AI Builder Notes - 2026년 6월 14일 주간

나의 생각과 나의 트위터(Twitter) 피드의 생각들

이번 주는 '루프 (loop)'와 Fable에 관한 것이었습니다.

루프 (The Loop)

제가 설명할 수 있는 가장 좋은 방법은 다음과 같습니다: 플로우차트 (flowchart)를 설계하세요. 당신의 에이전트 (agent)가 어떻게 작동하기를 원하는지에 대한 결정론적 (deterministic) 플로우차트를 생각하십시오.

다음 사항을 목표로 하세요:

• 더 많은 결정론적 (deterministic) 요소 - 이는 상황을 더 예측 가능하게 유지합니다.
• 더 많은 검증 (verification) 요소 - 이것은 에이전트 피드백 (agent feedback)입니다.
• 더 많은 에이전트 도구 호출 (agent tool calls) - 최첨단 LLM (frontier LLM)에서 이는 성능을 더 향상시킵니다.

'루프 (loop)'는 본질적으로 다음과 같습니다:

목표 (goal) -> 에이전트 행동 (agent acts) -> 검증기 확인 (verifier checks) -> 상태/메모리 업데이트 (state/memory updates) -> 정책이 다음 행동 결정 (policy decides next action) -> 반복/중지/에스컬레이션 (repeat/stop/escalate)

이제 이것의 구체적인 구현 방식은 당신이 무엇을 작업하고 있는지에 따라 달라질 것입니다.

Fable

Fable의 능력은 정말 말도 안 될 정도로 놀랍습니다. 저도 직접 시도해 보았는데, 2분만 투자해서 살펴보더라도 충분히 그만한 가치가 있습니다.

저는 새로운 모델이 무엇을 할 수 있는지 확인하기 위해 몇 가지 프로젝트를 실행해 보곤 합니다.
제가 만들고 싶었던 프로젝트는 탁구의 '스핀 (spin)'을 가르치고 시연하는 방법이었는데, Fable 이전의 모든 최첨단 모델 (frontier model)들은 심하게 실패했습니다. 하지만 Fable은 이를 쉽게 압도했습니다: https://srijanshukla.com/artifacts/spin-lab/

만약 개인적으로 능력의 큰 변화를 경험하지 못했다면, 아마도 충분히 복잡하거나 야심 찬 과제를 요청하지 않았기 때문일 것입니다.

Fable이 왔다가, Fable이 사라졌습니다. 미국 정부 (USG)가 일종의 탈옥 (jailbreak)을 시도했다는 보고가 있었으나, Anthropic은 이를 중요하지 않게 간주합니다. 어쨌든 미국 정부는 출시 후 며칠 만에 Fable을 금지했습니다. 큰 드라마였습니다.

Fable은 매우 비쌌습니다 $$$$
따라서 사람들은 Fable을 사용할 수 있었던 그 짧은 황금기 동안 몇 가지 작업 패턴을 개발했습니다.

• Fable을 플래너 (planner)/설계자 (architect)/취향 (taste)/공간 (spatial)/프론트엔드 (front-end) 판정관으로 사용합니다.
• GPT-5.5/DeepSeek/Kimi를 실행자 (executor)/작업자 (worker)로 사용합니다.

기타 사항들

• Openrouter가 자사 플랫폼의 모델로서 Fusion 기능을 출시했으며, API를 통해 접근할 수 있습니다. Fusion은 기본적으로 LLM 의회 (council-of-LLMs) 패턴으로, 단일 Frontier Fable 5 모델과 경쟁할 수 있는 결과를 제공합니다.

• Google Open Knowledge Format - https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/main/okf/SPEC.md - 제가 생각하기에 LLMWiki의 다음 단계입니다.
  이것은 **“큐레이션된 재사용 가능한 컨텍스트 (curated reusable context)”**입니다.

• 코드는 결정(decisions)과 의존성(dependencies)의 DAG (Directed Acyclic Graph, 유향 비순환 그래프)입니다.
  동적 워크플로우 (Dynamic Workflows)는 모델이 당신을 대신해 해당 DAG를 작성할 수 있게 해줍니다.
  이는 탐색적이고 가역적인(reversible) 작업에는 적합합니다.
  하지만 프로덕션 소프트웨어의 경우, DAG 자체가 제품입니다. 당신이 직접 단계(stages), 체크(checks), 중단 조건(stop conditions), 재시도(retries), 그리고 검토 게이트(review gates)를 작성해야 합니다. 모델은 노드(nodes)를 채울 수는 있지만, 그래프 자체를 소유해서는 안 됩니다.

이것을 어디서 저장했는지 잊어버린 것 같지만, 당신의 친근한 이웃 모델에게 어느 정도의 신뢰를 부여할 수 있는지 생각해보기에 아주 좋은 방법입니다.