{
"name": "다음 조각",
"license": "CC BY-NC 4.0",
"generated": "2026-09-06",
"count": 25,
"notes": [
{
"id": "N2026W36-04",
"date": "2026-08-25",
"title": "그래프 엔지니어링이라는 말이 뒤섞은 세 개념",
"body": "그래프 엔지니어링이 혼란스러운 이유는 컨트롤 그래프(SOP로 에이전트 신뢰성 확보), 지식 그래프(엔티티 관계 기반 검색, 무관한 개념), 루프의 그래프(여러 루프의 조율, 아직 미해결)라는 세 가지가 한 단어로 뭉뚱그려지기 때문이다. 실무에서 쓸모 있는 것은 컨트롤 그래프이며, 그 배경에는 사람이 직접 프롬프트하던 방식에서 트리거 기반 루프와 에이전트 팀을 지휘하는 오케스트레이터로 옮겨가는 전환이 있고, Claude Code를 만든 Boris가 밤새 수천 개의 에이전트를 돌린다는 말이 그 규모감을 보여준다. 그래프는 노드·엣지·상태로 구성되지만 새로운 점은 노드가 스크립트에서 LLM을 거쳐 에이전트 자체가 됐다는 것이고, 구현은 LangGraph 같은 코드-그래프와 SOP를 스킬로 읽히는 LLM-그래프 모두 유효하다. 검증자와 플래너는 별도 노드로 분리하고, 흔한 데이터 처리는 코드로 하며, 노드별 입출력 경계를 정의하고, 상태는 마크다운 파일과 추가 전용 로그로 관리하라는 네 원칙이 체크리스트가 된다.",
"points": [
"컨트롤·지식·루프의 그래프는 다른 개념이며 실용적 핵심은 컨트롤 그래프",
"노드가 에이전트가 된 것이 새로움, 코드-그래프와 LLM-그래프 모두 유효",
"설계 4원칙: 노드 분리(검증자·플래너), 코드 활용, 입출력 경계, 상태 관리",
"작업 분해만으론 부족하고 에이전트에게 테스트 도구를 줘야 루프가 돈다"
],
"tags": [
"그래프 엔지니어링",
"컨트롤 그래프",
"오케스트레이터",
"Claude Code",
"SOP"
],
"axis": "21",
"week": "2026-WW36"
},
{
"id": "N2026W36-07",
"date": "2026-08-25",
"title": "역할별로 쪼갠 개인용 멀티에이전트 시스템 Hermes",
"body": "Hermes 기반 개인용 멀티에이전트는 소프트웨어를 자율 빌드하는 Coder, Telegram 생산성·건강 코치 LifeBot, 팀 COO 역할의 Taco Bot을 역할별로 분리한 구성이다. Coder는 Mac Studio의 로컬 Qwen 3.6 35B A3B 모델이 Discord 봇을 맡고 스펙 작성과 빌드는 Claude Code를 호출해 위임하는 우회 구조로, Claude 유료 플랜을 API처럼 쓸 수 없어 택한 패턴이다. LifeBot은 뽀모도로 로그·할일 앱·Apple Health 걸음 수를 Obsidian에 모아 오전 9~11시가 데드존이라는 식의 패턴 분석과 휴식 판단을 데이터로 내린다. Taco Bot은 Discord·Notion·Slack·GitHub를 가로질러 팀 현황 요약, 리마인더, 릴리스 체크리스트를 자동 작성하며 프라이버시를 위해 Gemini에서 로컬 모델로 옮겨가는 중이다. 10인 팀의 개인 프로젝트 수준이지만 역할 기준으로 에이전트를 나누고 상시 VPS에서 운영하는 설계는 참고할 만하다.",
"points": [
"로컬 Qwen 봇이 Claude Code를 호출해 빌드를 위임하는 우회 연동 패턴",
"LifeBot은 뽀모도로·할일·걸음 수 데이터를 근거로 코칭 판단을 내린다",
"Taco Bot은 Notion·Slack·Discord·GitHub를 가로질러 운영 문서를 작성",
