Systems Thinking on Haxlys's Bloghttps://hugo-blog-static-site.haxlys.workers.dev/frameworks/systems-thinking/Recent content in Systems Thinking on Haxlys's BlogHugo -- 0.152.2kr-koWed, 15 Jul 2026 23:46:05 +0900클라우드 소프트웨어 팩토리 — 코딩 에이전트를 ROI가 보이는 개발 시스템으로 바꾸는 법https://hugo-blog-static-site.haxlys.workers.dev/posts/cloud-software-factory/Wed, 15 Jul 2026 23:46:05 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/cloud-software-factory/Zach Lloyd가 제안하는 클라우드 소프트웨어 팩토리의 개념과 구조를 정리한다. 이슈 분류부터 배포·모니터링까지 에이전트와 사람이 협력하는 개발 자동화 루프, 핵심 인프라, ROI 측정법, 벤더 선택 기준을 살펴본다.우리에게 남은 일은 무엇인가 — ICML 2026 키노트에서 본 AI 시대 일자리https://hugo-blog-static-site.haxlys.workers.dev/posts/what-will-be-left-for-us-to-work/Wed, 15 Jul 2026 11:14:28 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/what-will-be-left-for-us-to-work/Arvind Narayanan의 ICML 2026 키노트를 바탕으로, AI as Normal Technology 프레임워크, 능력-신뢰성 격차, Decide-Execute-Deliver 구조, 그리고 평가로 이동하는 인간 역할 변화를 정리한다.자기개선을 위한 하네스 엔지니어링 - 모델을 둘러싼 시스템이 진짜 무대다https://hugo-blog-static-site.haxlys.workers.dev/posts/harness-engineering-for-self-improvement/Wed, 08 Jul 2026 23:48:50 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/harness-engineering-for-self-improvement/Lilian Weng의 글을 바탕으로, AI 자기개선에서 모델 가중치뿐 아니라 도구, 메모리, 워크플로, 평가 루프를 묶는 하네스가 왜 중요한 최적화 대상인지 정리한다.AI 프로토타입 시대에도 여전히 엔지니어가 필요한 이유https://hugo-blog-static-site.haxlys.workers.dev/posts/yes-we-still-need-engineers/Wed, 17 Jun 2026 14:55:58 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/yes-we-still-need-engineers/AI 코딩 도구가 프로토타입 제작을 빠르게 만들었지만, 실제 제품화에는 백엔드, 테스트, 보안, 운영, 접근성, 확장성 등 엔지니어링 판단이 여전히 필요하다는 관점을 정리한다.AI가 소프트웨어 엔지니어를 대체하지 못한 이유, 그리고 앞으로도 대체하지 못할 이유https://hugo-blog-static-site.haxlys.workers.dev/posts/why-ai-hasnt-replaced-software-engineers/Sat, 13 Jun 2026 17:15:01 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/why-ai-hasnt-replaced-software-engineers/AI가 코딩 능력에서 가장 빠르게 진보했음에도 소프트웨어 엔지니어를 대체하지 못한 구조적 이유를 Decide-Execute-Deliver Sandwich 모델을 중심으로 분석한다.Senior에서 Staff로 성장하는 법 — AI 시대의 마인드셋 전환과 세 가지 차원https://hugo-blog-static-site.haxlys.workers.dev/posts/senior-to-staff-engineer-growth/Wed, 10 Jun 2026 13:34:39 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/senior-to-staff-engineer-growth/Jordan Cutler가 제시하는 Senior에서 Staff Engineer로 성장하는 핵심 마인드셋 — Surface Area 확장, 팀 간 영향력, 확장 가능한 시스템 구축의 세 가지 차원과 실전 사례.왜 시니어 개발자는 자신의 전문성을 전달하는 데 실패할까https://hugo-blog-static-site.haxlys.workers.dev/posts/why-senior-developers-fail-to-communicate-summary/Thu, 14 May 2026 10:34:54 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/why-senior-developers-fail-to-communicate-summary/Tuhin Nair의 글을 바탕으로, 시니어 개발자가 복잡성 관리 언어로 말할 때 비개발 조직과 왜 엇갈리는지 핵심 논지를 정리했다.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.Palantir Ontology 핵심 : 데이터 중심을 넘어 의사결정 중심 아키텍처로https://hugo-blog-static-site.haxlys.workers.dev/posts/palantir-ontology-decision-centric-architecture/Mon, 04 May 2026 12:12:20 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/palantir-ontology-decision-centric-architecture/Palantir가 제시한 Ontology의 핵심을 데이터·로직·액션·보안 4요소와 Onyx 사례 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.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.Marc Andreessen의 AI 혁명론: 80년의 밤샘 성공과 소프트웨어 아키텍처의 재발명https://hugo-blog-static-site.haxlys.workers.dev/posts/pmarca-ai-revolution/Sat, 11 Apr 2026 17:57:32 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/pmarca-ai-revolution/Marc Andreessen이 Latent Space 팟캐스트에서 제시한 AI 혁명론 . 80년 축적된 연구의 결실, 4가지 돌파구, 닷컴 버블과의 차이, Pi+OpenClaw 아키텍처, 소프트웨어 풍부성 시대를 다룬다.AI 에이전트의 지속적 학습: 모델·하네스·컨텍스트 3계층 학습 프레임워크https://hugo-blog-static-site.haxlys.workers.dev/posts/continual-learning-for-ai-agents/Sat, 11 Apr 2026 17:48:21 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/continual-learning-for-ai-agents/AI 에이전트의 학습은 모델 가중치 업데이트만이 아니라 모델·하네스·컨텍스트 3계층에서 각각 독립적으로 발생할 수 있다는 LangChain의 지속적 학습 프레임워크를 한다.AI 시대에 대규모 software 팀의 역할https://hugo-blog-static-site.haxlys.workers.dev/software/large-software-teams-ai-age/Tue, 24 Mar 2026 18:03:21 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/large-software-teams-ai-age/AI가 개발 생산성을 극적으로 높였지만, 대규모 팀이 완전히 사라지는 것은 아니다. 최소 팀 규모는 줄어들고, 팀을 구성하는 이유가 달라지고 있다.