Haxlys's Bloghttps://hugo-blog-static-site.haxlys.workers.dev/Recent content on Haxlys's BlogHugo -- 0.152.2kr-koWed, 12 Aug 2026 14:12:24 +0900생성형 UI의 세 가지 길 — 통제형·선언형·개방형 인터페이스https://hugo-blog-static-site.haxlys.workers.dev/posts/generative-ui-three-approaches/Wed, 12 Aug 2026 14:12:24 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/generative-ui-three-approaches/boda.sh의 Generative UI 글을 바탕으로, AI가 의도에 맞춰 인터페이스를 생성하는 세 가지 방식과 실제 제품에서 이를 조합하는 방법을 정리한다.마찰은 기능이다 — AI가 낮춘 제작 비용과 판단의 공백https://hugo-blog-static-site.haxlys.workers.dev/posts/friction-is-a-feature-ai-judgment/Wed, 12 Aug 2026 13:01:12 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/friction-is-a-feature-ai-judgment/Emil Kowalski의 글을 바탕으로, AI가 제작 비용을 낮추면서 사라진 판단의 문턱을 어떻게 다시 설계해야 하는지 살펴본다.Coinbase가 AI 시대에 엔지니어 면접을 다시 설계한 방식https://hugo-blog-static-site.haxlys.workers.dev/posts/coinbase-ai-era-engineering-interviews/Wed, 12 Aug 2026 12:42:43 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/coinbase-ai-era-engineering-interviews/Coinbase가 AI 생성 코드의 확산에 맞춰 엔지니어 면접을 어떻게 재설계했는지, 세 단계의 실험과 세 가지 평가 신호를 중심으로 살펴본다.AI가 무엇이든 만들 수 있을 때, 남는 것은 취향이다https://hugo-blog-static-site.haxlys.workers.dev/posts/taste-is-all-thats-left/Sat, 08 Aug 2026 10:11:44 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/taste-is-all-thats-left/NotAShelf의 글을 바탕으로, AI가 제작 비용을 낮출수록 구현보다 선택·검증·삭제의 판단이 중요해지고 그 판단 감각은 마찰과 실패에서 형성된다는 주장을 살펴본다.AI 조언은 왜 사람을 더 확신에 찬 오답으로 이끄는가https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-advice-cognitive-surrender/Fri, 24 Jul 2026 12:26:16 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-advice-cognitive-surrender/AI의 조언이 사람의 판단을 돕기보다 무지를 인정하는 습관을 억누를 수 있다는 최신 연구와 실무적 대응 원칙을 정리한다.클라우드 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.AI 엔지니어링의 다음 단계 — AIEWF 2026이 보여준 5가지 변화https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-engineering-worlds-fair-2026-trends/Wed, 15 Jul 2026 23:44:55 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-engineering-worlds-fair-2026-trends/AI Engineer World’s Fair 2026에서 드러난 AI 엔지니어링의 다섯 가지 변화와, 에이전트를 실제 시스템에 적용하기 위해 필요한 하네스·루프·스킬의 역할을 정리한다.AI 에이전트 스킬 컴파일하기 — 토큰 사용량 94% 줄이는 방법https://hugo-blog-static-site.haxlys.workers.dev/posts/compiling-an-ai-agent-skill/Wed, 15 Jul 2026 23:44:04 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/compiling-an-ai-agent-skill/반복 실행되는 자연어 기반 에이전트 스킬에서 결정론적 작업을 코드로 옮기고, 의미 판단이 필요한 지점에만 LLM을 사용하는 방법을 정리한다.Control the ideas, not the code — 코드를 보지 말고 아이디어를 통제하라https://hugo-blog-static-site.haxlys.workers.dev/posts/control-the-ideas-not-the-code-antirez/Wed, 15 Jul 2026 11:16:55 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/control-the-ideas-not-the-code-antirez/antirez가 주장하는 AI 시대 프로그래밍의 핵심은 코드를 줄 단위로 읽는 것이 아니라, 설계·의도·품질을 통제하는 일로 이동한다는 점이다.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.AI는 가장 인간적인 기술이 될 수 있다https://hugo-blog-static-site.haxlys.workers.dev/posts/the-most-human-technology-ever-made/Tue, 14 Jul 2026 10:47:20 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/the-most-human-technology-ever-made/Anish A가 AI를 시간 절약 도구가 아니라 만들기와 자기표현을 확장하는 기술로 해석한 논지를 정리한다.토큰 가격은 어디로 가는가 — Benedict Evans가 제시한 네 가지 질문https://hugo-blog-static-site.haxlys.workers.dev/posts/ways-to-think-about-token-pricing/Sat, 11 Jul 2026 07:58:37 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ways-to-think-about-token-pricing/Benedict Evans가 분석한 토큰 가격의 불확실성, 공급 부족과 인프라 투자, 프런티어 모델의 경쟁, 그리고 모델 기업이 실제 가치를 얼마나 가져갈 수 있는지에 대한 네 가지 질문을 정리한다.데이터의 중요성 — AI 모델 경쟁의 진짜 해자는 어디에 있는가https://hugo-blog-static-site.haxlys.workers.dev/posts/data-moat-salience/Sat, 11 Jul 2026 07:56:15 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/data-moat-salience/MBI Deep Dives의 The Salience of Data를 바탕으로, AI 기업의 장기 경쟁력이 컴퓨트보다 데이터 접근권과 사용자 데이터 플라이휠에서 갈릴 수 있다는 주장을 살펴본다.Plan A 소개 - AI 시대를 위한 낙관적 통제 시나리오https://hugo-blog-static-site.haxlys.workers.dev/posts/introducing-plan-a/Sat, 11 Jul 2026 07:49:27 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/introducing-plan-a/Scott Alexander가 소개한 AI Futures Project의 Plan A를 바탕으로, 미·중 공동 통제, 검증 가능한 컴퓨트 거버넌스, 2035년 능력 상한과 2040년 이후의 발전 경로를 살펴본다.