Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Zenn AI 1403건필터 해제
AI 시대에 엔지니어가 만들어야 할 것: 오프라인 피난소 관리 앱 ShelterAI 개발기
AI가 코드를 쉽게 작성하는 시대에, 엔지니어는 기존의 것을 최적화하기보다 '아직 없는 것'을 만들어야 한다. 필자는 재난 경험을 바탕으로 전력 및 인터넷 연결이 필수적인 기존 시스템의 한계를 지적하며, 완전 오프라인 환경에서 작동하는 피난소 관리 앱 ShelterAI를 개발했다. 이 앱은 Gemma 4 E2B 모델을 iPhone에 직접 탑재하여 신분증 인식, 부상자 트리아지, 물자 배부 등을 빠르고 독립적으로 처리할 수 있게 한다.
AI 시대 엔지니어에게 요구되는 것은 지켜야 할 우선순위를 결정하는 능력
AI 도구의 등장으로 코드를 고속으로 생산하는 것이 가능해졌지만, 이로 인해 코드 품질과 프로덕트 가치 훼손이라는 새로운 문제가 대두되고 있습니다. 따라서 엔지니어는 단순히 기능을 빠르게 구현하는 것을 넘어, 제품이 사용자에게 제공하는 핵심 가치를 기준으로 개발 및 테스트 우선순위를 결정하는 능력이 중요해지고 있습니다.
LiDAR의 DBH 추정식, 제대로 논문을 찾아보니 크게 달랐다【임업×AI×GIS #6】
본 기사는 LiDAR 데이터에서 얻은 수고(H)와 수관 반지름(Cr)을 활용하여 나무의 흉고직경(DBH)을 추정하는 세 가지 모델을 비교 분석합니다. 기존에 사용하던 '수고만을 이용한 단변수 식' 방식은 오차가 커서 탄소 크레딧 산정에 부적합함을 지적하며, Jucker et al. (2017)의 글로벌 다변수 모델과 일본 미에현 지역 특화 모델(島田博匡, 2011)을 도입하여 DBH 추정치를 개선하는 과정을 설명합니다.
LLM이 충분히 똑똑한 상황에서, 《LLM을 위한 프로그래밍 언어》라는 것은 야비한 사업이다
본 글은 LLM(Large Language Model)의 발전 속도를 고려할 때, 'LLM 친화적'이라는 점을 핵심 차별점으로 내세우는 전용 프로그래밍 언어 설계가 구조적으로 가치가 떨어진다고 비판합니다. 필자는 LLM이 이미 Python, TypeScript 등 기존 주류 언어를 충분히 다룰 수 있으며, 프로그래밍 언어의 본질은 인간의 인지적 편의를 위해 존재한다고 주장합니다. 따라서 'LLM용'이라는 라벨은 마케팅 전술일 뿐이며, 설계상의 한계를 기능으로 포장하는 야비한 시도라고 지적합니다.
Codex로 에이전트 주도 개발 플랫폼을 설계하기
Harness Engineering은 AI 모델(Codex 등)이 실제 업무를 수행할 수 있도록 구조적인 레이어와 환경을 구축하는 엔지니어링 기법입니다. 이 접근 방식은 에이전트가 생성하는 방대한 양의 코드를 인간이 검토하기 어려운 병목 현상을 자동화된 시스템으로 해결합니다. 성공적인 구현을 위해 모노레포 구조, 명확한 지식 베이스(docs/), 레이어드 아키텍처 강제, 그리고 수정 지시를 포함하는 커스텀 린터 및 CI/CD 파이프라인 구축이 필수적입니다.
생성형 AI의 진화로 변하는 2024년의 일하는 방식: 엔지니어가 파악해야 할 3가지 포인트
2024년 생성형 AI 기술은 코딩, 문서화, 학습 방식 등 엔지니어링 전반에 걸쳐 혁신적인 변화를 가져오고 있습니다. 이 기사는 단순한 트렌드 소개를 넘어, 엔지니어가 AI 시대에 필수적으로 갖춰야 할 '코드 리뷰 능력', '시스템 설계 능력', 그리고 '프롬프트 엔지니어링' 등 실질적인 액션 플랜을 제시합니다.
Claude Code의 서브 에이전트(Sub-agent)로 커피 블로그 편집부를 구성해 보았다
본 글은 Anthropic의 Claude를 터미널에서 조작하는 도구인 Claude Code를 활용하여 '서브 에이전트(Sub-agent)' 기능을 구현하고 테스트한 과정을 기록합니다. 필자는 코딩 지식 없이도 아이디어 발굴, 기사 집필, SNS 공지 등 전문화된 역할을 가진 가상의 편집부 멤버들을 구성할 수 있음을 보여줍니다. 특히 서브 에이전트를 성공적으로 호출하기 위해서는 Claude Code를 재시작하는 과정(세션 관리)이 중요하며, 이를 통해 단순한 대행을 넘어선 독립적이고 심층적인 정보 조사 능력을 갖춘 '진정한 에이전트'의 작동 방식을 체감할 수 있습니다.
