Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
자작 린터를 230개 리포지토리에 적용했더니 80%가 오탐(False Positive)이었다
AI 에이전트용 지시서(SKILL.md 등)의 환경 의존성을 검사하는 린터 'carrylint'를 개발하고 230개 리포지토리에 적용한 실험 결과입니다. 분석 결과, 실제 버그보다 관례적인 표현(~/ 경로, 플레이스홀더 등)을 오류로 판단하는 오탐률이 80%에 달함을 확인했습니다.
7월 29일12
ZennAI 번역헤드라인
Claude Code로 만든 AI 에이전트, Claude 스스로 평가하게 해보았다
Claude Code를 활용해 AI 도입 프로세스를 구조화하는 오픈 소스 프로젝트 AI-Agent-Dev-WBS-OS를 개발했습니다. 개발 완료 후 Claude가 직접 코드를 리뷰하고 한계점까지 스스로 평가하게 하는 독특한 검증 프로세스를 소개합니다.
7월 29일1
ZennAI 번역헤드라인
Udemy 영상 자동 생성 시 심사에서 탈락하는 3가지 패턴과 대책
edge-tts, Playwright, ffmpeg를 활용해 Udemy 강의를 자동 생성하는 파이프라인 구축 과정에서 겪은 심사 탈락 사례와 해결책을 공유합니다. 특히 코스 이미지 내 문자 및 숫자 포함 금지 등 Udemy의 심사 기준을 준수하는 방법을 다룹니다.
7월 29일1
ZennAI 번역헤드라인
AI 에이전트의 규칙을 수정해도 이미 작성된 문장은 바뀌지 않는다
AI 에이전트의 운영 규칙(Definition file)을 수정하더라도 이미 생성되어 배포된 문장(Live layer)은 자동으로 변경되지 않는 문제를 다룹니다. 규칙의 즉각적인 적용 범위와 소급 적용이 불가능한 기존 결과물 사이의 간극을 분석합니다.
7월 29일1
ZennAI 번역헤드라인
프롬프트가 아닌 리포지토리를 키우는 시대로 ― 오픈 하네스(Open Harness)라는 설계 사상
AI 에이전트의 피드백 루프와 문맥 제어 메커니즘인 '하네스'가 플랫폼에 종속되는 문제를 지적합니다. 이를 해결하기 위해 하네스를 플랫폼의 블랙박스가 아닌, 리포지토리 내의 코드, 테스트, 문서로 자산화하는 '오픈 하네스' 설계 사상을 제안합니다.
7월 29일1
ZennAI 번역헤드라인
LangGraph로 에이전트 폭주를 방지하는 설계 체크리스트
AI 트렌드가 LLM 성능 경쟁에서 에이전트 운용과 안전 통제로 이동함에 따라, LangGraph 등을 활용한 에이전트 설계 시 필수적인 안전 체크리스트를 제안합니다. 자율 AI의 외부 도구 실행 및 네트워크 액세스 권한에 대한 통제 설계가 핵심입니다.
7월 29일1
ZennAI 번역헤드라인
GPT-5.6과 Blender MCP로 조금 더 나은 3D 모델링을 시키기까지
GPT-5.6과 Blender MCP를 활용하여 이미지 한 장으로부터 3D 모델을 생성하는 멀티 에이전트 시스템 구축 과정을 다룹니다. 단순한 프리미티브 배치를 넘어 계획, 조형, 시각 평가, 메쉬 검사를 분담하는 에이전트 구조를 통해 모델링 완성도를 높이는 시도를 기술합니다.
7월 29일1
ZennAI 번역헤드라인
1인 사장의 휴가 설계 — 자동화되어 있어도 쉴 수 없는 진짜 이유와 대책
업무의 98%를 AI와 자동화로 구축했음에도 불구하고 1인 기업가가 휴가를 즐기지 못하는 근본적인 원인을 분석합니다. 자동화가 실행은 대신하지만 판단을 대신할 수 없다는 점과 시스템 유지보수의 부담을 해결하기 위한 실질적인 대책을 제시합니다.
7월 29일1
ZennAI 번역헤드라인
「잘 되었다」고 믿었던 작은 검증이 잘못된 질문에 답하고 있었던 이야기
RAG 시스템 구축 시 입력 데이터(요약)를 생성하는 AI 모델의 변화가 벡터 검색 결과에 미치는 영향을 분석했습니다. 소규모 예비 검증에서는 안정적인 결과를 보였으나, 실제 데이터 규모와 올바른 검증 질문을 적용했을 때 결과가 크게 달라짐을 확인했습니다.
7월 29일1
ZennAI 번역헤드라인
인간·Claude·Codex 3자 분업을 했더니, 리뷰 지적 사항을 전부 AI가 찾아냈다
인간, Claude Code, Codex를 활용한 3자 협업 체제를 통해 개발 효율을 극대화한 사례를 다룹니다. AI 간의 역할 분담(설계와 리뷰의 분리)을 통해 인간이 놓친 설계 결함과 구현 오류를 효과적으로 찾아내는 워크플로우를 제시합니다.