소프트웨어 품질은 문제의 부재다https://hugo-blog-static-site.haxlys.workers.dev/software/notes-on-software-quality/Thu, 09 Jul 2026 16:12:28 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/notes-on-software-quality/Anthony Hobday가 말하는 소프트웨어 품질의 신호, 조직 규모의 한계, 품질을 지키는 구체적인 방법을 정리한다.AI 시대에 살아남는 사람들 - David Brooks가 말하는 정신적 노력의 격차https://hugo-blog-static-site.haxlys.workers.dev/posts/mental-effort-ai-age-david-brooks/Thu, 09 Jul 2026 14:17:43 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/mental-effort-ai-age-david-brooks/David Brooks의 The People Who Will Thrive in the AI Age를 바탕으로, AI가 업무와 학습을 편하게 만드는 동시에 정신적 노력의 격차를 키울 수 있다는 관점을 정리한다.그래프 기반 에이전트 메모리: 공유 기억은 어떻게 안전해지는가https://hugo-blog-static-site.haxlys.workers.dev/posts/graph-based-agent-memory/Thu, 09 Jul 2026 13:51:57 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/graph-based-agent-memory/System Design Newsletter의 Graph based Agent Memory 글을 바탕으로, 여러 AI 에이전트가 하나의 기억을 안전하게 읽고 쓰려면 왜 그래프, 스키마, 브랜치, 커밋이 필요한지 정리한다.Apps After Agents: 에이전트 이후에도 앱이 남는 이유https://hugo-blog-static-site.haxlys.workers.dev/posts/apps-after-agents/Wed, 08 Jul 2026 23:50:25 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/apps-after-agents/Kyle Mathews의 Apps After Agents를 바탕으로, 에이전트가 지식 노동을 자동화해도 앱이 사라지지 않는 이유를 기반층, 카메라/엔진 모드, 자동화 실패 패턴 관점에서 다룬다.GenUI 디자인 — AI가 UI를 만들 때 디자이너가 설계해야 하는 것https://hugo-blog-static-site.haxlys.workers.dev/posts/designing-for-genui-ai-builds-ui/Wed, 08 Jul 2026 23:50:06 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/designing-for-genui-ai-builds-ui/gskinner의 GenUI 글을 바탕으로, AI가 런타임에 UI를 조립하는 시대에 디자이너의 일이 화면 설계에서 규칙, 컴포넌트, 가드레일 설계로 어떻게 이동하는지 정리했다.Understanding Is the New Bottleneck - AI 시대의 병목은 이해다https://hugo-blog-static-site.haxlys.workers.dev/posts/understanding-is-the-new-bottleneck-geoffrey-litt/Wed, 08 Jul 2026 23:49:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/understanding-is-the-new-bottleneck-geoffrey-litt/Geoffrey Litt의 Understanding Is the New Bottleneck을 바탕으로, AI가 구현 속도를 올릴수록 사람이 무엇을 이해해야 하는지와 그 이해가 왜 다음 병목이 되는지 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 확장의 다음 병목은 데이터다 — A Stargate for Data 읽기https://hugo-blog-static-site.haxlys.workers.dev/posts/stargate-for-data/Wed, 08 Jul 2026 16:28:18 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/stargate-for-data/Will DePue의 A Stargate for Data를 바탕으로, AI 발전의 병목이 컴퓨트에서 데이터 커버리지로 이동하고 있다는 주장을 정리한다.100x 에이전틱 엔지니어 — 병목은 모델에서 사람의 선호로 이동한다https://hugo-blog-static-site.haxlys.workers.dev/posts/100x-agentic-engineer-fable-gpt56/Wed, 08 Jul 2026 13:07:19 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/100x-agentic-engineer-fable-gpt56/systematicls의 X Article을 바탕으로, 강한 코딩 에이전트 시대의 생산성 차이가 도구보다 선호·제약·검증 루프를 얼마나 잘 표현하는지에서 나온다는 주장을 정리했다.Addy Osmani의 Agentic Autonomy Levels — AI 에이전트에게 어디까지 맡길 것인가https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-autonomy-levels-addy-osmani/Tue, 07 Jul 2026 19:12:31 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-autonomy-levels-addy-osmani/Addy Osmani의 Agentic Autonomy Levels는 AI 에이전트 활용을 0~5단계로 나누고, 더 높은 자율성보다 더 강한 검증·되돌리기·범위 통제가 먼저 필요하다고 말한다.A Field Guide to Fable — 좋은 AI 결과는 모르는 것을 찾는 능력에서 나온다https://hugo-blog-static-site.haxlys.workers.dev/posts/fable-finding-unknowns/Tue, 07 Jul 2026 19:11:53 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/fable-finding-unknowns/Thariq Shihipar의 'A Field Guide to Fable: Finding Your Unknowns'를 바탕으로, 강한 AI 모델을 잘 쓰는 핵심이 더 긴 지시문이 아니라 unknowns를 발견하고 줄이는 과정이라는 점을 정리했다.Some New Agentic Patterns - 에이전트가 동료 에이전트를 위해 도구를 고치는 