AI로 풀어보는 AI-DLC: Unit 해석 방법
본 기사는 AI-DLC(AI-Driven Lifecycle Component) 워크플로우에서 'Unit'이라는 용어가 각 스테이지별로 어떻게 다르게 사용되는지 분석하고 정리합니다. Unit은 단순히 개발의 단위가 아니라, Inception 단계에서는 요구사항을 논리적으로 그룹화한 'Unit of Work'를 의미하며, 이후 Construction 및 Build and Test 단계에서는 실제 설계/구현/검증의 구체적인 실행 단위를 지칭하는 등 문맥에 따라 그 의미가 변화합니다. 독자가 각 스테이지의 규칙 기술로부터 Unit의 정확한 의미와 역할을 파악할 수 있도록 돕는 가이드입니다.
GitHub Copilot CLI와 함께 공부하기
이 글은 GitHub Copilot CLI를 활용하여 대화형 학습 퀴즈 시스템을 구축한 과정을 설명합니다. 이 리포지토리는 문제 데이터와 이를 이용하는 인터랙티브 퀴즈 스킬로 구성되어 있으며, GH-600 시험 준비 및 영어 질문에 익숙해지는 것을 목표로 합니다. 구축된 퀴즈 스킬은 학습 용도(`immediate-feedback`)와 모의고사 용도(`full-run`) 두 가지 모드를 제공하며, 문제 데이터 추가가 쉽고, 문제/선택지 순서 셔플 기능을 통해 효과적인 복습을 지원합니다.
MacBook Pro on The Air Pattern ｗ 혹은 로컬 LLM의 현실과 희망
LLM 프로바이더들의 과금 방식 변경으로 인해 AI 에이전트 자율 구동 생산 방식에 대한 재검토가 필요해졌습니다. 이에 필자는 비용 통제가 가능한 로컬 LLM(Local LLM) 환경을 대안으로 제시하며, MacBook Pro와 ollama, qwen3.6 등을 활용한 구성과 실행 과정을 소개합니다. 다만, 고부하 작업 시 발생하는 발열 문제로 인해 'MacBook Pro on The Air Pattern'이라는 임시적인 냉각 방식을 도입하여 자율 구동의 안정성을 확보하는 것이 핵심 내용입니다.
gogcli를 사용하여 Claude Code의 스킬 관리를 자동화하기
본 자료는 gogcli라는 CLI 툴을 활용하여 Claude Code의 Agent Skill 관리를 자동화하는 방법을 다룹니다. 이 시스템은 Google Spreadsheet와 연동되어 스킬 등록, 사용 횟수 집계, 그리고 미등록된 스킬을 자동으로 감지하고 관리할 수 있게 합니다.
Google Maps의 Ask Maps에서 영감을 받아, Codex로 AI 경로 제안 데모를 만들어 보았다
Google Maps의 Ask Maps에서 영감을 받아, 사용자의 문맥적 요구사항에 맞춰 경로를 제안하는 'AI Route Concierge' 웹 데모를 개발했습니다. 이 앱은 출발지, 목적지, 일시, 인원 등 기본 정보를 입력받고, 자연어 채팅을 통해 '앉을 수 있는 가능성', '요금 비교'와 같은 모호한 우선 조건을 변경할 수 있습니다. 핵심은 AI가 경로 자체를 생성하는 것이 아니라, 사용자의 자연어를 조건으로 해석하고 기존의 가상(mock) 경로 후보들을 스코어링하여 재평가하고 설명하는 데 초점을 맞춘 MVP입니다.
3개의 내부 구조량으로부터 양자·고전·중력을 통합하는 최소 구조 모델
Thickness Structure Hypothesis (TSH)는 양자, 고전, 중력이라는 서로 다른 물리 영역을 단지 3개의 내부 구조량(두께 밀도 p(x), 퍼짐 방향 자유도 $\Delta f$, 수축 방향 자유도 $\gamma_{T}$)만으로 통합적으로 기술하는 공변적 최소 구조 모델입니다. 이 모델은 '내부 구조의 변화'를 통해 미시에서 거시까지 모든 물리 현상의 연속적인 이행을 단일 방정식으로 설명하며, 내부 역학(좌변)과 외부 상호작용(우변)을 분리하여 높은 확장성과 계산 효율성을 확보합니다.
ChatGPT・Claude・Gemini・Grok를 동시에 4개 구동하여 의견이 갈린 부분만 하이라이트하는 도구를 만들었다
이 글은 ChatGPT, Claude, Gemini, Grok 등 여러 AI 모델을 하나의 화면에서 동시에 구동할 수 있는 도구 'MultipleChat'의 사용법과 필요성을 소개합니다. 이 도구를 사용하면 단일 모델에 의존했을 때 발생할 수 있는 할루시네이션(Hallucination) 위험을 줄이고, 각 모델의 특기 분야를 병렬적으로 활용하여 답변의 신뢰도를 높일 수 있습니다. 특히 'Disagreement Detection' 기능을 통해 여러 모델 간 의견이 엇갈리는 부분을 한눈에 파악하는 것이 핵심적인 이점입니다.
