오늘도 공부

35B 모델이 거대 AI를 따라잡는 방법인공지능 모델의 발전은 오랫동안 하나의 방향으로 설명됐다.더 많은 데이터를 학습하고, 더 많은 연산을 투입하고, 더 많은 파라미터를 가진 모델을 만든다. 모델이 커질수록 더 복잡한 문제를 해결할 수 있다는 것이 대규모 언어 모델의 기본적인 성장 공식이었다.그런데 InternScience가 공개한 Agents-A1은 조금 다른 질문을 던진다.모델의 크기를 계속 키우는 대신, AI가 한 번에 수행할 수 있는 작업의 길이를 늘리면 어떨까?Agents-A1의 기술 보고서 제목은 이 질문을 그대로 담고 있다.“Scaling the Horizon, Not the Parameters”파라미터가 아니라 ‘지평선’을 확장한다는 의미다. 여기서 지평선, 즉 Horizon은 AI가 하..

범용 AI 프로젝트 하네스 설계 방법론AI에게 작업을 한 번 요청하는 방식에서 벗어나, 계획·실행·검증·릴리스를 반복 가능하고 감사 가능한 공정으로 만드는 방법1. 문서의 목적이 문서는 웹서비스, 모바일 앱, 게임, 영상, 데이터 파이프라인, 문서 제작 등 서로 다른 프로젝트에 적용할 수 있는 AI 작업 하네스의 설계 원칙과 구현 절차를 정의한다.여기서 하네스는 모델 자체가 아니다. 모델이 프로젝트 안에서 일관되게 작업하도록 다음 요소를 제공하는 실행 구조다.작업 순서와 판단 규칙파일 기반의 영속 상태단계별 입력·출력 계약반복 작업을 처리하는 결정론적 스크립트자동 검증과 사람의 승인 게이트재개, 부분 수정, 실패 복구 규칙최종 결과물 패키징 방식핵심 목표는 “좋은 결과를 한 번 얻는 것”이 아니라 “같은..

1. 짧은 분석 요약phuryn/pm-skills는 일반적인 앱 저장소라기보다 AI 에이전트가 제품관리 업무를 더 구조적으로 수행하도록 만드는 “스킬/커맨드 마켓플레이스”에 가깝습니다.README 기준으로 이 저장소는 9개 PM 플러그인, 68개 스킬, 42개 체인 워크플로우를 제공한다고 설명합니다. GitHub 저장소 화면 기준으로는 약 24k stars, 2.4k forks, 62 commits가 표시됩니다. 루트에는 pm-product-discovery, pm-product-strategy, pm-execution, pm-market-research, pm-data-analytics, pm-go-to-market, pm-marketing-growth, pm-toolkit, pm-ai-shipping..

gemma-skills/skills/gemma-trainer at main · google-gemma/gemma-skillsSkills for the Gemma and model/agent interactions. Contribute to google-gemma/gemma-skills development by creating an account on GitHub.github.com Google이 오픈소스 저장소 **google-gemma/gemma-skills**에 **gemma-trainer**라는 AI 에이전트용 스킬을 추가했습니다.이 도구의 목적은 사용자가 복잡한 학습 설정을 직접 다루지 않아도, AI에게 자연어로 요청해 자신의 컴퓨터에서 Gemma 모델을 미세조정할 수 있게 하는 것입니다.1. ..

구현보다 설계에 더 많은 시간을 쓰게 된 AI 코딩 개발 방식몇 년 전까지만 해도 소프트웨어 개발에서 가장 많은 시간이 들어가는 일은 코드를 작성하는 것이었다.요구사항을 확인하고, 적절한 라이브러리를 찾고, 함수를 만들고, 오류를 수정하고, 테스트를 작성했다. 설계가 중요하다는 사실은 모두 알고 있었지만, 실제 업무 시간의 상당 부분은 결국 구현에 사용됐다.AI 코딩 에이전트를 본격적으로 사용하기 시작하면서 이 흐름이 달라졌다.지금은 내가 직접 코드를 작성하는 일이 거의 없다. 그렇다고 개발에 사용하는 시간이 줄어든 것은 아니다. 오히려 AI와 설계를 논의하고, 작업을 독립적인 단위로 나누고, 여러 에이전트가 동시에 작업할 수 있도록 환경을 만드는 데 더 많은 시간을 쓰고 있다.개발의 중심이 구현에서 설..