방식https://hugo-blog-static-site.haxlys.workers.dev/posts/some-new-agentic-patterns/Tue, 07 Jul 2026 19:11:34 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/some-new-agentic-patterns/Jesse Vincent의 글을 바탕으로, Prime Radiant가 구현 에이전트와 장기 실행 동료 에이전트를 직접 대화시켜 도구와 하네스를 개선한 방식을 정리한다.AI 시대, 주니어 개발자 시장에 생긴 균열https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-junior-programmer-market-collapse/Tue, 07 Jul 2026 16:41:36 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-junior-programmer-market-collapse/AI가 주니어 개발자 채용 시장을 흔드는 동시에 소프트웨어 제작 능력을 더 넓은 직군으로 퍼뜨리고 있다는 Laurie Voss의 분석을 정리한다.AI가 팀을 더 강하게 만드는지 측정하는 법https://hugo-blog-static-site.haxlys.workers.dev/posts/measure-ai-effectiveness-teams-ably/Thu, 02 Jul 2026 14:56:44 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/measure-ai-effectiveness-teams-ably/Ably가 제안한 AI 효과 측정법을 바탕으로, 도구 사용량이 아니라 팀 역량 변화와 업무 방식 내재화를 보는 두 가지 KPI를 정리한다.AI가 줄여야 할 것은 인원수가 아니라 팀 크기다https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-small-teams-not-headcount/Thu, 02 Jul 2026 12:03:10 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-small-teams-not-headcount/Miguel Carranza의 글을 바탕으로, AI 시대에 회사가 사람을 덜 뽑는 대신 더 작은 팀을 더 많이 만들어야 하는 이유를 정리한다.LinkedIn QA Agent - AI 자율 테스트가 바꾸는 품질 관리https://hugo-blog-static-site.haxlys.workers.dev/posts/linkedin-qa-agent-autonomous-testing/Thu, 02 Jul 2026 11:43:54 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/linkedin-qa-agent-autonomous-testing/LinkedIn Engineering의 QA Agent 글을 바탕으로, VLM 기반 자율 테스트 에이전트가 전통적인 UI 테스트의 한계를 어떻게 넘는지 정리했다.It's Hard to Eval Is a Product Smell 핵심 정리https://hugo-blog-static-site.haxlys.workers.dev/posts/eval-smell-product-design/Wed, 01 Jul 2026 11:56:45 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/eval-smell-product-design/Hamel Husain의 2026-06-29 글을 바탕으로, AI 제품에서 평가 난이도가 제품 설계 문제로 이어지는 이유와 검증 가능한 산출물 설계 원칙을 정리한다.Technological 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.Code is the easy part - 청구 스크립트보다 도메인 모델이 먼저다https://hugo-blog-static-site.haxlys.workers.dev/posts/code-is-the-easy-part-billing-entities/Tue, 30 Jun 2026 16:50:40 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/code-is-the-easy-part-billing-entities/Swizec Teller의 글을 바탕으로, 낡은 청구 스크립트 문제를 해결하려면 코드보다 먼저 비즈니스 개념과 데이터 모델을 다시 잡아야 한다는 교훈을 정리했다.Software is becoming marketing - 소프트웨어 풍요 시대의 제품과 일자리https://hugo-blog-static-site.haxlys.workers.dev/posts/software-is-becoming-marketing/Tue, 30 Jun 2026 15:54:21 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/software-is-becoming-marketing/Tereza Tizkova의 Software is becoming marketing을 바탕으로, AI가 소프트웨어 제작 비용을 낮출 때 제품 시장과 개발자 커리어가 어떻게 바뀌는지 정리했다.AI-Native Divide — AI를 생활 인프라로 쓰는 사람과 아닌 사람의 격차https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-native-divide-daniel-miessler/Sat, 27 Jun 2026 18:22:41 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-native-divide-daniel-miessler/Daniel Miessler의 'The Coming Divide: AI-Native or Left Behind'를 바탕으로, AI 회의론과 별개로 개인의 학습·업무 역량 격차가 어떻게 커질 수 있는지 정리했다.The annotated PyTorch training loop - PyTorch 학습 루프의 순서가 중요한 이유https://hugo-blog-static-site.haxlys.workers.dev/posts/annotated-pytorch-training-loop/Sat, 27 Jun 2026 17:42:59 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/annotated-pytorch-training-loop/idlemachines의 The annotated PyTorch training loop를 바탕으로 PyTorch 학습 루프의 각 줄이 하는 일, 순서가 바뀌면 생기는 문제, 검증과 GPU 효율화 포인트를 한국어로 해설한다.The Founder’s Playbook: AI 네이티브 스타트업의 생애주기 재설계https://hugo-blog-static-site.haxlys.workers.dev/posts/the-founders-playbook-ai-native-startup/Fri, 19 Jun 2026 02:30:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/the-founders-playbook-ai-native-startup/Anthropic이 2026년 5월 공개한 The Founder’s Playbook을 바탕으로 AI를 인프라로 삼는 스타트업의 Idea부터 Scale까지 4단계와 창업자 역할 변화, 단계별 핵심 도전 과제, Claude 도구의 활용 전략을 다룬다.The Dialogue Dividend — 혼자 생각보다 대화가 사고를 만드는 인지적 