"각 에이전트가 정기 크론으로 상태와 보안을 체크인하는 운영 레이어를 둔다"
],
"tags": [
"Hermes",
"멀티에이전트",
"Claude Code",
"로컬 모델",
"개인 자동화"
],
"axis": "5",
"week": "2026-WW36"
},
{
"id": "N2026W36-08",
"date": "2026-08-25",
"title": "가중치가 바뀌지 않는 LLM은 마음이 아니라는 서튼의 진단",
"body": "Rich Sutton과 제자 Khurram Javed의 요지는 현재 AI가 가는 길이 근본적으로 틀렸다는 것이다. Bitter Lesson의 핵심은 인간 지식에 매달리지 말고 탐색과 학습처럼 계산과 함께 확장되는 방법에 집중하라는 것인데, LLM은 인터넷 전체를 흡수해 계산을 확장한 긍정적 예이자 유한한 인간 지식에 의존해 한계에 부딪히는 부정적 예다. 합성 데이터는 좋은 데이터를 결국 사람이 정하므로 인간 지식의 한계에 갇힌 실수이며, 세계는 어떤 에이전트보다 압도적으로 복잡하다는 대세계 가설상 경험에서 계속 배우는 시스템만이 답이라는 입장이다. 진짜 문제는 배포 후 가중치가 전혀 바뀌지 않는다는 점이고, 파국적 망각은 가중치별 스텝사이즈 메타러닝과 새 유닛을 계속 심는 지속 역전파로 치료 가능하다고 보며, Oak Lab은 5~10년 내 1조 파라미터·20와트 모델을 목표로 한다. 언어 능력은 지능의 4분의 1 정도라는 평가와 대형 랩이 국소 최적에 갇혀 있다는 진단은 2차 요약이라 원 인터뷰와 대조가 필요하다.",
"points": [
"LLM은 Bitter Lesson의 긍정적 예이자 부정적 예다",
"합성 데이터는 좋고 나쁨을 사람이 정하므로 인간 지식의 한계에 갇힌다",
"파국적 망각 치료법: 가중치별 스텝사이즈 메타러닝 + 지속 역전파",
"Oak Lab 목표는 5~10년 내 1조 파라미터를 20와트로 구동하는 마음"
],
"tags": [
"Rich Sutton",
"Bitter Lesson",
"지속 학습",
"파국적 망각",
"대세계 가설"
],
"axis": "20",
"week": "2026-WW36"
},
{
"id": "N2026W36-14",
"date": "2026-08-25",
"title": "독자 AI 모델 2차 성과와 전국민 1인 1 에이전트 구상",
"body": "정부가 보고한 독자 AI 모델 2차 성과의 핵심 주장은 에포크 AI의 주목할 만한 모델 명단에 오른 나라가 미국·중국·한국뿐이라는 것과, 아티피셜 애널리시스에서 점수가 측정되는 국내 기업이 7곳이라는 점이다. SK·LG AI연구원(7,500억 파라미터)·업스테이지(오픈라우터 일 사용량 9위)·모티프(개방형 모델 6위) 4개 컨소시엄이 참여했고, 법률 AI 소송 준비 45.7% 단축, 신물질 발굴 22개월→1일 같은 수치가 뒤따른다. 다만 국내 모델은 3,000억~7,500억 파라미터로 수조 단위 빅테크 프론티어와 격차가 있어, 스타트업은 산업 특화 소형 모델을, 대기업은 정부와 함께 프론티어에 도전하는 역할 분담이 제안됐다. 국민마다 AI 비서를 배정해 복지 서비스를 스스로 찾아 신청하게 한다는 1인 1 에이전트 구상은 부처 간 데이터 연동과 개인정보 유출이 숙제이며, 기본형은 최소 정보로 국가가 책임지고 그 이상은 동의 기반 선택형으로 두자는 것이 균형점이다. 모든 수치는 발표 측 주장이라 인용 시 단서가 필요하다.",
"points": [
"에포크 AI 명단 3개국(미·중·한) 주장은 정부 발표 기준, 1차 자료 대조 필요",
"국내 모델 3,000억~7,500억 vs 빅테크 수조 파라미터 격차",
