상입니다.

AI 코딩 에이전트가 점점 발전하면서 개발자의 역할도 바뀌고 있습니다.이제 개발자가 **직접 코드를 작성하기보다 “작업을 관리하는 역할”**에 가까워지고 있습니다.이러한 흐름 속에서 OpenAI가 공개한 프로젝트가 바로 Symphony입니다.Symphony는 프로젝트 관리 도구의 티켓을 읽고, 각 작업을 **독립적인 AI 구현 실행(run)**으로 변환하여 자동으로 코드를 작성하고 PR까지 생성하는 AI 에이전트 오케스트레이션 시스템입니다. (GitHub)이 글에서는 Symphony가 어떤 프로젝트인지, 어떤 구조로 동작하는지, 그리고 실제로 개발 환경에서 어떻게 활용할 수 있는지 살펴보겠습니다.프로젝트 소개Symphony는 OpenAI에서 공개한 오픈소스 프로젝트로,프로젝트 관리 시스템의 작업을 AI ..