이유https://hugo-blog-static-site.haxlys.workers.dev/posts/the-dialogue-dividend/Fri, 19 Jun 2026 01:47:28 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/the-dialogue-dividend/The Signalist의 에세이 'The Dialogue Dividend'가 설명하는 대화의 구조적 이점, 인지 과학적 근거(Extended Mind, Argumentative Theory, ZPD), 그리고 원격·비동기·AI 환경이 비계획 대화를 어떻게 제거하는지와 그 위험AI 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.Addy Osmani의 Agentic Code Review — 에이전트 시대의 병목은 작성이 아니라 검증이다https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-code-review-addy-osmani/Wed, 17 Jun 2026 13:56:32 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agentic-code-review-addy-osmani/Addy Osmani의 'Agentic Code Review'(2026-06-15)를 정리했다. 핵심은 AI가 코드 작성을 빠르게 만들수록 엔지니어링의 병목은 사람이 신뢰할 수 있는 검증 체계로 이동한다는 점이다.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.AI Is Slowing Down — Ed Zitron이 진단하는 AI 거품의 현실https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-is-slowing-down-summary/Thu, 11 Jun 2026 13:50:53 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-is-slowing-down-summary/Ed Zitron이 2026년 6월 8일 발표한 'AI Is Slowing Down'의 핵심 주장을 정리했다. AI 산업의 과도한 투자 대비 성장 둔화, token-based billing의 문제, 순환 경제 구조의 지속 불가능성을 다룬다.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 내용Loop Engineering — 프롬프트 엔지니어링에서 시스템 설계로의 전환https://hugo-blog-static-site.haxlys.workers.dev/posts/loop-engineering/Wed, 10 Jun 2026 14:36:10 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/loop-engineering/Addy Osmani가 제시하는 Loop Engineering — AI 코딩 에이전트를 직접 프롬프트하는 대신, 에이전트를 프롬프트하고 관리하는 시스템(Loop)을 설계하는 접근법과 5가지 핵심 구성 요소.자동화된 의심 — AI 개발에서 신뢰를 회복하는 다중 에이전트 검증 프로세스https://hugo-blog-static-site.haxlys.workers.dev/posts/automated-doubt-development-process/Wed, 10 Jun 2026 13:46:31 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/automated-doubt-development-process/Alex Self의 Automated Doubt 프로세스 — 설계·구현·배포 전 단계에서 특화된 서브에이전트를 활용해 가정, 보안, 완전성을 철저히 검증하는 다중 에이전트 개발 워크플로.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.Backpressure is all you need — 코딩 에이전트 위임의 병목을 사람에서 시스템으로 옮기기https://hugo-blog-static-site.haxlys.workers.dev/posts/backpressure-is-all-you-need-summary/Tue, 02 Jun 2026 09:56:34 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/backpressure-is-all-you-need-summary/Lucas F. Costa의 'Backpressure is all you need'를 코딩 에이전트 운영 관점에서 요약한다. 핵심은 사람이 매번 LLM 출력물을 붙잡고 교정하는 대신, 테스트·타입·벤치마크·리뷰 에이전트·PR 모니터링 같은 자동화된 백프레셔를 에이전트 루프 안에 넣어 더 긴 위임을 안전하게 만드는 것이다.AI 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.Exploring Agent-Assisted Qualitative Analysis 핵심 정리https://hugo-blog-static-site.haxlys.workers.dev/posts/agent-assisted-qualitative-analysis-core-notes/Tue, 26 May 2026 12:49:07 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agent-assisted-qualitative-analysis-core-notes/Shreya Shankar의 2026-05-21 글을 바탕으로, 에이전트 기반 정성 분석 실험에서 드러난 한계와 실무적 시사점을 정리한다.The Eternal Sloptember 핵심 정리 — '에이전트 도입'이 소프트웨어 품질을 악화시킬 수 있다는 경고https://hugo-blog-static-site.haxlys.workers.dev/posts/the-eternal-sloptember-summary/Tue, 26 May 2026 12:42:40 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/the-eternal-sloptember-summary/geohot의 2026-05-24 글 The Eternal Sloptember를 정리했다. 핵심은 '코드 생성량 증가'와 '품질 하락'의 비대칭 리스크, 그리고 조직 단위 도입에서 발생하는 피드백 붕괴다.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.Useful Memories Become Faulty When Continuously Updated by LLMshttps://hugo-blog-static-site.haxlys.workers.dev/posts/faulty-memory-summary/Wed, 13 May 2026 13:40:29 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/faulty-memory-summary/LLM 에이전트가 경험을 텍스트 메모리로 반복 재작성할수록 성능이 떨어질 수 있다는 Dylan Zhang의 'Faulty Memory' 핵심 결과를 정리합니다.'Agentic Coding is a Trap': 속도 뒤에 숨은 인지 부채https://hugo-blog-static-site.haxlys.workers.dev/software/agentic-coding-is-a-trap-summary/Wed, 06 May 2026 13:36:05 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/agentic-coding-is-a-trap-summary/Lars Faye의 'Agentic Coding is a Trap' 핵심 주장(기술 위축의 역설, 감독자 역량 역설, 토큰 비용 불확실성)과 실무 대응 전략을 정리한다.Addy Osmani의 Agent Skills — 에이전트에게 시니어 엔지니어링 프로세스를 강제하는 방법https://hugo-blog-static-site.haxlys.workers.dev/posts/agent-skills-addy-osmani/Wed, 06 May 2026 12:56:02 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agent-skills-addy-osmani/Addy Osmani의 'Agent Skills'(2026-05-03)를 했다. 