Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Qiita AI 1746건필터 해제
Claude Code에게 물어보며 파고들었더니, 무의식중에 Excel MVP의 유산을 계승하고 있었다는 사실을 알게 된 이야기
작성자가 Claude Code와 대화하며 자신의 Excel VBA 설계 방식이 과거 Lotus 1-2-3 시절의 경험 및 Excel MVP들의 설계 철학과 맞닿아 있음을 발견한 회고록입니다. Microsoft의 업데이트로 인해 일본어 기반 VBA 모듈이 파괴되거나 차단되었던 기술적 장애 사례를 통해, '즉시 분리 가능한' 애드인 설계의 중요성을 역설합니다.
이전의 소리를 듣고 응답하는 음성 AI──Inworld AI TTS-2의 설계와 해외 4개사의 활용법
Inworld AI가 발표한 Realtime TTS-2는 단순 텍스트 입력을 넘어 이전 대화의 음성 이력(Audio History)을 컨텍스트로 활용하는 closed-loop형 음성 모델입니다. 이를 통해 사용자의 감정 상태나 말투를 파악하여 그에 어울리는 톤으로 응답할 수 있으며, 자연어 연기 지시를 통해 세밀한 발성 조절이 가능합니다.
AI 시대에는 어떤 파일 형식으로 업무를 해야 하는가
AI 워크플로우 도입 시 기존의 문서 형식(Word, Excel, PDF 등)이 AI의 데이터 처리 효율을 저해하는 마찰 원인이 될 수 있음을 지적합니다. AI가 읽기 쉬운 파일 형식과 인간이 읽기 좋은 형식 사이의 격차를 이해하고, Markdown과 같은 구조화된 텍스트 형식을 활용하는 전략이 필요함을 제시합니다.
【LLM】MCP를 '관공서의 주소 변경'에 비유하여 쉽게 이해하기
Anthropic이 발표하고 OpenAI도 채택 예정인 Model Context Protocol(MCP)의 개념을 관공서의 주소 변경 절차에 비유하여 쉽게 설명합니다. MCP는 LLM이 외부 도구 및 데이터베이스와 표준화된 방식으로 상호작용할 수 있게 돕는 공통 규격이자 인터페이스 역할을 합니다.
SubQ 입문 — 세계 최초 서브쿼드라틱(Subquadratic) LLM의 12M 컨텍스트와 52배 빠른 속도
SubQ사가 세계 최초로 완전 서브쿼드라틱(Subquadratic) 아키텍처를 채택한 LLM인 'SubQ 1M-Preview'를 출시했습니다. 이 모델은 기존 Transformer의 O(n²) 계산량 문제를 SSA(Subquadratic Sparse Attention) 기술을 통해 O(n)으로 해결하여, 12M 컨텍스트 처리와 압도적인 속도 향상을 실현했습니다.
논리 프로그래밍은 죽지 않았다 ── 제5세대 컴퓨터에서 LLM + MCP Solver로
1980년대 일본의 '제5세대 컴퓨터' 프로젝트가 지향했던 논리 프로그래밍의 꿈이 현대의 LLM, MCP, 그리고 제약 솔버(Constraint Solver)의 결합을 통해 새로운 형태로 재림하고 있습니다. 본 기사는 프로그래밍 패러다임의 역사적 흐름을 짚으며, 2025년 발표된 MCP Solver 연구를 통해 과거의 논리/제약 프로그래밍 기술이 현대 AI 에이전트 기술과 어떻게 통합되는지 분석합니다.
2D 재료 연구에서 실험 데이터와 계산 데이터를 연결하는 것이 왜 중요한가
2D 재료 연구에서 분절된 실험 데이터와 계산 데이터를 통합하는 X2DB 기반의 대규모 통합 연구를 소개합니다. 370종의 실험적 2D 재료를 단층부터 벌크까지 계통적으로 비교할 수 있도록 구성하여, 실험과 시뮬레이션 간의 지식 격차를 해소하는 데 중점을 둡니다. 이는 향후 예측 합성 및 재료 설계 워크플로우를 구축하는 데 필수적인 기반이 됩니다.
LLVM(프로젝트 파일 크기 5.8GB)을 57초 만에 해체한다. C++20과 Tree-sitter로 직접 만든 초고속·저메모리 Local
LLM의 컨텍스트 붕괴와 할루시네이션 문제를 해결하기 위해, 5.8GB 규모의 LLVM 프로젝트를 1분 미만의 시간과 1GB 미만의 메모리로 파싱하는 초고속 Local MCP 서버 'mcp-cst-core'를 소개합니다. C++20과 Tree-sitter를 사용하여 불필요한 추상화를 제거하고, 코드의 구조적 지도(CST)를 단계적으로 AI에게 제공함으로써 효율적인 코드 이해를 지원합니다.
「엔트리 레벨 직무의 축소는 '인재의 기술 부채'이다」── MIT 연구자의 경고로 생각하는 AI 시대의 커리어 전략
AI가 엔트리 레벨의 직무를 자동화함에 따라 기업의 인재 파이프라인이 파괴되고 있다는 MIT 연구자의 경고를 다룹니다. 기업이 단기적인 비용 절감을 위해 주니어 채용을 줄이는 것은 미래의 시니어를 양성할 기회를 포기하는 '인재의 기술 부채'를 쌓는 행위와 같습니다.
