Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
「내 PC에서는 되는데」── 동료의 pip install이 C++ 컴파일러에서 멈춰서, 보이지 않았던 도입 장벽을 깨달은 이야기
멀티 에이전트 프레임워크 C3(Claude Code Conductor) 개발자가 동료의 피드백을 통해 겪게 된 설치 장벽과 UX 개선 과정을 다룹니다. 특정 의존성(chroma-hnswlib)의 C++ 컴파일 요구 문제와 초기 설정 프로세스의 혼선을 해결하는 과정을 담고 있습니다.
6월 17일0
ZennAI 번역헤드라인
화제의 GLM-5.2를 ZCode로 사용해 보았다.
Zhipu AI가 출시한 코딩 특화 모델 GLM-5.2와 이를 지원하는 코딩 에디터 ZCode의 사용 후기를 다룹니다. GLM-5.2는 긴 문맥 처리와 에이전트 기반의 소프트웨어 개발 태스크에 최적화되어 높은 성능과 가성비를 보여줍니다.
6월 17일0
ZennAI 번역헤드라인
WordPress 자동 포스팅 파이프라인에서 이미지가 3장씩 표시된 원인 조사
WordPress 자동 포스팅 파이프라인에서 리뷰용으로 삽입한 이미지 버리에이션이 그대로 게시되는 버그를 조사하고 해결한 과정을 다룹니다. Markdown을 HTML로 변환하는 과정에서 특정 조건의 이미지를 필터링하도록 수정했습니다.
6월 17일0
ZennAI 번역헤드라인
매크로 없는 업무용 장표로의 확장 ─ xlsm_devkit의 .xlsx 대응과 AI를 이용한 수식 검토
xlsm_devkit을 매크로가 없는 Excel(.xlsx) 파일로 확장하여, 복잡한 수식이 포함된 업무용 장표를 관리하는 방법을 다룹니다. 시트를 Markdown으로 변환하여 AI가 수식을 코드처럼 검토할 수 있게 하는 워크플로우를 소개합니다.
6월 17일0
ZennAI 번역헤드라인
에이전트의 경쟁력은 모델보다 '데이터 기반'에서 결정된다 ― Data + AI Summit 2026 기조 강연 리포트
Data + AI Summit 2026 기조 강연을 통해 AI 에이전트의 핵심 경쟁력은 모델의 지능이 아닌 '데이터 기반의 컨텍스트(Context)'에 있음을 분석합니다. 기업용 AI 도입을 가로막는 4가지 장벽(Choice, Control, Cost, Context)과 이를 해결하기 위한 Databricks의 제품 전략을 다룹니다.
6월 17일0
ZennAI 번역헤드라인
자작 MCP 서버에 기억을 학습시켰더니, 3개 프로젝트를 가로질러 11개의 버그를 발견했다
Claude Code의 세션 간 기억 공유 문제를 해결하기 위해 MCP 서버인 'memdream'을 구축한 사례를 소개합니다. TiDB Cloud의 벡터 검색과 Ollama를 활용하여 프로젝트 간 의미적 기억을 공유하며, 이를 통해 다수의 프로젝트에서 다수의 버그를 발견하는 성과를 거두었습니다.
6월 17일0
ZennAI 번역헤드라인
AI의 기억에 소유자와 상태를 부여하는 설계
AI 에이전트의 효율적인 운영을 위해 대화 이력 대신 '작업의 정본(Source of Truth)'을 구축하는 설계 방식을 제안합니다. 기억의 상태(status)와 소유자(owner)를 명시하여 AI가 신뢰할 수 있는 정보만을 참조하도록 관리하는 것이 핵심입니다.
6월 17일0
ZennAI 번역헤드라인
Data + AI Summit 2026 첫날 Keynote: Genie Ontology를 현장 슬라이드로 파헤치기
Data + AI Summit 2026에서 발표된 Genie Ontology와 OntoRank 알고리즘을 소개합니다. AI 에이전트가 데이터의 문맥을 정확히 이해할 수 있도록 온톨로지를 활용해 정밀도와 비용 문제를 해결하는 구조를 다룹니다.
6월 17일0
ZennAI 번역헤드라인
「AI가 격려하면 괴롭다」— Toxic Positivity를 회피하는 시스템 프롬프트 (System Prompt) 설계
AI가 제공하는 무조건적인 격려가 오히려 사용자에게 '유해한 긍정성(Toxic Positivity)'으로 작용하는 문제를 분석합니다. 이를 해결하기 위해 AI의 페르소나를 '현자'에서 객관적인 '편집자'로 전환하고, 구체적인 금지 명령을 통해 시스템 프롬프트를 설계한 과정을 다룹니다.
6월 17일0
ZennAI 번역헤드라인
AI 시대의 미루는 습관은 '판단 TTL'로 줄일 수 있다: Obsidian과 TypeScript로 의사결정이 부패하지 않는 시스템 만들기
AI 시대에 늘어나는 선택지 속에서 의사결정 지연을 방지하기 위한 '판단 TTL' 개념을 소개합니다. Obsidian, TypeScript, GitHub Actions를 활용해 의사결정의 유효 기간을 관리하고 재검토하는 시스템 구축 방법을 다룹니다.
