OpenClaw의 채널 플러그인 설계 원칙인 'transport-only' 구조를 분석합니다. 채널은 메시지 전달과 묘사에만 집중하고, 상품 로직은 코어에서 관리함으로써 다수의 메시징 서비스에 대응하는 추상화 방식을 설명합니다.

OpenClaw CLI의 실행 경로와 초기화 과정을 심층 분석합니다. 메인 모듈 판별을 통한 이중 실행 방지 기제와 V8 컴파일 캐시를 활용한 프로세스 재시작 로직 등 거대 애플리케이션의 안정적인 실행 설계 방식을 다룹니다.

OpenClaw 시스템의 핵심인 Gateway 프로토콜의 제어 평면(Control Plane) 통신 구조를 분석합니다. WebSocket 기반의 JSON-RPC 스타일 프레임 구조와 TypeBox를 활용한 스키마 정의 방식을 다룹니다.

【#4】 OpenClaw 해독하기 — 코어에 능력을 주입하는 단 하나의 창구

OpenClaw의 플러그인 아키텍처를 분석하여 코어와 플러그인 간의 의존성을 분리하는 메커니즘을 설명합니다. 매니페스트와 로더를 통해 코드를 실행하지 않고도 플러그인의 능력을 파악하는 제어 평면(control plane)과 실행 평면(runtime plane)의 분리 원칙을 다룹니다.

Loop Engineering 입문: AI 에이전트 시대에 '프롬프트를 쓰는 것'에서 '루프를 설계하는 것'으로

AI 에이전트 활용 방식이 단발성 프롬프트 작성을 넘어, 자율적인 실행과 검증의 반복 구조를 설계하는 'Loop Engineering'으로 진화하고 있습니다. 이는 프롬프트와 컨텍스트를 통합하여 제어 시스템을 구축하는 상위 레이어의 설계 사고방식입니다.

AI 코딩 에이전트를 탈취하는 "Agentjacking"이란: 가짜 에러 보고로 명령 실행, 실험 성공률 85%의 메커니즘과 경계선

AI 코딩 에이전트가 가짜 에러 보고를 통해 악의적인 명령을 실행하게 만드는 'Agentjacking' 공격 기법을 소개합니다. 이 공격은 에이전트의 편리한 구조를 악용하며, 실험 결과 85%의 높은 성공률을 보였습니다.

AI 에이전트가 생성하는 PR이 급증함에 따라 발생하는 리뷰 부하를 줄이기 위해 GitHub Labeler를 활용한 자동 라벨링 전략을 소개합니다. 파일 경로와 브랜치 이름을 기준으로 정적 규칙을 설정하여 PR의 성격을 시각화하고 효율적으로 관리하는 방법을 다룹니다.

Anthropic의 Dreams API는 에이전트의 메모리 스토어에 쌓이는 중복, 모순, 노후화된 정보를 정리하는 기능입니다. 비동기 배치 작업을 통해 기존 메모리를 수정하지 않고 새로운 최적화된 메모리 스토어를 생성하여 에이전트의 장기 기억 효율을 높입니다.

OpenAI의 GPT-5.6 Sol 모델을 통해 강력한 AI 에이전트 도입 시 필수적인 권한 설계의 중요성을 다룹니다. 특히 subagent를 활용하는 ultra 모드의 자율성이 높아짐에 따라 발생할 수 있는 보안 리스크와 실행 환경 설계 방안을 제시합니다.

【시도해 보기】Copilot Studio + Power Automate Desktop

Copilot Studio와 Power Automate Desktop을 결합하여 자연어 지시만으로 데스크톱 앱을 조작하는 '컴퓨터 유즈(Computer Use)' 기능을 검증합니다. 기존 RPA와 달리 UI 셀렉터 대신 AI의 동적 화면 인식을 활용하여 유지보수 효율을 극대화하는 차세대 자동화 방식을 소개합니다.

Claude API 대규모 업데이트 정리: Fable 5 등장 · 구모델 폐지 · 30% 토큰 증가 대응

Anthropic의 Claude API 대규모 업데이트로 인해 Fable 5, Mythos 5 등 신규 모델이 등장하고 기존 구모델이 폐지되었습니다. 새로운 토크나이저 도입으로 토큰 수가 약 30% 증가함에 따라 비용 산정 및 컨텍스트 관리 방식의 변경이 필수적입니다.

AI 코딩 에이전트를 17번 고장낸 후 마침내 해결책을 찾았다 — Superpowers

AI 코딩 에이전트 사용 시 발생하는 요구사항 누락, 컨텍스트 방황, 성급한 성공 선언 문제를 다룹니다. 이를 해결하기 위해 소프트웨어 공학의 베스트 프랙티스를 에이전트에 적용한 'Superpowers' 프로젝트를 소개합니다.

AI 에이전트를 실무 운영하려면 「데이터 프로덕트」 설계가 모든 것을 결정한다

AI 에이전트를 실무 운영(Production) 단계로 끌어올리기 위해서는 단순한 데이터 존재 여부를 넘어 '데이터 프로덕트' 설계가 필수적입니다. 에이전트가 데이터의 비즈니스적 의미를 정확히 이해할 수 있도록 세만틱 컨트랙트(Semantic Contract)를 구축해야 합니다.

AI를 활용하여 전기 수직 이착륙기(eVTOL)의 에너지 시스템을 '더 친숙한 것'으로 만드는 방법

AI를 활용하여 eVTOL(전기 수직 이착륙기)의 에너지 시스템을 최적화함으로써 비용과 중량을 절감하는 방법을 다룹니다. 기존의 보수적인 하드웨어 중복 설계 방식에서 벗어나, AI 기반의 확률적 모델링을 통해 배터리, 모터, 항로, 열 관리를 효율적으로 제어하는 전략을 제시합니다.

#43 2026년, 업계는 AI를 위해 「고삐(Harness)」와 「바퀴(Loop)」라는 이름을 붙였다 —— 내가 로컬에

2026년 AI 엔지니어링의 핵심 트렌드로 부상할 Harness(런타임 레이어)와 Loop(자율 순환 구조) 개념을 소개합니다. 저자는 직접 구현한 RAPTOR, llloop 등의 사례를 통해 모델 중심을 넘어선 엔지니어링의 확장 방향을 제시합니다.

2026년 AI 엔지니어링의 핵심 패러다임인 하네스(Harness)와 루프(Loop) 엔지니어링을 소개합니다. LLM을 감싸는 결정론적 런타임 층과 자율적 에이전트 루프 설계의 중요성을 실제 구현 사례와 함께 다룹니다.

AI에게 '코드 통째로 넘기기'는 이제 졸업. 거대·레거시 코드를 '지도화'하여 조사와 개수까지 맡기는 기술

거대하고 복잡한 레거시 코드베이스를 AI에게 통째로 맡기는 대신, 코드의 구조를 '지도화'하여 전달하는 효율적인 개발 가이드를 제시합니다. AI의 컨텍스트 제한과 구조적 이해 부족 문제를 해결하기 위한 전략적 접근법을 다룹니다.

【무료】 로컬 LLM으로 RAG 평가해 보기

로컬 LLM 환경에서 RAG(Retrieval-Augmented Generation)의 성능을 직접 구현하여 평가하는 방법을 다룹니다. Retrieval과 Generation 두 가지 측면에서 평가 지표를 설정하고, 데이터베이스를 활용해 평가 메커니즘을 구축하는 과정을 설명합니다.