"스타트업은 특화 소형 모델, 대기업은 프론티어라는 역할 분담 제안",
"공공 에이전트는 최소 정보 기본형 + 동의 기반 선택형으로 속도·안전 균형"
],
"tags": [
"독자 AI 모델",
"소버린 AI",
"공공 에이전트",
"AI 정책",
"개인정보"
],
"axis": "13",
"week": "2026-WW36"
},
{
"id": "N2026W36-16",
"date": "2026-08-25",
"title": "원격조작에서 온보드 비전까지, 공을 보는 로봇의 진화",
"body": "휴머노이드가 날아오는 공을 다루는 시연은 센싱이 어디에 있느냐로 수준을 가를 수 있다. 2024년 11월 테슬라 옵티머스의 테니스공 캐치는 사람이 카메라 화면을 보며 조작한 텔레오퍼레이션이었고, 증명된 것은 자유도가 11에서 22(손목 포함 25)로 늘어난 손 하드웨어이지 AI 자율성이 아니었다. 2025년경 야구 캐치·배팅 로봇과 2026년 중국의 테니스 로봇은 경기장 주변의 적외선 마커 기반 모션 캡처(120~240Hz)가 공과 로봇의 위치를 추적해 넘겨주고 로봇은 판단과 전신 동작만 맡는 구조다. 가장 진보된 단계는 외부 장치 없이 로봇 자체 카메라만으로 보고·잡고·던지기를 반복하는 저글링으로, 활동 범위는 좁지만 인식부터 동작까지 완전 자율이다. 20~30회 랠리나 사람 수준 이동 속도는 하드웨어 문제라 1~2년 내 가능하다는 전망은 개인 추정이고, 로봇·기업명과 세부 수치는 원 시연 자료로 재확인이 필요하다.",
"points": [
"옵티머스 캐치는 텔레오퍼레이션, 입증된 것은 손 자유도 11→22의 하드웨어",
"테니스·야구 로봇은 외부 모션 캡처(120~240Hz)가 궤적을 계산해 준다",
"온보드 비전만으로 반복 저글링하는 로봇이 완전 자율의 현재 최고점",
"프로급 랠리는 하드웨어 문제, 모션 캡처 제거는 1년 내 전망(추정)"
],
"tags": [
"휴머노이드",
"피지컬 AI",
"모션 캡처",
"온보드 비전",
"옵티머스"
],
"axis": "14",
"week": "2026-WW36"
},
{
"id": "N2026W36-02",
"date": "2026-08-26",
"title": "6나노 칩이 대역폭을 이긴 비결은 패키징이다",
"body": "샤오미 AI 큐브의 1.22TB/s 근접 메모리 대역폭은 첨단 공정이 아니라 6나노 구식 노드 칩 X-Ring O100의 웨이퍼-온-웨이퍼 하이브리드 본딩에서 나왔다. 구리 패드를 직접 융합하는 1.4마이크로미터 피치로 258만 개 본딩 포인트와 28,672개 유효 데이터 라인을 확보해 일반 폰 패키지(96개) 대비 길을 약 300배 넓힌 셈이다. 대가는 수율로, 다이싱 전에 웨이퍼 전체를 접합하므로 known-good-die 선별이 불가능하고 수율이 두 웨이퍼 수율의 곱이 되며, 메모리 품귀 시기에 이 트레이드오프를 감수한 것 자체가 전략적 베팅이다. 화제가 된 스펙 목록은 O100·O3·D100 세 칩의 최고치를 뒤섞은 것이었고, 실제 큐브는 30억 모델이 먼저 답하고 어려울 때만 1200억 모델이 깨어나는 fast-slow 코프로세서 구조였다. 온디바이스 AI의 병목 해소가 리소그래피에서 패키징으로 옮겨가고 있다는 증거로 기억해 둘 사례다.",
"points": [
"하이브리드 본딩 피치 1.4µm, TSMC 양산 약 6µm·HBM4 약 10µm보다 조밀",
"웨이퍼-온-웨이퍼는 KGD 선별 불가, 수율이 두 웨이퍼 수율의 곱이 된다",
"1.22TB/s는 O100 근접 메모리 수치, 330토큰/초는 3B 모델 실험값",
