2026년 4월

Tanstack ai code mode

- AI 에이전트 구축시 코딩이나 수학적 계산에 특화된 에이전트를 개발할 때 매우 유용할 도구

 

Research-driven Agents

- 코드 작성같이 직접적인 액션 전에 '연구 단계(논문 읽기 + 경쟁 프로젝트 분석)' 같은 액션을 사전에 취함으로써 더욱더 품질을 높일수 있는 방법에 대해서 말한다. 한계가 있지만 적절한 환경과 시점에 해당 과정을 진행하게 된다면 품질을 높일 수 있을 것으로 본다.

 

LLM에 대해서 이야기 해봅시다

- 저자는 LLM이 본질적 어려움을 해결하지는 못하고 있다고 본다. 본질적 어려움(명세·설계·테스트)을 공략해야 한다고 말한다. 미래에 나타날 모델은 이런 부분까지 해결해줄 수 있을지 모르겠지만 현재로선 저자의 주장에 동의한다.

 

유출된 Claude Code 아키텍처와 정보를 쉽게 확인할 수 있는 웹사이트

 

여전히 MCP를 더 선호합니다. Skills 보다.

 

LLM Wiki

- 안드레이 카파시의 RAG의 한계를 극복하기 위한 제안

 

IAM 의 모든 것

- 인증을 처리하는 과정

 

마티파울러가 말하는 지금 AI 시대에 승리할 수 있는 길
- 최근 읽었던 글들 중 가장 심플하면서 임팩트 있는 글.

 

더 나은 UI 스킬

 

보이스 에이전트
- 일레븐랩스의 scratch 를 통해서 어떻게 500ms 레이턴시 응답을 구축했나?

 

AEM(Agentic Engineering Management)은 무엇이고 어떻게 할 수 있나?

AEM을 구현하려면 회피보다는 발견과 복구에 더 많은 투자를 하는 특정한 조직 문화와 사고방식이 필요합니다. 에이전트의 자율성은 설계상 저위험 영역을 목표로 하며, 적절한 관측성과 신속한 복구를 병행하면 실제 리스크는 상당히 낮습니다. 하지만 이러한 에이전트를 도입하고 자율적으로 작동하게 하려면, 실수를 일상적인 일로 받아들이고 신속한 완화, 복구 및 학습에 초점을 맞추는 문화적 변화가 필요합니다. 두려움과 안전에 기반한 예방 중심의 문화는 이러한 접근 방식을 도입하는 데 어려움을 겪을 것입니다.

- 너무 공감하는 내용이다. 실수를 적극적으로 회피할수록 시스템은 경직되고 변화 유연성을 희생해야만 한다. 누구나 실수한다. 이 실수를 빠르게 복구하고 대처할 수 있는 시스템을 구축하는게 더 중요하다.

AI가 사고방식을 대체하는 것이 아니다