AI Posts

Claude Code가 토큰을 낭비하고 있었다. 코드 한 줄 안 쓰고 3주 만에 고쳤다.

Harness CI/CD Deep Dive: How Citi Cut Deployment Time from Days to 7 Minutes

Harness CI/CD uses AI-powered pipeline automation to cut deployment time by up to 90% vs Jenkins. A deep dive into AIDA, Test Intelligence, auto-rollback, real enterprise case studies, and code examples.

Claude Code Is Wasting Your Tokens. I Fixed It in 3 Weeks Without Writing a Single Line of Code.

1,056 tests. 102 benchmarks. 60-90% token savings. Built entirely by Claude Code agents.

Claude Agent SDK Deep Dive: What It Means to Use Claude Code as a Library

Anthropic's Claude Agent SDK ships Claude Code's agent loop, built-in tools, and context management as a Python/TypeScript library. Here's how the architecture works, what makes it different from LangGraph and CrewAI, and where the trade-offs are.

Claude Agent SDK 딥다이브, Claude Code를 라이브러리로 쓴다는 건 이런 뜻이다

Claude Agent SDK는 Claude Code의 에이전트 루프, 도구, 컨텍스트 관리를 Python/TypeScript 라이브러리로 제공한다. 아키텍처, 핵심 API, 훅, 커스텀 도구, 다른 프레임워크와의 차이점까지 실전 코드와 함께 분석했다.

Harness CI/CD 딥다이브, 씨티은행 2만 명이 배포 시간을 수일에서 7분으로 줄인 플랫폼

Harness CI/CD는 AI 기반 파이프라인 자동화로 Jenkins 대비 배포 시간을 최대 90% 단축한다. AIDA, Test Intelligence, 자동 롤백까지 실제 기업 사례와 코드로 분석했다.

agency-agents: 120 AI Specialist Personas That Prove Prompts Need Personality, Not Just Instructions

A 31k-star collection of AI agent definitions with unique personalities, workflows, and success metrics across 12 divisions. The next evolution beyond 'Act as a developer.'

impeccable: Why Every AI-Generated UI Looks the Same, and 17 Commands to Fix It

A skill pack that fights the 'generic trap' in LLM-generated frontends. Anti-patterns, 7 domain references, and 17 steering commands for Claude Code, Cursor, and Gemini CLI.

learn-claude-code: 12 Sessions From a While Loop to Multi-Agent Teams, Zero Frameworks

A 23k-star project that teaches how AI coding agents work by building one from scratch. One loop, one tool, 12 progressive sessions.

lossless-claw: How a 7-Star Project Solves the Hardest Problem in AI Agents — Forgetting

A DAG-based summarization system that replaces sliding-window compaction. Every message preserved, depth-aware prompts, sub-agent recall. The most sophisticated open-source context management architecture.

Marketing-for-Founders: A 2.8k-Star GitHub Repo With Zero Code and Maximum Actionability

Practical marketing resources for getting the first 10/100/1000 users. 18 categories from launch platforms to LLM SEO, curated for technical founders with no marketing budget.

AI의 USB-C를 만들겠다는 프로토콜 — MCP가 바꾸는 것

N개 AI × M개 도구 = N×M개 커스텀 연동. MCP는 이걸 N+M으로 바꿨다

CLAUDE.md 하나로 팀 전체의 AI 품질을 통일한 방법

팀원 10명이 각자 다른 프롬프트를 쓰면 답변 품질이 들쭉날쭉하다. 한 파일로 해결했다

exit 0이면 통과, exit 2면 차단 — Claude Code Hooks로 AI를 길들이는 법

CLAUDE.md의 지시는 잊힐 수 있다. Hooks는 매번, 확정적으로 실행된다

An AI That 'Thinks' for 28 Minutes — The Reality of Inference Scaling and Reasoning Models

DeepSeek R1 takes 28 minutes to generate 100K thinking tokens. It's trading speed for accuracy

28분 동안 '생각'하는 AI — Inference Scaling과 Reasoning Model의 실체

DeepSeek R1은 100K thinking 토큰을 생성하는 데 28분이 걸린다. 속도를 희생해서 정확도를 사는 거래

LLM은 CPU고, 에이전트는 프로세스다 — Agentic AI의 진짜 구조

GPT-4급 성능이 100분의 1 가격이 된 2026년, 진짜 병목은 모델이 아니라 아키텍처다

14GB Model Compressed to 3.5GB, 95% Quality Survived — The Four Pillars of Model Efficiency

SLM, MoE, Distillation, Quantization. Four techniques, one goal: big model capability at small model cost

14GB 모델을 3.5GB로 줄였더니 성능의 95%가 살아남았다 — 모델 경량화 4종 세트

SLM, MoE, Distillation, Quantization. 전부 같은 목표다: 큰 모델의 능력을 작은 비용으로

프롬프트 잘 쓰는 시대는 끝났다 — Context Engineering 실전 가이드

집중된 300토큰이 113,000토큰보다 나은 성능을 보인다. 적게, 정확하게 넣는 기술

Single-Pass RAG Is Dead — The Complete 2026 AI Keyword Roundup

Agentic RAG, 700M open-source downloads, LLMs on smartphones. Every remaining keyword in one final guide

한 번 검색하고 끝내는 RAG는 죽었다 — 2026년 AI 키워드 총결산

Agentic RAG, 오픈소스 700M 다운로드, 스마트폰에서 돌아가는 LLM. 나머지 키워드를 한 번에 정리한다

The Era of Small Models — SLM, MoE, Distillation, and Quantization Explained

Bigger isn't always better. Four techniques for efficient model deployment.

