dbt Labs 채널의 Shreya Shankar 대담 'Can data agents do real analysis?'를, 영상을 직접 보지 않고 GeekNews 요약과 Data Agent Bench 논문·저장소, Shankar의 논문·블로그를 근거로 정리한다. SQL 생성만으로는 잴 수 없는 데이터 에이전트의 분석 능력, 리더보드 과적합, 시맨틱 레...
Hugo Vergnes가 개인 블로그에 공개한 little-lm 회고를 분석한다. 8× B200에서 43시간·$998로 3.8B 모델을 CORE 0.384까지 끌어올린 레시피(Muon, ClimbMix, FP8, 사다리꼴 LR), 처리량 튜닝, 어블레이션, 그리고 '컨텍스트 길이가 벤치마크 점수를 속인' 사례를 정리한다.
Shi·Pang·Li의 arXiv 논문 'Matched Capabilities, Different Behaviors'(2610.34298v1)를 분석·정리한다. 실행 가능한 능력을 똑같이 맞춘 MCP와 CLI 인터페이스가 6개 모델·3개 환경에서 성능·토큰 비용·실패 경로를 크게 다르게 만든다는 통제 실험(MICA)과, 결정은 그대로 두고 표현만 고치...
Flamerix AI가 GitHub gist로 공개한 'Claude Code burns ~15–20% of your tokens on a 3-word status line'을 분석·정리한다. gist에 따르면 백그라운드 에이전트 패널의 3~5단어 상태 줄을 채우려 약 30초마다 전체 transcript를 모델에 다시 보내는 agent_summary 사...
SkyPilot 블로그의 'Grace Blackwell needs a new scheduler'를 분석한다. NVL72 랙의 NVLink 이점은 작업이 한 랙 안에 놓일 때만 생긴다는 주장과 '16노드 슬라이스 + 예비 노드 2개' 설계를 정리하고, 일반적인 기술 논지와 자사 제품 홍보를 분리해 평가한다.
Hennadii Kutomanov의 arXiv 논문 Instruction Capacity(2610.36095)를 분석·정리한다. '단어 하나를 다른 단어로 바꾸라'는 원자적 규칙을 부하 단위로 삼아, GPT-4o mini가 동시에 몇 개의 규칙을 95% 정확도로 지키는지(약 37~38개)를 불확실성과 함께 측정하는 계측 도구와 그 '여권(passpor...
Surge AI의 'DAYJOB: Tax — Benchmarking AI Agents on Professional Tax Work'를 분석·정리한다. 지저분한 실무 파일 더미 속에서 고객이 묻지 않은 중대한 쟁점까지 찾아 완성된 결과물로 끝내야 하는 50개 세무 과제에서, 최상위 모델도 통과율 10.8%에 그쳤다는 결과와 '지식·계산'이 아니라 '주도...
Data Engineering Weekly의 Ananth Packkildurai가 쓴 'Do We Still Need Data Models?'를 분석한다. 에이전트가 데이터 시스템을 설계·구축하는 시대에 데이터 모델의 역할이 '사람 팀의 설계 산출물'에서 '에이전트의 해석과 결정을 사람이 검사하는 표면'으로 옮겨 간다는 주장을 따라간다.
많은 전용 에이전트 메모리가 원본 기록을 그대로 검색하는 naive RAG보다 못하다는 관찰에서 출발해, 메모리의 순가치를 '이득'과 '세금'(충실성·접근성·강건성)으로 쪼개는 arXiv 논문 Memory Tax(2610.34073)를 정리한다. 세금이 생기는 경로와 설계 처방을 개발자 관점에서 짚는다.
Latent Space 팟캐스트 'How Anthropic ships Claude with Claude: Separating the Brain from the Hands'(2026-10-27, Katelyn Lesse·Angela Jiang 출연)를 분석·정리한다. 모델 출시가 곧 API 출시가 되는 이유, Managed Agents의 '두뇌와 손' ...
Cursor의 pstack 플러그인을 직접 읽고, '빨리 가려면 먼저 깊이 가라'는 철학 아래 poteto-mode 플레이북·원칙 스킬·Opus/Grok 멀티 모델 분담이 어떻게 맞물리는지, Cursor와 Claude Code 설치법과 함께 정리한다.