핵심은 에이전트에게 '코드 생성'만 시키지 말고, spec→plan→build→test→review→ship의 시니어 엔지니어링 루프를 워크플로우로 강제해야 한다는 점이다.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.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.Scaling Pain — 智谱 GLM-5가 초대규모 Coding Agent 추론에서 실제로 부딪힌 벽https://hugo-blog-static-site.haxlys.workers.dev/posts/scaling-pain-zhipu-glm5-coding-agent/Thu, 30 Apr 2026 11:24:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/scaling-pain-zhipu-glm5-coding-agent/智谱(Z.ai)이 공개한 「Scaling Pain」은 GLM-5 시리즈가 초대규모 Coding Agent 호출에서 겪은 추론 인프라 문제를 처음으로 공개한 글이다. 처리량 +132%, 이상 출력률 만분의 십몇에서 만분의 3 미만으로의 개선, 그리고 SGLang 업스트림으로 환원된 PR #22811이 의미하는 바를 짚는다.학습할 것인가, 말 것인가 — Tanay Jaipuria가 정리한 AI 앱 회사의 모델 레이어 진입 가이드https://hugo-blog-static-site.haxlys.workers.dev/posts/to-train-or-not-to-train/Wed, 29 Apr 2026 23:40:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/to-train-or-not-to-train/Tanay Jaipuria의 'To Train or Not to Train'을 한국어로 정리한다 — AI 앱 회사가 모델 레이어로 풀스택화될 때, 사전학습은 피하고 post-training/RL을 언제·어떻게 시작해야 하는지, 그리고 베이스 모델 릴리즈 사이클이라는 가장 큰 리스크는 무엇인지.빌드하기 전 3가지 제약 — Jordan Lord이 10년 실패에서 추출한 창작자의 가드레일https://hugo-blog-static-site.haxlys.workers.dev/posts/jordan-lord-3-constraints/Wed, 29 Apr 2026 19:55:39 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/jordan-lord-3-constraints/Jordan Lord이 10년간 '너무 복잡하거나 정체성이 없는' 제품을 만들며 실패한 끝에 정리한 3가지 제약 — One Pager, Core Technology, Product Constraint. 제약은 창의성의 적이 아니라 탐색 공간을 좁혀 혁신을 강제하는 장치라는 주장을 정리한다.양자화 비주얼 가이드 — Maarten Grootendorst가 그림으로 푸는 LLM 경량화https://hugo-blog-static-site.haxlys.workers.dev/posts/visual-guide-to-quantization/Tue, 28 Apr 2026 13:00:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/visual-guide-to-quantization/Maarten Grootendorst의 'A Visual Guide to Quantization'을 한국어로 정리한다 — FP32→FP16/BF16/INT8/INT4의 표현 손실, symmetric/asymmetric 양자화, calibration·clipping의 트레이드오프, PTQ(GPTQ·GGUF) vs QAT(BitNet·BitNet b1.58)까지 50여 장 시각화의 핵심을 한 글에 압축한다.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.오늘의 하네스는 내일의 프롬프트 — 모델이 결국 하네스를 먹는다https://hugo-blog-static-site.haxlys.workers.dev/posts/todays-harness-is-tomorrows-prompt/Mon, 27 Apr 2026 23:40:53 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/todays-harness-is-tomorrows-prompt/Tanay Sai의 'Today's harness is Tomorrow's Prompt' . 2023년 2주짜리 RAG 파이프라인이 1M 토큰 컨텍스트에 통째로 먹힌 자기 경험에서 출발해, 하네스는 모델 한계의 우회로를 아키텍처로 포장한 것이며 유통기한이 점점 짧아진다고 진단한다. 이미 먹힌 사례 3가지(PDF·JSON·OCR)와 지금 짓고 있지만 곧 먹힐 후보 3가지(멀티 에이전트 스웜·브라우저 스크립팅·캐스케이딩 음성 파이프라인)를 짚고, 결론은 '짓지 말라'가 아니라 '버릴 수 있을 만큼 싸게 지어라'다.잃어버린 게으름의 위험 — Bryan Cantrill이 LLM 시대에 다시 꺼내는 프로그래머의 미덕https://hugo-blog-static-site.haxlys.workers.dev/posts/peril-of-laziness-lost/Mon, 27 Apr 2026 18:56:36 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/peril-of-laziness-lost/Bryan Cantrill이 Larry Wall의 '게으름·조급함·자만'이라는 프로그래머의 세 미덕을 다시 꺼내, LLM이 왜 좋은 추상화를 만들지 못하는지 진단한다. Garry Tan의 '하루 37,000줄' 자랑과 DTrace 60,000줄을 나란히 놓으면, 시간 제약이 없는 생성기가 만든 코드가 어떻게 쓰레기 레이어케이크가 되는지가 드러난다.하네스 엔지니어링 — 좋은 모델 + 나쁜 하네스보다 평범한 모델 + 훌륭한 하네스가 이긴다https://hugo-blog-static-site.haxlys.workers.dev/posts/agent-harness-engineering/Mon, 27 Apr 2026 18:53:38 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agent-harness-engineering/Addy Osmani가 제시하는 '하네스 엔지니어링'의 핵심 원칙 — 에이전트 = 모델 + 하네스, 모든 실패는 룰이 되고, 모델이 강해지면 하네스는 줄어드는 게 아니라 이동한다. Claude Code·Cursor·Codex·Aider·Cline의 공통 패턴과 Harness-as-a-Service로의 전환을 정리한다.