6월 16일0
ZennAI 번역헤드라인
LLM 전단에 「사고 상태」를 분리한다 — VLTE-BPTM의 설계 사상과 솔직한 현재 성능
LLM 호출 전 사고 상태를 분리하는 VLTE-BPTM 아키텍처의 설계 사상과 현재 성능을 공유합니다. 책임의 분리를 통해 비용을 최적화하고 판단의 투명성을 높이는 것을 목표로 합니다.
6월 16일0
ZennAI 번역헤드라인
Claude Opus 4.7 & Claude Builder 입문 — 차세대 플래그십과 앱 생성의 전모
Anthropic이 차세대 플래그십 모델인 Claude Opus 4.7과 풀스택 앱 생성 도구인 Claude Builder를 출시할 예정입니다. Opus 4.7은 자율 에이전트 및 멀티 에이전트 협업 능력이 강화되며, Claude Builder는 기존의 v0나 Bolt와 경쟁하는 앱 빌딩 환경을 제공합니다.
6월 16일0
ZennAI 번역헤드라인
AI 에이전트의 '압축' 도구 Headroom을 사용해 보았다 ― 그 압축의 정체를 확인하다
AI 에이전트의 컨텍스트를 압축하여 토큰 비용을 절감하는 오픈소스 도구 Headroom을 분석합니다. 최근 GitHub Copilot과 Claude의 요금 체계가 종량제로 변화함에 따라, 효율적인 토큰 관리의 중요성과 Headroom의 작동 원리를 다룹니다.
6월 16일0
ZennAI 번역헤드라인
Claude의 행동 규범(시스템 프롬프트)을 한국어로 번역하고, 업무에 어떻게 활용할 것인가
Claude의 행동 규범을 정의하는 시스템 프롬프트를 한국어로 번역하고, 이를 업무 및 프롬프트 작성에 활용하는 방법을 제안합니다. 세계 최고 수준의 지시문 사례를 통해 효과적인 AI 활용 전략을 배울 수 있습니다.
6월 16일0
ZennAI 번역헤드라인
Cloudflare Workers로 MCP 서버를 구축하여 AI 에이전트에 자사 데이터를 제공하기
Cloudflare Workers를 활용하여 AI 에이전트가 외부 데이터에 접근할 수 있는 MCP(Model Context Protocol) 서버를 구축하는 방법을 소개합니다. JSON-RPC 2.0 기반의 구현 방식과 비용 효율적인 운영 팁을 제공합니다.
6월 16일0
ZennAI 번역헤드라인
MEOチェキ 대신 Google 비즈니스 프로필 리뷰 답장을 AI로 처리하는 0엔 OSS를 만들고 있습니다
Google 비즈니스 프로필(GBP)의 공식 API를 활용하여 리뷰 답장 자동화, 게시물 예약, 분석 기능을 제공하는 0엔 오픈소스 소프트웨어(OSS) 개발 사례를 소개합니다. Cloudflare의 무료 티어와 Groq/Gemini API를 결합하여 비용 부담 없이 운영 가능한 아키텍처를 제안합니다.
6월 16일0
ZennAI 번역헤드라인
AI에게 루비크 큐브를 풀게 하며 발견한 솔버(Solver)와 자력 추론의 차이
AI 에이전트가 루비크 큐브를 푸는 과정에서 외부 솔버(kociemba)를 사용하는 방식과 자력 추론의 차이를 실험했습니다. AI가 도구를 활용해 정답을 도출하는 것과 스스로 해법을 사고하는 것의 본질적 차이를 분석합니다.
6월 16일0
ZennAI 번역헤드라인
mizchi 님의 sprawlens가 궁금해서 11만 LOC 규모의 리포지토리를 건강검진해 보았다
mizchi가 공개한 sprawlens는 Git 이력을 분석하여 코드베이스의 구조적 성장과 의존성 변화를 시각화하는 도구입니다. 특히 AI가 작성한 커밋을 식별하여 AI 활용이 코드 구조에 미치는 영향을 측정할 수 있는 기능을 제공합니다.
6월 16일0
ZennAI 번역헤드라인
ReAct 루프 ― 생각하기 → 도구 사용하기 → 관측하기 최소 골격【프롬프트로 풀어보는 AI 에이전트 #2】
AI 에이전트의 핵심 동작 원리인 ReAct(Reasoning and Acting) 루프의 개념과 최소 골격을 설명합니다. LLM의 추론, 도구 사용, 결과 관측이 반복되는 사이클을 통해 에이전트가 어떻게 태스크를 수행하는지 다룹니다.
6월 16일0
ZennAI 번역헤드라인
AI는 신뢰하는 것이 아니라 설계하는 것 ── 연재 총괄·최종장 (Part 6)
AI 에이전트가 시스템을 정확히 이해하도록 설계하는 'cortex' 하네스의 철학과 기술적 도전 과제를 다룹니다. 컨텍스트 윈도우의 한계와 'lost in the middle' 현상을 극복하기 위해 정보를 구조화하는 설계의 중요성을 강조합니다.
6월 16일0