Zhihao Yang 외 9인의 arXiv 논문 'Evolving to Match Capabilities'(2610.33024)를 분석·정리한다. 강한 모델을 끌어올리는 같은 스킬(SKILL.md)이 약한 모델에겐 무용하거나 해롭다는 관찰, 실패의 86%가 '이미 스킬에 적힌 요구사항'을 어긴 것이라는 진단, 그리고 네 가지 실패 유형을 고정된 메타 ...
Ubicloud 블로그의 'Fixing Tool-Call Accuracy in vLLM'을 분석·정리한다. vLLM으로 Kimi K2.6을 서빙할 때 92%에 그친 도구 호출 스키마 정확도를 XGrammar 기반 제약 디코딩으로 100%까지 끌어올린 과정과, vLLM이 그 기능을 기본으로 끈 이유를 읽고, Hacker News 토론(GeekNews 소...
Sebastian Raschka가 Ahead of AI에 공개한 'Building Reasoning Models from the Ground Up'을 분석한다. 사전학습된 Qwen3 0.6B 위에 검증기 → 추론 시점 스케일링 → RLVR/GRPO → 증류를 PyTorch로 직접 쌓는 8강 커리큘럼의 구조를 정리하고, LLM·추론 모델·에이전트 하니스...
Latent Space에 실린 Dan McAteer의 'Claude Mods: Flipping the Harness Inside Out'(2026-10-21)을 분석·정리한다. 기계를 향하던 에이전트 하니스를 사람의 주의(attention)를 향하도록 뒤집는 Claude Mods의 구조, 내장 mod와 저자가 만든 Next Steps Superviso...
Pinterest Engineering 블로그의 "Metrics Board: Building an Agent-ready Metrics Layer"를 분석한다. 메트릭을 한 번 정의하면 계산·품질 검증·배포·탐색이 자동으로 따라오는 '얇은 시맨틱 레이어'의 다섯 기둥과, 사람을 위한 신뢰 작업이 곧 에이전트를 위한 기반이 된다는 핵심 주장을 정리한다.
Data Engineering Weekly의 Ananth Packkildurai가 쓴 'The Self-Organizing Data Stack'을 분석한다. 파이프라인 DAG를 사람이 그리는 입력에서 오케스트레이션 엔진이 유지하는 출력으로 뒤집자는 패러다임 전환을, 위키의 Data-Engineering·dbt·Airflow·Lakehouse·Ontol...
Claude by Anthropic의 'The AI-native SDLC playbook'을 읽고, 코드 생성 이후 병목이 된 계획·검증·배포를 커밋된 산출물과 실행 가능한 통제로 다시 잇는 6단계 운영 모델을 분석한다. 단계별 실무 지침뿐 아니라 이 플레이북이 전제하는 플랫폼 성숙도와 사람의 리뷰 병목도 함께 짚는다.
Archer Hume의 'Jev's Architecture Unmasked'를 분석·정리한다. TypeSafe가 연구를 공개하지 않는 판단 특화 모델 Jev를 체계적 API 프로빙으로 역공학해 — 공유 상태 인코딩, 격리된 질문 브랜치, 텍스트 생성 없는 직접 확률 readout, listwise 선택지 상호작용, MoE 추정까지 — 가장 그럴듯한 아...
Sean Goedecke의 'Jev means structured output is interesting again'을 분석·정리한다. TypeSafe AI의 'System One' 모델 Jev가 자기회귀 생성을 버리고 구조화 출력만 내보내며 70ms~500ms 응답을 달성한 것의 의미 — 그리고 그 속도가 기존 LLM의 prefill + 단일 토큰 ...
Every의 'Also True for Humans' 칼럼에서 Mike Taylor가 TypeSafe의 판단 특화 모델 Jev를 직접 테스트한 글을 분석한다. 777개의 판단을 0.7초에, 0.25센트로 처리하는 모델이 '지식 노동의 린터'라는 새로운 도구 계층을 여는 과정 — 그리고 그것이 에이전트 검증 문제에 주는 함의를 정리한다.
Few-Shot Academy의 Mangat Rai가 쓴 'GPT-6 Astra: the harness is the product'를 분석·정리한다. Astra의 진짜 혁신은 모델이 아니라 메모리·도구·컨텍스트·제어를 묶은 런타임 하니스라는 주장과, 같은 모델이 하니스에 따라 54.8% vs 99.9%로 갈리는 45.1포인트 격차, 그리고 '2회 평가...