에이전트는 구조와 유연성 사이에서 고를 수 없다 — Python 캠프 vs Markdown 캠프의 가짜 선택지https://hugo-blog-static-site.haxlys.workers.dev/posts/agents-cant-choose-structure-flexibility/Sat, 25 Apr 2026 08:39:30 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/agents-cant-choose-structure-flexibility/The AI Frontier의 'Agents can't choose between structure and flexibility' 정리 — Python 대 Markdown 논쟁은 가짜 선택지다. 코드 최대주의는 에이전트의 추론을 제거하고, 마크다운 최대주의는 통제·디버그·교정 가능성을 포기한다. RunLLM과 Claude Code가 도달한 하이브리드 code harness 구조를 살펴본다.당신의 모든 에이전트는 비동기로 간다 — HTTP 요청-응답이 더 이상 맞지 않는 이유https://hugo-blog-static-site.haxlys.workers.dev/posts/all-your-agents-are-going-async/Fri, 24 Apr 2026 17:18:12 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/all-your-agents-are-going-async/Zak Knill(Ably)이 던지는 인프라 진단 — 챗봇이 HTTP 요청-응답 위에 만들어진 것은 일종의 사고였고, 비동기 에이전트의 시대에는 이 선택이 깨진다. Durable State와 Durable Transport를 분리해서 보면 Anthropic Routines, Cloudflare Sessions API, OpenClaw 채널, Ably의 세션 모델이 어떻게 다른지가 명확해진다.한 명의 개발자, 24개의 에이전트, 그리고 제로 얼라인먼트 — Maggie Appleton의 새로운 병목https://hugo-blog-static-site.haxlys.workers.dev/posts/zero-alignment-maggie-appleton/Fri, 24 Apr 2026 17:15:20 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/zero-alignment-maggie-appleton/GitHub Next의 Maggie Appleton이 던지는 질문 — 한 명이 24개 에이전트를 부린다는 비전은 왜 틀렸는가. 구현이 거의 공짜가 된 시대에 진짜 병목은 '무엇을 만들지 합의하는 일'이며, PR과 이슈는 더 이상 그 합의를 담을 그릇이 아니다. 'Ace' 프로토타입을 통한 멀티플레이어 에이전트 협업의 그림.인지 부채와 System 3 — Martin Fowler가 골라낸 '검증의 시대'를 위한 다섯 개의 조각https://hugo-blog-static-site.haxlys.workers.dev/posts/fowler-fragments-cognitive-debt-system-3/Fri, 24 Apr 2026 14:52:53 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/fowler-fragments-cognitive-debt-system-3/Martin Fowler의 2026-04-02 Fragments 정리 — Storey의 Technical/Cognitive/Intent 삼중 부채, Shaw & Nave의 System 3와 Cognitive Surrender, Ajey Gore가 말하는 '검증이 비싸진 시대', 그리고 LLM과 함께 성장하는 Ubiquitous Language.확률적 엔지니어링과 24/7 직원 — 생성은 밤에도 멈추지 않지만, 검증은 그렇지 못하다https://hugo-blog-static-site.haxlys.workers.dev/posts/probabilistic-engineering-24-7-employee/Sat, 18 Apr 2026 14:30:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/probabilistic-engineering-24-7-employee/Tim Davis가 말하는 확률적 엔지니어링의 시대 — 에이전트가 밤새 PR을 생성하지만 검증 용량은 그만큼 확장되지 않는다. 생성-검증 비대칭, 역할 파편화, 조용한 성능 저하, 그리고 '다음 모델을 위해 지금부터 근육을 키워야 한다'는 제안.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.AI Knowledge Layer — 에이전트가 쓸모 있어지기 위한 지식 레이어https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-knowledge-layer/Fri, 17 Apr 2026 11:23:58 +0900https://hugo-blog-static-site.haxlys.workers.dev/posts/ai-knowledge-layer/Shann Holmberg가 제안하는 AI Knowledge Layer — Karpathy의 LLM Wiki 패턴을 따르는 두 레이어(raw + compiled wiki) 구조로, RAG 대신 한 번 컴파일한 지식 그래프가 100편 이후부터 Q&A에서 RAG를 능가한다.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.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.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.Model Collapse Is Already Happening, We Just Pretend It Isn'thttps://hugo-blog-static-site.haxlys.workers.dev/software/model-collapse/Sun, 29 Mar 2026 11:10:51 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/model-collapse/AI 모델이 합성 데이터로 훈련될 때 발생하는 모델 붕괴가 이미 진행 중이며, 업계가 규모 확대 전략만으로 문제를 해결하려 한다고 비판합니다.LLM의 양자화(Quantization): 기초부터 실전까지https://hugo-blog-static-site.haxlys.workers.dev/software/quantization-llm/Sun, 29 Mar 2026 08:53:44 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/quantization-llm/LLM이 너무 커서 일반 PC에서 돌리기 어려운 문제를 해결하는 양자화 기법을 기초부터 설명합니다. 모델 크기를 줄이면서 성능을 최대한 유지하는 방법을 다룹니다.software 팩토리: AI 코딩 에이전트가 개발 팀을 바꾸는 방식https://hugo-blog-static-site.haxlys.workers.dev/software/the-software-factory/Tue, 24 Mar 2026 18:04:10 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/the-software-factory/AI 코딩 에이전트를 활용해 'software 팩토리'를 구축하면, 개발자는 설계·검토에 집중하고 팀 규모는 줄며 출시 속도는 몇 시간 단위로 빨라진다.