AI 시대에 엔지니어가 살아남기 위해 필요한 태도와 역량의 차이를 분석합니다. 단순 코드 작성 작업은 AI로 대체되므로, AI의 출력을 평가하고 판단하며 주도적으로 도구를 사용하는 능력이 중요함을 강조합니다.

AI가 작성한 코드로 인해 실제로 망가진 5가지 사례. 반년 운영을 통해 알게 된 NG 사례와 해결 방법

AI를 활용한 코딩 과정에서 발생하기 쉬운 5가지 안티 패턴과 그 해결 방법을 제시합니다. 유지보수성을 해치는 잘못된 주석, 과도한 추상화, 거대 함수, 예외 무시, 테스트 부재의 위험성을 경고합니다.

연재: AI에게 일자리를 빼앗길 불안으로부터 시작하는 하네스 작성 입문 제10회 - 설계 메모를 Knowledge MCP에 등록하는 것을

AI 에이전트 개발 시 설계 의도를 체계적으로 관리하기 위해 Knowledge MCP를 활용한 Markdown 템플릿 작성법을 소개합니다. 설계 메모를 구조화하여 저장함으로써 지식의 재사용성을 높이고 의미 검색(Semantic Search) 효율을 극대화하는 방법을 다룹니다.

Windows 환경에서 WSL2를 활용하여 Claude Science를 설치하고 실행하는 방법을 안내합니다. Ubuntu 24.04 이상 및 bubblewrap 설치 등 필수 요구사항과 단계별 명령어를 상세히 다룹니다.

AI 컴패니언 서비스 구축 시 연령 확인 및 콘텐츠 경계 설계를 위한 아키텍처 가이드를 제공합니다. 백엔드 중심의 상태 관리와 다층적인 검증 레이어 구축을 통해 서비스의 안전성과 운영 효율성을 높이는 방법을 다룹니다.

WikiText 데이터셋을 로컬에 보관하고 싶다

LLM 성능 검증을 위해 WikiText2 데이터셋을 로컬에 저장하는 방법을 설명합니다. Python의 datasets 라이브러리를 활용하여 에러를 해결하고 텍스트 파일로 저장하는 과정을 다룹니다.

AI에게 코드 최적화를 요청했을 때, 10개 중 5개는 오히려 실행 속도가 느려졌다는 실험 결과입니다. 코드가 깔끔해지는 리팩토링과 실제 실행 성능 향상은 별개임을 보여줍니다.

Everything as Code(EaC)의 흐름이 AI와 만나며 발생하는 상보적 관계를 분석합니다. AI 코딩이 비결정성을 도입한다는 측면에서는 기존 EaC의 가치와 충돌하지만, 시스템이 코드로 정형화될수록 AI가 활용할 수 있는 기반이 강화된다는 점을 강조합니다.

이미지 검색 시스템에서 CLIP을 활용한 rerank 단계가 검색 엔진 교체 후 불필요해진 사례를 다룹니다. SearXNG 사용 시에는 CLIP이 노이즈를 제거하는 역할을 했으나, Tavily로 백엔드를 교체하자 검색 결과의 질이 높아져 CLIP의 필요성이 사라졌습니다.

AI 서비스 중단 시 발생할 수 있는 업무 리스크를 Python으로 관리하고 점수화하는 방법을 소개합니다. CSV 데이터를 활용해 대체 수단, 마감 기한, 대외 영향 등을 기준으로 업무 우선순위를 도출하는 실용적인 가이드를 제공합니다.

Anthropic이 공개한 Claude Agent SDK는 Claude Code의 기능을 라이브러리 형태로 제공하여 에이전트 루프를 자동화합니다. 판단, 툴 실행, 컨텍스트 관리를 SDK가 직접 수행하며, 서브 에이전트와 훅(Hooks) 기능을 통해 복잡한 멀티 에이전트 워크플로우 구축을 지원합니다.

【AI 에이전트 비교 실험】#08 Vue 3 CDN + Chart.js로 AI 에이전트 비교 대시보드를 만들었다

6종의 AI 코딩 에이전트를 비교하기 위해 Vue 3와 Chart.js를 활용하여 구축한 대시보드 구현 사례를 소개합니다. 백엔드 없이 HTML 파일 하나와 CDN만으로 구성하여 실험 데이터의 시각화와 관리를 용이하게 한 것이 특징입니다.

【AI 에이전트 비교 실험】#09 AI 에이전트 6개에 '자신의 기사의 약점'을 쓰게 했더니, 모두가 솔직하게 답했다

6개의 AI 코딩 에이전트를 대상으로 수행한 비교 실험의 결과로, 각 에이전트가 자신의 기사 약점을 어떻게 분석하고 평가하는지 다룹니다. 에이전트별로 데이터 정리 방식과 자기 객관화 능력에서 뚜렷한 개성 차이가 나타남을 보여줍니다.

curl이 7월의 취약점 보고를 통째로 중단한 이유, AI 슬롭(AI Slop)이 우수해진 역설

curl 메인테이너가 7월 한 달간 취약점 보고 채널을 일시 중단했습니다. 이는 AI로 인해 보고의 질은 높아졌으나 양이 급증하면서 발생하는 관리 부담과 메인테이너의 휴식을 위한 결정입니다.

LLM의 '사고의 길이' 개념을 정의하고, 모델이 최대 토큰 수에 도달할 때까지 지속적으로 추론하도록 강제하는 4가지 프롬프트 전략을 소개합니다. 자기 비판 루프, 전수 조사 유도, 논리적 역설 주입, 상충하는 제약 조건 설정을 통해 모델의 추론 한계를 시험하는 방법을 다룹니다.

AI가 법률을 읽고 판단해서 편해질 줄 알았던 이야기

상업 시설 운영 중 발생하는 복잡한 법령 확인 업무를 효율화하기 위해 Dify와 Gemini를 활용한 법령 어시스턴트 봇을 구축한 사례입니다. 법령 PDF를 지식(Knowledge)으로 등록하고 RAG 구조를 통해 위반 사항과 리스크를 판단하도록 설계했습니다.

AI 모델이 명시된 규칙을 빈번하게 어기는 현상을 분석하며, 규칙의 문서화보다 아키텍처 내에 제약을 내장하는 것이 중요함을 강조합니다. AI 워커의 사례와 연구 결과를 통해 텍스트 기반 제약의 한계를 지적합니다.