작은 모델의 시대 — SLM, MoE, Distillation, Quantization 총정리

큰 모델만이 답이 아니다. 작은 모델을 효율적으로 쓰는 4가지 기술.

Same Question, Different Model — A 45x Cost Difference: Token Economics in Practice

Output tokens cost 3-10x more than input. Miss this detail and your API bill will surprise you

같은 질문, 모델만 바꿨더니 비용이 45배 차이 났다 — Token Economics 실전 가이드

Output 토큰이 Input보다 3~10배 비싸다. 이걸 모르면 API 청구서에서 놀란다

Senior Devs Got 19% Slower But Believed They Were Faster — The Truth About Vibe Coding

41% of all code is AI-generated. Collins Word of the Year. But the guy who coined it just called it obsolete

시니어가 19% 느려졌는데 빨라졌다고 착각했다 — Vibe Coding의 진실

코드의 41%가 AI 생성이고, Collins 올해의 단어다. 근데 정작 만든 사람은 '구식'이라고 선언했다

1인 개발자를 위한 AI 자동화 스택 구성법

Claude Code 프롬프트 잘 쓰는 5가지 패턴

2월에 별 250,000개를 받은 프로젝트와, 나머지 99개의 공통점

2026년 2~3월 GitHub 트렌딩 100개 프로젝트를 뜯어봤다. 챗봇은 죽었다.

사주 앱 디자인: ‘사주 사이트’를 검색하면 안 되는 이유, 그리고 Three.js로 우주를 깐 이야기

사주 사이트 디자인 검색 → 쓰레기. 본질 분해 → A(i)strology 발견 → Three.js로 별 8,000개를 깐 과정

Claude Code 기능 10개, 중요한 순서대로 정리했다 (1/2)

CLAUDE.md부터 Subagents까지. 이 5개가 기반이다.

Claude Code 기능 10개, 중요한 순서대로 정리했다 (2/2)

Ralph Loop부터 Agent Teams까지. 스케일링과 병렬화의 영역.

Anthropic이 공짜로 풀어놓은 13개 강의, 내가 다 뜯어봤다

무료, 수료증 발급, 로그인만 하면 끝. 근데 진짜 쓸 만한 건 5개다.

Claude API로 앱 만들기 — Tool Use, RAG, Agent 패턴 전부 정리

API 호출만으로는 서비스가 안 된다. Tool Use, RAG, Agent 패턴까지 알아야 진짜 앱이 나온다.

Claude Code, 깔아놓고 채팅만 하고 있다면 — CLAUDE.md, Hooks, MCP 설정법

Claude Code의 진짜 힘은 채팅창이 아니라 설정 파일에 있다.

AI한테 트레이딩 전략 15개 만들게 했다. 살아남은 건 1개.

전략이 복잡할수록 수익이 높을 거라고 생각했다. 지표 5개를 조합하고, ATR로 동적 손절을 걸고, 볼륨 게이트까지 추가하면 당연히 더 정교한 판단을 할 거라고. 그래서...

HuggingFace AI 트레이딩 아레나에서 1위 전략을 훔쳐왔다

HuggingFace에 "Prompt & Dump"라는 AI 트레이딩 아레나가 있다. 참가자들이 LLM 프롬프트로 트레이딩 전략을 짜고, 실시간 시장에서 경쟁한다.

승률 44%인데 돈을 번다고?

승률 44.3%. 100번 중 56번을 진다. 이 전략이 180일 동안 +6.78% 수익을 냈다. 처음에는 내 백테스트가 틀렸나 싶어서 세 번 돌려봤다. 맞았다. 반 이상 지는데...

ChatGPT에 "잘 물어보기"는 아마추어다

“프롬프트 엔지니어링”이라고 하면 대부분 “AI한테 잘 질문하는 법”을 떠올린다. 틀렸다. 그건 채팅 유저의 관점이다. API로 서비스를 만드는 개발자에게 프롬프팅은 모델의...

Claude 하나로 1인 SaaS 전체를 설계한 기록

9개 세션, 20개 산출물, 가상 전문가 6명. 혼자, 하루, $0.

Claude vs GPT vs Gemini — 칵테일해서 쓰는 법

“어떤 모델이 제일 좋아요?” 이 질문 자체가 아마추어다. 정답은 “태스크마다 다르다”이고, 프로는 섞어 쓴다. 사주 앱이랑 부동산 분석 서비스를 사이드 프로젝트로 만들면서...

LLM API 비용을 70% 줄이는 프로의 스킬 트리

AI 사이드 프로젝트를 시작하면서 가장 먼저 든 생각이 “이거 비용 구조가 어떻게 되는 거지?”였다. 나는 사주 앱이랑 부동산 분석 서비스를 만들어보고 있는 개발자다. 둘 다...

Next.js 앱을 하루만에 6개국어로 만든 방법

한국어, 영어, 일본어, 중국어, 베트남어, 힌디어. next-intl로 하루만에.

AI에게 사주를 맡기면 안 되는 이유 — 그리고 올바르게 맡기는 법

LLM에 만세력 계산을 시켰더니 간지가 틀렸다. 3주 날린 뒤 깨달은 구조.

GPT-5 vs Gemini Flash vs Claude Opus — 사주 앱에서 6모델 실전 비교

같은 사주 데이터로 6개 모델을 돌렸다. $0.0003부터 $0.0442까지, 결과물 차이는?

LLM API 비용을 88% 줄인 방법

무료 분석 1건 $0.085, 월 $2,550. 이걸 $406으로 만든 구조.

첫 AI 팁이 곧 올라옵니다