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.15명의 엔지니어가 말하는 AI 보조 엔지니어링 실전 가이드https://hugo-blog-static-site.haxlys.workers.dev/software/ai-assisted-engineering-15-engineers/Tue, 24 Mar 2026 16:45:14 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/ai-assisted-engineering-15-engineers/15명의 실전 엔지니어·엔지니어링 리더들이 실제로 사용 중인 AI 보조 엔지니어링 경험을 정리한 글이다.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.새로운 AI 시대, 진짜 희소 자원은 연구자https://hugo-blog-static-site.haxlys.workers.dev/software/ai-era-researchers-not-engineers/Wed, 11 Mar 2026 18:09:50 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/ai-era-researchers-not-engineers/AI가 공학적 실행을 빠르게 대체하는 시대일수록, 무엇을 시도하고 무엇을 포기할지 판단하는 연구자의 'taste'가 핵심 자산이 된다는 시사점을 정리진흙으로 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.오픈 소스 LLM 아키텍처의 구조와 전략https://hugo-blog-static-site.haxlys.workers.dev/software/open-source-llm-architecture/Wed, 04 Mar 2026 13:21:13 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/open-source-llm-architecture/주요 오픈 소스 대규모 언어 모델(LLM)들의 아키텍처 구조와 각 모델이 선택한 공학적 전략 분석컴파운드 엔지니어링: AI 에이전트 개발의 복리 루프https://hugo-blog-static-site.haxlys.workers.dev/software/compound-engineering/Thu, 19 Feb 2026 17:40:07 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/compound-engineering/Every의 Compound Engineering 가이드를 바탕으로, AI 에이전트 시대의 복리형 개발 루프와 핵심 원칙을 정리합니다.Bias Toward Action: 실패 비용을 낮추는 행동 지향적 태도https://hugo-blog-static-site.haxlys.workers.dev/software/bias-toward-action/Thu, 19 Feb 2026 10:02:05 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/bias-toward-action/Addy Osmani의 글 'Bias Toward Action' 핵심을 바탕으로, 실패 비용을 통제하며 빠르게 학습하는 실행 시스템의 원칙을 정리합니다.컨텍스트 관리와 MCP: CLI와의 논쟁을 넘어서https://hugo-blog-static-site.haxlys.workers.dev/software/context-management-and-mcp/Wed, 04 Feb 2026 08:59:15 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/context-management-and-mcp/Sentry 창립자 David Cramer가 제안하는 LLM 조종(Steering)과 서브에이전트 중심의 컨텍스트 관리 전략.인터페이스의 혁명: 채팅이 모든 것을 삼킨다https://hugo-blog-static-site.haxlys.workers.dev/software/chat-is-going-to-eat-the-world/Tue, 03 Feb 2026 11:25:40 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/chat-is-going-to-eat-the-world/채팅이 GUI를 대체하는 기본 인터페이스로 부상하며, 개별 앱의 시대가 저물고 AI 에이전트 중심의 컴퓨팅 패러다임으로 이동하는 변화를 정리합니다.에이전틱 코딩의 80% 문제https://hugo-blog-static-site.haxlys.workers.dev/software/the-80-problem-in-agentic-coding/Thu, 29 Jan 2026 15:54:26 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/the-80-problem-in-agentic-coding/AI 코딩 에이전트가 빠르게 80%를 만들고도 나머지 20%에서 막히는 이유(맥락·검증·루프)와 이를 넘기 위한 협업·테스트·작업 분할 제언을 정리합니다.The future of software engineering is SREhttps://hugo-blog-static-site.haxlys.workers.dev/software/the-future-of-software-engineering-is-sre/Tue, 27 Jan 2026 14:30:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/the-future-of-software-engineering-is-sre/코드 작성이 저렴해지면서 운영 우수성이 승리한다. 누구나 그린필드 데모를 만들 수 있지만, 서비스를 운영하는 것은 엔지니어링이 필요하다.Unrolling the Codex Agent Loophttps://hugo-blog-static-site.haxlys.workers.dev/software/unrolling-the-codex-agent-loop/Tue, 27 Jan 2026 09:43:44 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/unrolling-the-codex-agent-loop/OpenAI Codex 에이전트의 내부 동작 원리와 에이전트 루프, 프롬프트 구성, 성능 최적화 방법을 분석한 기술 블로그 글 요약에이전트 규칙·기술·명령: 무엇을 언제 써야 할까https://hugo-blog-static-site.haxlys.workers.dev/software/agent-skills-rules-commands/Tue, 27 Jan 2026 00:00:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/agent-skills-rules-commands/Builder.io 블로그를 바탕으로, AI 에이전트에서 규칙(Rules), 기술(Skills), 명령(Commands)의 차이와 언제 무엇을 사용할지에 대한 결정 기준을 정리합니다.LLM과 현실적으로 마주하기: 실무 중심의 AI 활용 매트릭스https://hugo-blog-static-site.haxlys.workers.dev/software/getting-real-with-llms/Mon, 26 Jan 2026 11:54:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/getting-real-with-llms/작업의 복잡도와 부작용(Side-effects)이라는 두 축으로 AI의 유용성을 정의하고, 현재 LLM이 실제로 도움이 되는 영역과 단순히 '연기(Smoke & Mirrors)'에 불과한 영역을 구분하는 실무 중심의 분석.MCP(Model Context Protocol) 베스트 프랙티스: AI 에이전트를 위한 UI 설계https://hugo-blog-static-site.haxlys.workers.dev/software/mcp-best-practices/Fri, 23 Jan 2026 12:10:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/mcp-best-practices/MCP는 REST API의 연장선이 아니라 AI 에이전트를 위한 사용자 인터페이스(UI)로 설계되어야 한다는 관점에서 6가지 베스트 프랙티스를 정리한 글.Claude Code 인사이트: 도구보다 '무엇을 할 것인가'가 중요하다https://hugo-blog-static-site.haxlys.workers.dev/software/claude-code-purpose-over-tool/Fri, 23 Jan 2026 00:00:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/claude-code-purpose-over-tool/Zvi Mowshowitz의 Claude Code 사용기 3편. 