LangChain 채널에 올라온 젠슨 황(NVIDIA) × 해리슨 체이스(LangChain) 대담을 분석·정리한다. '지난 6개월이 모든 걸 바꿨다'는 진단부터, LLM을 감싸는 하니스, 오픈 웨이트 Nemotron 3 Ultra로 만드는 도메인 특화 슈퍼 에이전트, 그리고 '미래의 회사는 비즈니스 프로세스가 아니라 하니스 위에 세워진다'는 주장까지 ...
Sandeco Macedo의 arXiv 논문(2607.27578)을 분석·정리한다. LangGraph·DSPy가 이미 노출하는 '프롬프트 그래프'를 4개 조건(G1–G4)과 4개 판정 테스트(T1–T4)로 정의하고, Claude Code 서브에이전트를 의도적 반례로 배제하는 정의적 논문이다.
Martin Fowler의 Exploring Gen AI 시리즈에 실린 Giles Edwards-Alexander의 실험 글을 분석한다. 17,155줄짜리 Rust 파일을 15단계로 리팩터링하자, 동일한 기능 추가에 드는 입력 토큰이 83% 줄었다 — 에이전트 코드베이스에서 '코드 품질'이 어떻게 곧 '비용'이 되는지에 대한 정량적 증거다.
Sanderson Oliveira de Macedo의 arXiv 논문(2606.10106)을 분석·정리한다. LLM을 에이전트로 바꾸는 '하니스'라는 널리 쓰이지만 정의 없던 용어를 4개 필요충분조건(T1–T4)으로 규정하고, Claude Code·SWE-agent 등 실제 6개 시스템에 적용하는 정의적 논문이다. 자매편 prompt graph eng...
rody(@0x_rody)가 X에 올린 'How to Do Graph Engineering With Opus 5' 스레드를 정리·분석한다. temporal knowledge graph의 유일한 킬러 비용인 '추출 호출'을, Opus 5의 프롬프트 캐싱($0.50/M)·effort 분리(추출 low / traversal high)·배치 API(50% 할...
Reddit·Hacker News에서 뜨는 'graph engineering'을 조사해 loop engineering의 다음 단계로 정의한다 — 에이전트를 무한 루프가 아니라 타입된 상태·조건부 엣지·체크포인트를 가진 명시적 그래프로 설계하는 흐름. 이 위키의 loop engineering·durable execution·데이터 엔지니어링 DAG 글과...
Inkdrop 개발자 Takuya Matsuyama(craftzdog)가 만든 tmux 플러그인 tmux-claude-session-manager를 GitHub 저장소와 제작자의 데모 영상(14분)을 함께 놓고 분석한다. 여러 프로젝트에 걸쳐 도는 Claude Code 세션들을 fzf 피커 하나로 나열하고, working/waiting/idle 상태를...
Anthropic의 Thariq Shihipar가 쓴 'A field guide to Claude Fable 5: Finding your unknowns'를 정리·분석한다. 코딩 에이전트의 작업 품질을 가로막는 병목은 이제 모델이 아니라 '내가 무엇을 모르는지 명확히 하는 능력'이라는 주장과, 구현 전·중·후에 걸쳐 그 unknowns를 값싸게 발굴하...
Addy Osmani가 Elevate(Substack)에 쓴 'Death of the IDE?'(2026-03-20)를 정리·분석한다. IDE는 죽는 게 아니라 '중심에서 밀려난다'는 주장 — 개발의 주 무대가 한 줄씩 코드를 편집하는 편집기에서, 병렬 에이전트를 계획·위임·검토·통제하는 '컨트롤 플레인(오케스트레이션 레이어)'으로 옮겨 가고 있다는 ...
okTurtles의 Greg Slepak이 쓴 'The Short Leash AI Coding Method For Beating Fable'(2026-07-02)를 정리·분석한다. '오케스트레이터 뒤에 12개 에이전트를 굴리고 개발자는 해변에 눕는' 바이브 접근을 정면으로 거부하고, 프론티어 모델조차 못 내는 품질을 전문가가 AI를 '짧은 목줄'에 매...