Hermes Agent Kanban CLI의 사양을 에이전트에게 가르치기 위한 기사
Hermes Agent의 Kanban 시스템을 외부 에이전트(Claude Code, Codex 등)가 올바르게 조작할 수 있도록 설계된 사양 가이드입니다. 에이전트가 DB에 직접 접근하는 대신 공식 Surface(CLI 또는 Tool call)를 통해 상태 모델과 라이프사이클을 준수하며 동작하도록 하는 원칙을 다룹니다.
MBTI 16가지 성격 유형이 토론하게 만드는 Claude Code 플러그인 『16-minds』를 만들었다
Claude Code의 subagent 기능을 활용하여 16가지 MBTI 성격 유형이 서로 토론하게 만드는 플러그인 '16-minds'를 소개합니다. 이 도구는 단일 모델의 평균적이고 무난한 답변에서 벗어나, 다양한 인격의 편향된 의견과 그 사이의 충돌을 통해 더 깊이 있고 입체적인 통찰을 제공합니다.
Claude Code와 Cursor 환경 구축해 보기
Claude Code와 Cursor를 조합하여 효율적인 AI 개발 환경을 구축하는 방법을 소개합니다. 터미널 기반의 Claude Code와 AI 특화 에디터인 Cursor를 함께 사용하여, 단 3분 만에 전자상거래 사이트의 모크(Mock) 페이지를 생성하는 과정을 보여줍니다.
GCP AI 학습 커리큘럼: 메인 메뉴 Phase 3: AI 앱 만들기
GCP(Google Cloud Platform)의 Vertex AI와 Gemini API를 활용하여 AI 애플리케이션을 개발하는 학습 커리큘럼의 Phase 3 과정입니다. Python SDK와 VS Code를 사용하여 환경 구축부터 RAG, 스트리밍 응답, 대화형 CLI 구현까지 실전적인 AI 앱 개발 워크플로우를 다룹니다.
무라카미 무네타카를 테마로 AI의 할루시네이션(Hallucination) 내성에 대해 생각하기
할루시네이션 억제를 위한 LLM의 안전화 조치가 오히려 데이터의 이상치(Outlier)를 억제하여 예측의 창의성을 저해할 수 있다는 문제를 제기합니다. 무라카미 무네타카와 같은 고분산형 사례를 통해, 지나친 안전화가 평균으로의 수렴을 유도하여 스포츠나 투자처럼 이상치가 중요한 영역에서 한계를 가질 수 있음을 분석합니다.
【토큰 절약】 에이전트 지시를 무시하게 만드는 도구에 대한 시도
자연어로 작성된 에이전트 지시 파일(CLAUDE.md 등)은 모델 업데이트나 비결정론적 특성으로 인해 관리가 어렵고 토큰을 낭비할 수 있습니다. 이를 해결하기 위해 작업 중에는 지시 파일을 숨기고 커밋 시점에 자동으로 복구해 주는 Git hooks 기반의 도구인 `free-my-agent`를 제안합니다.
API 비용 제로, 유출 리스크 제로, 온보딩 1시간 ── 「어디부터 읽어야 하지?」를 완전 로컬 AI + RAG로 해결한 이야기【2,247개
LocalForge는 Ollama를 백엔드로 사용하여 API 비용과 보안 리스크 없이 로컬 환경에서 동작하는 AI 코드 분석 도구입니다. 3단계 분류 체계, 고속 벡터화, 의존 관계 그래프 분석을 통해 대규모 코드베이스에 대한 효율적인 온보딩과 RAG 기반 Q&A를 지원합니다.
Google Workspace AI 컨트롤 센터에서 생성형 AI를 관리하기 위한 설계 판단
Google Workspace에 생성형 AI 관리 및 거버넌스를 통합하는 'AI 컨트롤 센터'가 도입되었습니다. 이 기능은 Enterprise Standard 및 Plus 사용자를 대상으로 하며, AI 액세스 제어, 보안 설정, 데이터 보호 및 컴플라이언스 검토를 위한 4가지 주요 모듈을 제공합니다.
AI에게 「적당히 고쳐줘」라고 부탁하는 것을 그만두고, GitHub Issue를 작업의 정본(正本)으로 삼았다
AI에게 모호한 명령을 내리는 대신 GitHub Issue를 작업의 기준점으로 삼아 개발 효율을 높이는 방법을 제안합니다. 설계 메모를 넘어 Goal, Scope, Done, Out of scope를 포함한 Issue를 작성함으로써 AI 에이전트의 작업 범위를 명확히 하고, 아이디어가 실제 구현(PR)까지 이어지는 흐름을 구축할 수 있습니다.
「노력하는데도 늘지 않는다」가 사라진다——뇌과학 관점에서 본 AI 시대의 엔지니어 성장법
노력해도 성장이 정체되는 이유는 뇌가 익숙한 작업을 자동화하여 에너지를 절약하려 하기 때문입니다. AI 시대에는 무조건적인 의존 대신 '근접 발달 영역'에 해당하는 적절한 부하를 주고, 스스로 생각하는 시간을 확보하며, 아웃풋을 통해 지식을 체득하는 학습 전략이 필요합니다.
API Key 없이 사용할 수 있는 「이상적인 AI 코드 에디터」를 만들었다
API Key나 유료 구독 없이 ChatGPT 웹 버전을 활용하여 코드를 안전하게 편집할 수 있는 AI Folder Editor를 소개합니다. 사용자가 프롬프트를 복사해 ChatGPT에 붙여넣고 결과물을 다시 가져오면, 에디터가 코드 차이(Diff)를 분석하여 안전하게 반영하는 구조를 가집니다.
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.