도구 최적화에만 몰두하기보다, '오늘 내가 해야 할 가장 중요한 일'을 스스로 묻고 실행에 옮기는 것이 더 중요하다는 인사이트.에이전트 정신병: 우리는 미쳐가고 있는가?https://hugo-blog-static-site.haxlys.workers.dev/software/agent-psychosis/Sun, 18 Jan 2026 00:00:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/agent-psychosis/AI 에이전트 코딩에 중독된 개발자들의 현실과 코드 품질 저하, 메인테이너의 부담에 대한 Armin Ronacher의 날카로운 관찰과 경고.AI가 코드를 짜줘도 왜 성과는 그대로인가? - 거대한 필터(The Great Filter)https://hugo-blog-static-site.haxlys.workers.dev/software/the-great-filter-ai-productivity/Wed, 14 Jan 2026 05:48:59 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/the-great-filter-ai-productivity/AI 코딩 도구가 보급된 지 3년이 넘었지만 대부분의 개발 팀이 여전히 생산성 혁신을 경험하지 못하는 근본적인 원인을 '거대한 필터' 개념으로 설명합니다.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.로깅이 당신에게 거짓말을 하고 있다https://hugo-blog-static-site.haxlys.workers.dev/software/logging-lies-to-you/Sun, 11 Jan 2026 23:57:32 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/logging-lies-to-you/단일 서버 시대의 로깅 방식이 분산 시스템에서는 왜 실패하는지, 그리고 Wide Events를 통한 해결책을 제시한다.잘못된 최적화의 함정: 기술적 정답과 실제 유용성의 괴리https://hugo-blog-static-site.haxlys.workers.dev/software/wrong-optimization-trap/Fri, 09 Jan 2026 10:58:18 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/wrong-optimization-trap/슈퍼마켓 바닥 청소 최적화 경험을 통해 본, 잘못된 지표를 최적화할 때 발생하는 문제와 현대 시스템의 최적화 오류에 대한 성찰이다.기술적 부채와 엔지니어링 생산성: Paul Dix의 견해https://hugo-blog-static-site.haxlys.workers.dev/software/technical-debt-engineering-productivity/Thu, 08 Jan 2026 11:31:33 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/technical-debt-engineering-productivity/InfluxData 창업자 Paul Dix가 제시하는 기술적 부채 관리의 중요성과 엔지니어링 팀 생산성 향상을 위한 전략을 정리한다.Gross Profit per Tokenhttps://hugo-blog-static-site.haxlys.workers.dev/investments/gross-profit-per-token-analysis/Thu, 08 Jan 2026 07:33:37 +0900https://hugo-blog-static-site.haxlys.workers.dev/investments/gross-profit-per-token-analysis/AI 추론 회사 6곳(DeepSeek·Together AI·Manus·Anthropic·Groq·Perplexity)의 토큰당 총이익(GP)과 밸류에이션 간 상관관계를 분석한다. GP 배수는 20x~222x까지 분포하며, GP per Token과 밸류에이션의 상관계수는 0.70(R²=48.5%)으로 원시 토큰 볼륨(0.47)보다 1.5배 높다.바이브 코딩과 시스템 설계: AI 시대의 함정https://hugo-blog-static-site.haxlys.workers.dev/software/vibe-coding-system-design-trap/Thu, 08 Jan 2026 07:10:28 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/vibe-coding-system-design-trap/AI 도구를 활용한 바이브 코딩의 빠른 속도 뒤에 숨겨진 시스템 설계 부재의 위험성을 경고하고, 지속 가능한 소프트웨어 개발을 위한 시스템 사고의 중요성을 다룬다.AI는 탐색을 저렴하게 만들지만, 판단은 쉽게 만들지 않는다https://hugo-blog-static-site.haxlys.workers.dev/software/ai-cheap-exploration-human-judgment/Thu, 08 Jan 2026 06:44:52 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/ai-cheap-exploration-human-judgment/AI는 시도(탐색)의 비용을 획기적으로 낮춰주지만, 최종적인 판단(의사결정)의 책임은 여전히 인간에게 있다는 것을 다룹니다.생각을 아웃소싱하지 마라: Claude Code와 AI 코드 생성 도구 활용 가이드https://hugo-blog-static-site.haxlys.workers.dev/software/dont-outsource-your-thinking/Thu, 08 Jan 2026 00:00:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/dont-outsource-your-thinking/Anthropic의 Claude Code와 같은 AI 코드 생성 도구를 사용할 때 가져야 할 태도와 실무적인 팁을 14가지 노트 형식으로 정리한 가이드입니다.프롬프트 설계 전략: Gemini API 활용하기https://hugo-blog-static-site.haxlys.workers.dev/software/prompt-design-strategies/Mon, 08 Dec 2025 10:54:00 +0900https://hugo-blog-static-site.haxlys.workers.dev/software/prompt-design-strategies/Google의 Gemini API 문서에 소개된 프롬프트 설계 전략을 정리한 가이드입니다. LLM으로부터 원하는 결과를 얻기 위한 명확하고 구체적인 프롬프트 작성 방법을 다룹니다.