First Principles on Haxlys's Bloghttps://hugo-blog-static-site.haxlys.workers.dev/frameworks/first-principles/Recent content in First Principles on Haxlys's BlogHugo -- 0.152.2kr-koWed, 01 Jul 2026 11:51:33 +0900Technological Involution - 기술 정체를 넘어 새 기술로 가는 조건https://hugo-blog-static-site.haxlys.workers.dev/posts/technological-involution/Wed, 01 Jul 2026 11:51:33 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/technological-involution/Rohan Ganapavarapu의 Technological Involution을 바탕으로, 기술 정체와 창업 문화의 매너리즘을 넘어 다시 기술에 대한 확신을 회복하는 조건을 정리했다.Modern Engineering Values — AI 시대, 코딩이 병목이 아닐 때 엔지니어에게 남은 것https://hugo-blog-static-site.haxlys.workers.dev/posts/modern-engineering-values/Wed, 10 Jun 2026 21:25:35 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/modern-engineering-values/Christoph Nakazawa가 AI 코딩 에이전트 시대에 엔지니어링의 핵심 가치가 어떻게 변화하는지 실제 경험을 바탕으로 정리한 Modern Engineering Values의 핵심 내용AI 하드웨어 시장: 컴퓨트가 아니라 메모리 병목이 승부를 가른다https://hugo-blog-static-site.haxlys.workers.dev/software/ai-hardware-memory-bottleneck-market-map/Wed, 27 May 2026 10:58:43 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/ai-hardware-memory-bottleneck-market-map/AI 하드웨어 시장은 연산량 경쟁에서 메모리 대역폭 경쟁으로 이동하고 있습니다. 칩, 인퍼런스 엔진, KV 캐시, 패키징 계층별로 어떤 기업이 병목을 공략하는지 정리합니다.LLM 추론 파이프라인 완전 해부: Prefill, Decode, KV Cache, Quantizationhttps://hugo-blog-static-site.haxlys.workers.dev/posts/llm-inference-prefill-decode-kv-cache/Mon, 04 May 2026 22:21:45 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/llm-inference-prefill-decode-kv-cache/프롬프트 입력부터 토큰 스트리밍까지, LLM 추론이 실제로 어떻게 돌아가는지 Prefill/Decode 분리와 KV 캐시 중심으로 정리합니다.The 20 Software Engineering Laws 핵심 정리https://hugo-blog-static-site.haxlys.workers.dev/posts/the-20-software-engineering-laws-summary/Mon, 04 May 2026 12:22:55 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/the-20-software-engineering-laws-summary/Dr. Milan Milanović의 'The 20 Software Engineering Laws'를 6개 주제와 실무 적용 포인트 중심으로 정리한 글.에이전틱 엔지니어링 매니지먼트 — EM 역할에 에이전트를 적용하면 무엇이 보이는가https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-engineering-management/Tue, 28 Apr 2026 00:05:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-engineering-management/Peter Szász가 제안하는 사고 실험 — 엔지니어링 매니저(EM) 역할을 Execution·Team Dynamics·Personal Development로 분해하고, 자율성 적합도(Autonomy Fitness)와 신뢰 경사(Trust Gradient)라는 두 축으로 어디까지 에이전트에게 맡길 수 있는지 평가한다.LLM API의 숨은 비용 — 백만 토큰당 가격 비교를 멈춰라https://hugo-blog-static-site.haxlys.workers.dev/posts/hidden-llm-api-costs/Sat, 18 Apr 2026 12:05:59 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/hidden-llm-api-costs/TensorZero의 Gabriel Bianconi가 실증한 LLM 가격의 함정 — 동일 입력이 모델에 따라 최대 2.65배 더 많은 토큰을 생성한다. 도구 정의 워크로드에서 claude-opus-4-7은 gpt-5.4 대비 리스트 가격은 2배지만 실효 비용은 5.3배다.Agentic Engine Optimization: AI 에이전트가 읽을 수 있는 문서를 만드는 새로운 규율https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-engine-optimization/Thu, 16 Apr 2026 10:00:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-engine-optimization/AI 코딩 에이전트가 개발자 문서를 소비하는 방식은 인간과 근본적으로 다르다. Addy Osmani가 제시하는 Agentic Engine Optimization(AEO)의 6계층 스택과 실무 체크리스트를 정리한다.에이전트 하네스의 해부학 — Anthropic, OpenAI, LangChain이 실제로 구축하는 것https://hugo-blog-static-site.haxlys.workers.dev/posts/anatomy-of-an-agent-harness/Sat, 11 Apr 2026 18:09:55 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/anatomy-of-an-agent-harness/Anthropic, OpenAI, LangChain 등이 구축하는 에이전트 하네스의 12가지 구성요소와 7가지 핵심 설계 결정을 분석한다. 