7월 29일1
ZennAI 번역헤드라인
Apple Neural Engine에서 LLM을 출력 변화 없이 가속화하기 — Core ML 투기적 디코딩(Speculative
Apple Neural Engine(ANE)에서 Gemma 4 E2B 모델을 가속화하기 위한 로스리스 투기적 디코딩(Speculative Decoding) 구현 사례를 소개합니다. 드래프트 모델 없이 프롬프트 룩업을 활용하며, KV 캐시의 디스크 영속화를 통해 출력 변화 없이 1.6~2.0배의 속도 향상을 달성했습니다.
7월 29일0
ZennAI 번역헤드라인
AI에게 '시키지 않을 것'부터 결정하기 — Terraform 리뷰 관점을 6단계로 분해한 이야기
AI 코드 생성 증가로 인한 리뷰 병목 현상을 해결하기 위해, Terraform 환경에서 리뷰 관점을 6단계로 분해하여 적용한 사례를 소개합니다. AI에게 무작정 리뷰를 맡기기보다, 리뷰 관점을 언어화하여 AI가 수행할 영역과 인간이 담당할 영역을 명확히 구분하는 설계 과정을 다룹니다.
7월 29일1
ZennAI 번역헤드라인
HTTP 200 뒤에서 일어난 오검출――에러 페이지가 baseline을 조용히 오염시킨 밤
HTTP 200 응답이 반드시 정상적인 데이터 취득을 보장하지 않아 발생하는 모니터링 baseline 오염 사례를 다룹니다. 통신 성공과 데이터 의미 검증을 분리하여 시스템의 신뢰성을 확보하는 방안을 제시합니다.
7월 29일1
ZennAI 번역헤드라인
컨텍스트에는 고정비와 변동비가 있다 / /context로 줄일 수 있는 것은 전반부뿐이었다
Claude Code 사용 시 발생하는 컨텍스트 소비를 고정비와 변동비로 구분하여 분석합니다. `/context`로 확인 가능한 고정비를 줄이는 법과, 실제 세션 수명을 결정하는 변동비를 효율적으로 관리하는 실전 팁을 제공합니다.
7월 29일1
ZennAI 번역헤드라인
「유스케이스별 대응표」의 함정 — 예비 지식이 없는 AI가 잘못 유도된 6가지 패턴
디자인 시스템의 '유스케이스별 대응표' 설계 시 AI가 잘못된 컴포넌트를 선택하게 만드는 6가지 함정을 분석합니다. 실제 170개 화면 테스트를 통해 의미 키워드와 UI 형태의 불일치, 데이터 타입의 착오 등 구체적인 오류 패턴을 제시합니다.
7월 29일1
ZennAI 번역헤드라인
플러그인을 추가하기 전에, AI에게 '회사의 규칙'을 작성한 이야기 ―― 5개 항목을 비교하여 도입한 것은 단 하나뿐이었습니다
Claude Code를 활용할 때 플러그인(도구)을 추가하는 방식과 조직의 규칙(제도)을 수립하는 방식을 비교 분석합니다. 작성자는 실시간 상태 시각화 외의 대부분의 기능은 규칙 수립을 통해 더 효율적으로 해결할 수 있음을 제안합니다.
7월 29일1
ZennAI 번역헤드라인
AI 상사가 온다 — 왜 「수출 대행 수수료」 시장이 재편되는가
AI 기업들이 단순 모델 API 판매를 넘어, 고객사의 업무 프로세스를 직접 재설계하고 실행 결과에 따라 과금하는 서비스 모델로 전환하고 있습니다. OpenAI와 Anthropic의 전문 구현 법인 설립, Sierra의 성과 기반 과금 모델 도입이 그 핵심 사례입니다.
7월 29일0
ZennAI 번역헤드라인
RAG 포이즈닝 입문 — AI의 지식 베이스를 오염시키는 공격
RAG(검색 증강 생성) 시스템의 지식 베이스를 악의적인 정보로 오염시켜 LLM의 답변을 조작하는 'RAG 포이즈닝' 공격을 소개합니다. 프롬프트 인젝션과 달리 신뢰하는 정보원 자체를 공격 대상으로 삼는다는 특징이 있습니다.
7월 29일1
ZennAI 번역헤드라인
AI에게 AWS 장애 조사를 시키기 전에 고려해야 할 Kiro CLI의 IAM 권한 설계
AWS CloudShell 환경에서 Kiro CLI를 사용하여 인프라 장애를 조사하고 자동 복구하는 과정을 소개합니다. Kiro CLI의 사용법과 함께 실환경 적용 시 필수적인 IAM 권한 설계 및 최소 권한 원칙의 중요성을 다룹니다.
7월 28일1
ZennAI 번역헤드라인
「실행 게이트형 블록 처리」를 실제로 구현해 본 이야기 — CS 답장 생성, 구현 편
CS 대응 답장 생성을 위해 판단의 최소 단위인 '블록(Block)'을 활용한 실행 게이트형 구조를 제안합니다. 암묵지 형태의 미구조화된 판단 기준을 매트릭스로 구조화하여 자동화 가능한 영역과 인간의 적응적 숙달이 필요한 영역을 구분합니다.
7월 28일0