Lovable만으로 Chrome 확장 프로그램을 만들 수 있을까? 실제로 공개 수준까지 시도해 보았다

AI 기반 웹 앱 제작 도구인 Lovable을 활용하여 Chrome 확장 프로그램을 제작하는 과정을 실험했습니다. AI가 Manifest V3 기반의 핵심 코드를 빠르게 생성해주지만, 권한 설정 등 Chrome 고유 지식과 최종 배포를 위한 검토는 인간의 역할이 필수적임을 확인했습니다.

Lovable로 Chrome 확장 프로그램을 만들 때 매번 사용하고 있는 프롬프트를 공개합니다

Lovable을 사용하여 Chrome 확장 프로그램을 효율적으로 개발할 수 있는 프롬프트 템플릿과 단계별 개발 워크플로우를 소개합니다. 한 번에 모든 기능을 구현하기보다 토대 구축부터 기능 추가, UI 개선 순으로 점진적으로 진행하는 것이 품질 유지에 유리합니다.

Anthropic의 Python 및 TypeScript SDK 업데이트를 통해 Managed Agents API 기능이 대폭 강화되었습니다. 실시간 스트리밍, 동적 설정 오버라이드, 웹훅 이벤트 등 에이전트 운영 효율을 높이는 5가지 핵심 기능이 추가되었습니다.

AI가 코드를 작성하는 시대에, 굳이 "직접 쓰는" 연습장을 만든 이야기

AI 시대에 엔지니어의 구현력을 유지하기 위한 학습 루프(Learning Loop)를 제안합니다. AI에게 완성된 코드를 맡기는 대신, 구현 순서가 담긴 주석 형태의 '교재'를 만들게 하여 스스로 코드를 작성하는 훈련법을 다룹니다.

Google이 AI 에이전트의 품질 검증을 위한 '에이전트 품질 플라이휠'과 Go 언어용 'ADK 2.0'을 발표했습니다. 이를 통해 에이전트 개발은 단순 프로토타이핑을 넘어 정량적 평가와 그래프 기반 워크플로를 갖춘 운영 단계로 진화할 전망입니다.

Google Gemini API의 새로운 모델 업데이트로, 대화형 영상 편집이 가능한 Omni Flash 프리뷰와 저비용·저지연 이미지 생성 모델인 Flash Lite GA 전환 소식을 전합니다. 개발자는 목적에 따라 워크플로용 모델과 고속 출력용 모델을 선택하여 프로덕트에 도입할 수 있습니다.

「Claude/GPT를 로컬 모델로 대체할 수 있을까?」 HackerNews 780pts의 실무자 보고를 통해 배우는 2026년 6월의 로컬

HackerNews의 실무자 보고를 바탕으로 Claude/GPT를 로컬 LLM으로 대체할 수 있는지 분석합니다. 2026년 기준, 특정 모델과 하드웨어 조합을 통해 코딩 업무의 상용 드라이버로 활용하는 사례가 늘고 있습니다.

데이터베이스 기술의 변천사를 RDB부터 LLM 시대의 벡터 DB까지 분석합니다. 데이터 활용 목적의 변화에 따라 데이터 기반 기술이 어떻게 진화해 왔는지 고찰합니다.

Anthropic이 Claude Opus 4.6의 fast mode를 폐지하고 claude-opus-4-8로의 이행을 발표했습니다. 변경 사항이 에러 없이 사일런트하게 적용되므로, 속도와 비용 최적화가 필요한 개발자는 주의가 필요합니다.

Jenkins를 활용하여 자율주행 제어 로직 개발을 위한 CI/CD 파이프라인을 구축하는 핸즈온 가이드입니다. Docker 환경에서 정적 분석, 단위 테스트, 패키징 과정을 자동화하는 방법을 다룹니다.

【AI 에이전트 비교 실험】#04 AI 생성 코드를 자동 테스트하는 방법 「pytest 18개 + Playwright 6개」

AI 코딩 에이전트의 성능을 객관적으로 평가하기 위한 자동 테스트 설계 방법을 다룹니다. pytest와 Playwright를 활용하여 API와 UI 테스트를 구성할 때, 테스트의 관점(Specification)은 유지하면서 구현 차이를 흡수하는 올바른 수정 범위를 제시합니다.

【AI 에이전트 비교 실험】#05 AI에게 AI의 코드를 리뷰하게 하면 어떤 일이 벌어질까: 「상호 리뷰 실험」

6개의 AI 코딩 에이전트를 대상으로 실시한 상호 코드 리뷰 실험 결과를 분석합니다. AI 리뷰의 신뢰성, 편향성, 정밀도를 정량적으로 평가하여 실무 도입을 위한 기준을 제시합니다.

AI 에이전트가 도구를 잘 사용하지 못하는 이유는 모델 때문이 아니라 '도구함'이 허술하기 때문일지도 모릅니다 — Function

AI 에이전트의 성능 저하 원인이 모델이나 프롬프트가 아닌, Function Calling(도구 설계)의 부실함에 있음을 지적합니다. 안정적인 에이전트 구축을 위해 도구의 설계와 인자 전달 방식을 최적화하는 방법론을 다룹니다.

개인의 CLAUDE.md는 3명째에 파탄 난다. AI의 실패를 '조직의 자산'으로 바꾼 이야기

개인의 AI 활용 노하우가 팀 단위로 확장될 때 발생하는 편차 문제를 해결하는 방법을 다룹니다. 개인의 암묵지를 조직의 자산으로 전환하기 위해 산문 형태의 메모 대신 명확한 판단 기준을 담은 '표(Matrix)'와 '이유(Why)'를 명시하는 시스템 구축 방안을 제시합니다.

Notion AI로 인사 업무를 조금 더 편리하게 만든 이야기

Notion AI의 커스텀 스킬 기능을 활용하여 채용 면접 인수인계 프로세스를 자동화한 사례를 소개합니다. 프로그래밍 없이도 Claude 모델을 기반으로 정해진 형식의 리포트를 생성하여 임원 면접의 효율성을 높였습니다.

[AWS 감정 분석 선수권 2026] Comprehend, Sonnet 4.6, Opus 4.8에 '미묘한 일본어'를 감정 분석시켜 보았다

Amazon Comprehend와 Claude Sonnet 4.6, Opus 4.8을 대상으로 일본어의 미묘한 뉘앙스를 감정 분석하는 비교 실험을 진행했습니다. 명확한 문장은 모두 정답을 맞혔으나, 비꼬기나 자조 등 복잡한 문맥에서는 Opus 4.8이 압도적인 성능을 보였습니다.

AI로 구현했더니 '좋아요'로 인해 기사의 업데이트 일시까지 바뀌어 버린 이야기

생성형 AI를 이용한 개발 과정에서 발생할 수 있는 '의도치 않은 데이터 업데이트' 버그 사례를 소개합니다. AI는 명시되지 않은 암묵적 규칙을 이해하지 못하므로, 무엇을 업데이트하지 말아야 하는지 사양에 명확히 기술하는 것이 중요함을 강조합니다.