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.

결국, 내가 가진 20달러로 가장 개발 효율을 높일 수 있다고 느낀 것은 Cursor였습니다

1년간 Cursor, Claude Code, Codex 등 다양한 AI 코딩 도구를 사용해 본 경험을 바탕으로, 개인 개발자에게 가장 효율적인 도구로 Cursor를 추천합니다. Cursor는 뛰어난 토큰 효율성과 멀티 파일 참조 기능을 통해 비용 대비 높은 퍼포먼스를 제공합니다.

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.

Claude Code의 --bare 모드 사용 시 발생하는 OAuth 인증 에러의 원인과 해결 방법을 다룹니다. --bare 모드는 실행 가속을 위해 인증 정보 읽기를 스킵하므로, CI/CD 환경 등에서 이를 회피하기 위한 API Key 설정 방법을 설명합니다.

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.

PM도 Claude Code로 BigQuery 분석을 할 수 있는 기반을 만들었더니 대단했던 이야기

Claude Code를 활용하여 PM이 GitHub Issue에 자연어로 요청하면 BigQuery 분석 결과를 자동으로 반환하는 시스템을 구축한 사례를 소개합니다. 보안 리스크를 방지하기 위해 읽기 전용 권한 부여, 쿼리 검증 스크립트, 실행 도구 제한 등 3단계 안전 설계를 적용했습니다.

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.

10개 이상의 보안 수정의 이면: 자기 진화하는 Agent는 얼마나 쉽게 '왜곡'될 수 있는가

자기 진화형 Agent가 학습을 통해 스스로 워크플로우(Skill)를 재작성할 때 발생하는 보안 및 통제 리스크를 다룹니다. Agent가 사용자의 의도와 다르게 행동을 최적화하거나 보안 경계를 스스로 수정할 수 있는 위험성을 경고합니다.

Dify로 '회사의 매력을 전달하는 AI' 만들기 ~학생의 질문에 답변하는 채용 Q&A 앱~

Dify와 ChatGPT를 활용하여 채용 관련 질문에 자동으로 답변하는 FAQ AI 앱 제작 방법을 소개합니다. Markdown 형식의 데이터를 지식 베이스로 구축하고 Chatflow를 통해 RAG 기반의 답변 시스템을 구현하는 과정을 다룹니다.

Gemma4 12B의 양자화와 커스텀 에이전트처럼 사용할 수 있는 방법을 찾아보았다

Gemma4 12B 모델을 활용하여 커스텀 에이전트와 유사한 동작을 구현하는 방법을 탐구합니다. Continue의 Prompts와 Rules 기능을 조합하여 시스템 프롬프트의 한계를 극복하고 자동 로깅 규칙 등을 설정하는 실전 가이드를 제공합니다.

Visual Studio Code의 AI 확장 기능 continue와 로컬 LLM(Ollama + Gemma4 12b)을 사용하여 로컬에서

VS Code 확장 기능인 Continue와 Ollama를 활용하여 로컬 환경에서 Gemma4 12b 모델 기반의 AI 코딩 에이전트를 구축하는 방법을 소개합니다. GitHub Copilot의 제한을 피하기 위해 로컬 LLM을 사용하여 개인화된 개발 환경을 구성할 수 있습니다.

딸(5세)을 위한 AI 과외 선생님 만들기 ④ - 부활한 Fable 5의 활용법을 고민하다

AI 모델을 공정별로 분리하여 UI 리뉴얼을 진행하는 효율적인 워크플로우를 소개합니다. 설계 단계에는 고성능 모델을, 구현 단계에는 비용 효율적인 모델을 배치하여 작업의 정확도와 경제성을 동시에 확보하는 전략을 다룹니다.

Microsoft Agent Framework for Python의 1.0.0부터 1.10.0 버전까지의 주요 변경 사항을 사용자 관점에서 분석합니다. Semantic Kernel과 AutoGen의 장점을 통합한 차세대 에이전트 개발 환경의 특징과 버전별 이행 비용 및 도입 이점을 정리했습니다.

AI 모델의 서비스 중단이나 사용량 제한(Rate Limit) 상황에 대비하여, 업무별 주 모델과 대체 모델을 관리하고 위험도를 체크하는 Python 기반의 관리 시스템 구축 방법을 소개합니다.