AI를 사용하여 테스트 설계를 해보기 ~ Part1
본 글은 AI를 활용하여 소프트웨어 테스트 설계를 진행하는 방법을 다루며, 특히 AI를 인풋(Input)으로 사용하는 접근 방식을 선호한다고 설명합니다. 테스트 설계에 앞서 '테스트의 목적', '테스트 대상', '테스트 범위' 등 필수적인 컨텍스트 이해가 중요함을 강조하고, 이를 바탕으로 사양 기반 및 경험 기반 테스트 기법을 적용하여 설계를 진행하는 절차를 제시합니다.
코드 독해의 인지 부하를 줄이기 위한 Skill + Neovim 플러그인을 만들었다
이 글은 AI가 생성한 코드 동작 설명을 Neovim 환경에서 효율적으로 추적할 수 있는 플러그인을 개발한 내용을 다룹니다. 기존에는 AI의 설명(예: Claude Code)을 읽고 이해하는 과정에서 맥락 파악, 파일 이동 등 높은 인지 부하를 겪는 문제가 있었습니다. 이 플러그인은 디버거처럼 에디터 내에서 코드 경로를 단계별로 재생하고, 정의 점프와 같은 기능을 제공하여 개발자의 작업 흐름(workflow)을 개선합니다.
AI 골드러시에서 생겨나는 「가진 자」와 「가지지 못한 자」의 격차
AI 골드러시가 진행되면서 거대 자본과 인프라를 갖춘 '가진 자'와 그렇지 못한 '가지지 못한 자' 간의 격차가 심화되고 있습니다. 이 현상은 AI 붐이 업계 전체에 균등한 풍요로움을 가져다주기보다, 특정 주체에게 부(富)가 편중되는 구조임을 시사합니다. 따라서 기업들은 단순히 기술력 경쟁을 넘어, '무엇을 위해 AI를 사용하는지'라는 명확한 목적과 비즈니스 모델을 정립하는 것이 중요합니다.
처음에는 '잘하고 못하고'를 판정하고 싶었다
개인 개발 중인 기타 연습 SNS 'RiffLog'에 AI 기능 'ToneDNA'를 추가했습니다. 이 기능은 연주 자체의 정밀도나 테크닉을 수치로 채점하는 대신, AI가 사용자의 연주에서 느껴지는 '분위기(Vibe)'와 '느낌'을 DNA 형태로 분석하여 리뷰합니다. 개발 과정에서 초기 목표였던 단순한 채점 방식에서 벗어나, 사용자 경험과 재미를 중시하며 방향을 전환했습니다. 기술적으로는 Next.js, Supabase, Gemini API를 활용했으며, 특히 AI의 답변 형식이 매번 달라지는 문제를 해결하기 위해 JSON Schema 기반으로 반환 형식을 고정하여 안정성을 높였습니다.
Claude Code에서 Codex / Gemini로 작업 위임하기 (토큰 절약 + 모델 특성 활용)
Claude Code의 높은 편리성 때문에 토큰 소비가 과도해지는 문제를 해결하기 위해, Codex와 Gemini 같은 외부 모델의 CLI 기능을 활용하여 작업을 위임하는 방법을 제안합니다. 이를 통해 Claude Code의 세션 컨텍스트를 보존하면서 각 모델의 강점을 활용할 수 있으며, 비용 효율적인 다중 모델 조합을 구축할 수 있습니다. 특히, `codex exec`나 `gemini -p`와 같은 헤드리스 모드를 사용하면 Claude Code가 직접 처리해야 할 작업을 외부 CLI에 맡겨 토큰 소모를 줄이고 대화 이력을 오염시키지 않는 것이 핵심입니다.
Obsidian의 메모가 저절로 기사가 된다 ── 제2의 뇌 발신 파이프라인을 AI로 만든 이야기
이 글은 Obsidian에 휘갈겨 쓴 메모(Raw Note)만으로 AI가 자동으로 위키 정리, 다국어 기사 생성, 정적 웹사이트 배포까지 완료하는 파이프라인 구축 과정을 설명합니다. 핵심은 사용자가 '쓰는 노력'을 최소화하고, 자신의 사고 과정 자체를 시스템에 축적하여 결과물로 만드는 것입니다. AI는 Karpathy 방식의 LLM Wiki 구조(Raw, Wiki, Schema 층)를 활용해 메모를 체계적으로 정리하며, 최종 출력물은 장문 처리에 유리한 HTML 형식으로 다국어 기사화되어 배포됩니다.
이 피드 구독하기
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.