OpenAI 엔지니어링 블로그의 'Unrolling the Codex agent loop'(Michael Bolin)를 분석한다. Codex CLi 하니스가 사용자·모델·도구의 상호작용을 어떻게 오케스트레이션하는지를 prompt 조립, role 우선순위, stateless 설계, agent loop의 quadratic 비용, prompt caching...
Modular의 Tim Davis가 쓴 'Probabilistic Engineering and the 24-7 Employee'를 분석한다. 소프트웨어가 정확성을 '아는' 결정론적 엔지니어링에서 정확성을 '믿는' 확률적 엔지니어링으로 옮겨 가고, 사람이 밤새 일하는 에이전트 함대를 지휘하는 24-7 노동 모델이 등장한다는 주장 — 생성은 싸졌지만 검증...
Simon Willison의 'Vibe coding and agentic engineering are getting closer than I'd like'를 분석한다. '코드를 안 보고 만드는 바이브 코딩'과 '전문성을 쥔 채 AI를 쓰는 에이전틱 엔지니어링'을 칼같이 구분해 온 저자가, 에이전트가 믿을 만해질수록 자기도 모든 줄을 리뷰하지 않게 되면...
GitHub 저장소 DietrichGebert/ponytail을 직접 클론해 코드까지 읽고 분석한다. '안 쓴 코드가 최고의 코드'라는 게으른 시니어 개발자의 판단을, 7단계 사다리(ladder) 규칙 한 장과 얇은 어댑터 14개로 코딩 에이전트 안에 심는 스킬 배포 프로젝트다. 무엇을 하는지, 어떻게 동작하는지, 벤치마크가 왜 정직한지, 그리고 무엇...
Andrej Karpathy가 X에 남긴 LLM 코딩의 네 가지 실패 모드 관찰과, Forrest Chang이 이를 Claude 스킬(karpathy-guidelines)로 증류한 행동 지침을 함께 읽고, 네 원칙이 어떻게 관찰과 1:1로 대응하는지, 그리고 이것이 왜 프롬프트가 아니라 운영 규율인지를 정리한다.
DBOS의 Peter Kraft가 쓴 'Postgres is All You Need for Durable Workflows'를 읽고, Temporal 같은 외부 오케스트레이터 대신 Postgres를 직접 백킹 스토어로 쓰는 durable execution 아키텍처와 그 단순성·관측성·신뢰성 논거를 개발자 관점에서 분석·정리한다.
Anthropic 데이터 사이언스·엔지니어링 팀이 쓴 'How Anthropic enables self-service data analytics with Claude'를 읽고, agentic 분석의 정확도가 코드 생성이 아니라 거버넌스된 데이터 기반·구조화된 검색·skill·검증에서 나온다는 4계층 스택을 개발자 관점에서 분석·정리한다.
Addy Osmani의 'The Intent Debt'를 읽고, 기술 부채·인지 부채·의도 부채로 나누는 Triple Debt 모델과 '에이전트가 유일하게 대신 갚아줄 수 없는 부채는 의도 부채'라는 주장을 개발자 관점에서 분석·정리한다.
Anthropic의 'Paving the way for agents in biology'를 읽고, 바이러스 데이터 검색에 결정론적 실행 계층(gget virus)을 더했더니 모델 교체보다 정확도·재현성이 더 크게 좋아졌다는 발견을 개발자 관점에서 분석·정리한다.
Rsgm's Blog의 'My Homelab AI Dev Platform'을 읽고, OpenCode 코딩 에이전트를 격리된 VM에 두고 PR 리뷰와 GitOps로 인프라 변경을 안전하게 흘려보내는 self-hosted AI 개발 파이프라인을 개발자 관점에서 분석·정리한다.
Beyond Vibe Coding 저자 Addy Osmani가 쓴 'Loop Engineering'을 읽고, 에이전트를 직접 프롬프트하는 대신 에이전트를 프롬프트하는 루프를 설계한다는 전환과 그 다섯 구성 요소를 개발자 관점에서 분석·정리한다.
Martin Fowler 사이트에 실린 Thoughtworks의 PRINCE 사례 연구를 읽고, 프로덕션 agentic AI의 신뢰성을 만드는 두 축 — context engineering과 harness engineering — 을 개발자 관점에서 분석·정리한다.