동일 모델이라도 하네스 설계에 따라 성능이 20+ 랭킹 차이를 보인다.에이전틱 소프트웨어 엔지니어링 — 에이전트 구축은 쉽지만 프로덕션 운영은 분산 시스템 문제다https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-software-engineering/Sat, 11 Apr 2026 18:07:04 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-software-engineering/Ashpreet Bedi가 제시하는 에이전틱 소프트웨어 엔지니어링의 6가지 기둥(내구성·격리·거버넌스·지속성·규모·조합가능성)과 Build-Serve-Connect 3단계 프레임워크. 에이전트를 프로덕션 분산 시스템으로 다루는 체계적 접근법.LLM 에이전트를 위한 강화학습 환경 분류법 — 모델이 아닌 환경이 에이전트의 행동을 결정한다https://hugo-blog-static-site.haxlys.workers.dev/posts/rl-environments-for-llm-agents/Sat, 11 Apr 2026 18:00:44 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/rl-environments-for-llm-agents/모델 아키텍처가 아닌 RL 환경 설계가 에이전트 성능의 절반을 결정한다는 주장과 함께, 작업(T)·하네스(H)·검증기(V)·상태(S)·설정(C) 5요소 프레임워크를 상세히 분석한다.코딩 에이전트의 핵심 구성요소 — 모델이 아닌 하네스가 성능을 결정한다https://hugo-blog-static-site.haxlys.workers.dev/posts/components-of-a-coding-agent/Sat, 11 Apr 2026 17:59:06 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/components-of-a-coding-agent/Sebastian Raschka가 분석한 코딩 에이전트의 6가지 핵심 구성요소. 모델 자체보다 하네스 아키텍처(컨텍스트 관리, 도구 접근, 메모리, 서브에이전트 등)가 최종 성능을 결정한다는 주장.LLM 코딩에 은탄환은 없다 — Fred Brooks의 프레임워크로 본 AI 코딩 도구의 현실https://hugo-blog-static-site.haxlys.workers.dev/software/no-silver-bullet-for-llm-coding/Sat, 11 Apr 2026 16:53:35 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/no-silver-bullet-for-llm-coding/Django 핵심 기여자 James Bennett가 Fred Brooks의 '은탄환은 없다' 프레임워크를 통해 LLM 코딩 도구의 효과를 이론적·실증적으로 분석한 글 요약. METR, DORA, CircleCI 등의 데이터가 보여주는 현실.AI의 능력 향상은 비용 하락이 아닌 작업 범위 확대로 나타났다https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-capability-not-cost-reduction/Tue, 31 Mar 2026 10:15:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-capability-not-cost-reduction/AI 모델의 능력 향상이 주로 추론 비용 절감에서 온 것이 아니라, 모델이 더 길고 복잡한 작업을 처리할 수 있게 된 것에서 비롯된다는 반직관적인 관점을 다룬다.AI 에이전트의 미래는 이미 와 있지만, 아직 균등하게 퍼지지는 않았다https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-agents-future-context-gap/Tue, 31 Mar 2026 10:00:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-agents-future-context-gap/AI 에이전트의 미래에 대한 통찰. 테크 업계에서는 폭발적으로 성장 중인 코딩 에이전트와 달리, 일반 지식 노동자겐 아직 초기 단계. 가장 큰 장벽인 'Context Gap'을 분석하고 향후 기회를 제시한다.분산된 지능에서 검증 가능한 책임으로: Vint Cerf의 인터넷 아키텍처 제안https://hugo-blog-static-site.haxlys.workers.dev/posts/from-distributed-intelligence-to-verifiable-responsibility/Sat, 21 Mar 2026 21:34:32 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/from-distributed-intelligence-to-verifiable-responsibility/AI가 분산화되는 속도가 신뢰/책임 메커니즘보다 훨씬 빠른 현재, '검증 가능한 책임'을 인터넷 아키텍처 수준에서 설계해야 한다는 Vint Cerf의 논지를 정리합니다.진흙으로 만든 부가티: AI 시대의 엔지니어링 환상https://hugo-blog-static-site.haxlys.workers.dev/software/illusion-of-building/Sun, 08 Mar 2026 16:30:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/illusion-of-building/AI의 발전으로 누구나 소프트웨어를 쉽게 만드는 것처럼 보이지만, 실제 제품을 구축하는 것과 시스템을 엔지니어링하는 사이에는 거대한 간극이 존재합니다.엔지니어란 무엇인가?https://hugo-blog-static-site.haxlys.workers.dev/software/what-is-an-engineer/Wed, 14 Jan 2026 04:59:13 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/what-is-an-engineer/맥스 카낫-알렉산더(Max Kanat-Alexander)의 'What is an Engineer?'를 통해 AI 시대에 소프트웨어 엔지니어의 정체성과 역할에 대해 고찰합니다.