Flutter에서 상태관리는 늘 중요한 주제입니다.처음에는 setState로 충분해 보입니다. 하지만 화면이 복잡해지고, 상태가 여러 위젯에 걸쳐 공유되기 시작하면 이야기가 달라집니다.검색창에 글자 하나를 입력했을 뿐인데 카드 목록 전체가 다시 그려진다거나, 좋아요 버튼 하나를 눌렀는데 부모 위젯과 형제 위젯까지 rebuild되는 상황을 경험해 본 적이 있다면, 이 글의 주제는 꽤 흥미로울 수 있습니다.최근 Flutter 생태계에서 다시 주목받고 있는 개념이 있습니다. 바로 Signals입니다.Signals는 새로운 개념은 아닙니다. 웹 프론트엔드에서는 이미 SolidJS, Preact, Angular 등에서 fine-grained reactivity, 즉 세밀한 반응형 업데이트 방식으로 활용되어 왔습니..

Flue란?Flue는 TypeScript로 AI 에이전트를 만들기 위한 프레임워크입니다.Claude Code 같은 코딩 에이전트가 사용하는 하네스 기반 아키텍처를 채택하고 있으며, 다양한 AI 모델을 에이전트처럼 사용할 수 있게 해줍니다.Flue의 기반에는 Pi라는 “minimal terminal coding harness”가 사용됩니다. Pi는 터미널에서 코딩 에이전트를 실행하는 데 필요한 최소 기능을 제공하는 하네스이고, Flue는 이를 바탕으로 더 고급 에이전트 구축과 관리를 가능하게 합니다.Flue가 제공하는 주요 구성요소Flue는 AI 에이전트 개발에 필요한 기능을 통합적으로 제공합니다.구성요소설명에이전트컨텍스트를 유지하며 자율적으로 작업하는 AI 모델워크플로우작업을 단계별로 구조화한 프로세스i..

Agent Harness, Loop Engineering, LLMOps, Eval, Tracing, RAG를 한 번에 이해하기이 글은 업로드된 영어 자동 생성 자막을 바탕으로 핵심 내용을 한국어로 번역·재구성하고, 외부 공개용 브런치 글로 읽히도록 설명과 예제를 보강한 원고입니다. 원문은 AI 에이전트 시스템에서 자주 등장하는 Agent Harness, Loop Engineering, LLMOps, Eval, Tracing, RAG를 하나의 구조로 연결해 설명합니다.1. 들어가며: 요즘 AI 에이전트 논의가 어려워 보이는 이유요즘 AI 에이전트 이야기를 따라가다 보면 낯선 단어가 계속 등장합니다. Agent Harness, Loop Engineering, LLMOps, Eval, Tracing, RAG,..

AI 코딩 모델의 경쟁은 지금까지 주로 “얼마나 좋은 코드를 생성하느냐”에 집중되어 있었다.하지만 실제 개발 현장에서 중요한 것은 단순 코드 생성이 아니다.문제를 읽고, 환경을 이해하고, 테스트를 돌리고, 실패 원인을 찾고, 다시 수정하고, 최종적으로 동작하는 결과를 만드는 과정 전체가 중요하다.이런 흐름을 우리는 보통 Agentic Coding, 즉 에이전트형 코딩이라고 부른다.DeepReinforce가 공개한 Ornith-1.0은 바로 이 지점을 겨냥한 오픈소스 모델 패밀리다. 핵심은 단순하다.모델이 코드만 잘 짜는 것이 아니라, 문제를 풀기 위한 작업 절차와 보조 구조, 즉 scaffold까지 스스로 개선한다는 것이다. (DeepReinforce)1. Ornith-1.0은 무엇인가?Ornith-1...

GitHub - mattpocock/skills: Skills for Real Engineers. Straight from my .claude directory.Skills for Real Engineers. Straight from my .claude directory. - mattpocock/skillsgithub.com 핵심 개념이 저장소의 스킬은 크게 두 종류입니다.User-invoked skill은 사용자가 직접 /grill-me, /to-prd처럼 호출하는 명령형 스킬입니다.Model-invoked skill은 에이전트가 작업 중 필요할 때 자동으로 참고하거나 호출하는 내부 절차형 스킬입니다. README도 이 둘을 “누가 호출할 수 있는가” 기준으로 나눈다고 설명합니다. (GitHub)즉, ..