"디코드는 메모리 바운드라 대역폭이 곧 토큰 생성 속도를 결정한다"
],
"tags": [
"샤오미",
"하이브리드 본딩",
"웨이퍼-온-웨이퍼",
"온디바이스 AI",
"메모리 대역폭"
],
"axis": "19",
"week": "2026-WW36"
},
{
"id": "N2026W36-03",
"date": "2026-08-26",
"title": "프리필과 디코드를 다른 칩으로 푸는 로컬 AI 설계",
"body": "2026년형 Mac mini는 로컬 LLM 구동을 겨냥한 에지 노드로 재편됐고, 기본가가 599달러에서 899달러로 오른 배경에는 TSMC 2나노 웨이퍼 비용이 66% 급등해 장당 3만 달러에 이른 파운드리 경제가 있다. 핵심 프레임은 두 단계의 분리로, 프리필(첫 토큰까지, 연산 바운드)은 M6의 GAA 나노시트와 GPU 코어마다 내장된 신경가속기가 맡아 프롬프트 처리를 4.8배 빠르게 하고, 디코드(토큰 생성, 메모리 대역폭 바운드)는 M5 Pro의 307GB/s 대역폭이 유리하다. 다만 M5 Pro는 64GB 통합메모리에 고정돼 있어 가중치만 약 45GB인 70B급 모델을 올리면 KV 캐시와 OS 메모리까지 더해 스와핑이 시작되고 속도가 초당 1단어 미만으로 붕괴한다. 이를 우회하는 방법이 썬더볼트5 RDMA로 여러 대를 묶어 메모리를 풀링하는 클러스터링이며, 가격·코드명 같은 제품 스펙은 공식 발표와 대조가 필요하다.",
"points": [
"2나노 웨이퍼 비용 66% 상승(장당 3만 달러)이 300달러 가격 인상으로 직결",
"프리필은 연산 바운드, 디코드는 메모리 대역폭 바운드로 병목이 다르다",
"64GB 상한에서 70B 모델은 스와핑으로 초당 1단어 미만까지 붕괴",
"썬더볼트5 RDMA 클러스터링으로 지연 300µs→3µs 미만, 메모리 풀링"
],
"tags": [
"Mac mini",
"온디바이스 추론",
"GAA 나노시트",
"메모리 대역폭",
"RDMA 클러스터링"
],
"axis": "19",
"week": "2026-WW36"
},
{
"id": "N2026W36-10",
"date": "2026-08-26",
"title": "GDP에서 GDI로, 지능 총량이 국력이 되는 시대",
"body": "반도체 기업 최초로 시총 1위에 오른 엔비디아의 성장사(상장 후 약 8,000배, 3조→4조 달러 1년, 4조→5조 달러 3개월)는 자본의 흐름이 에너지·플랫폼에서 지능으로 옮겨갔음을 보여준다. 여기서 나온 프레임이 한 나라가 확보한 지능과 연산량으로 국력을 재는 GDI(국내총지능)이며, 이를 주도할 나라는 미국과 중국뿐이라는 진단이다. AI 산업은 모델·칩·데이터센터·인프라·애플리케이션 다섯 계층으로 구성되고, 한국의 우위는 HBM 지배력과 GDP의 약 30%를 차지하는 제조업 포트폴리오이며, 60년 전 중화학공업의 턴키 도입처럼 AI 데이터센터를 턴키로 수출하는 모델도 구상된다. 다니엘 코코타일로의 AI 2027 시나리오(2027년 초 자기학습 AI, 6개월 내 AGI)와 AI 능력이 7개월마다 2배라는 수치는 전망이므로 인용 시 가상 시나리오라는 단서가 필요하다. 젠슨 황이 CSIS에서 AI를 전기만큼 중요한 산업혁명으로 규정하고 방한 시 삼성·현대 CEO와 회동한 것은 피지컬 AI로의 확장 신호로 읽힌다.",
"points": [
"엔비디아 시총 3조→4조 달러 1년, 4조→5조 달러 3개월",
"AI 산업 5계층: 모델·칩·데이터센터·인프라·애플리케이션",
"한국의 레버리지는 HBM과 제조업 비중 30%, 턴키 데이터센터 수출 구상",
"AI 2027 시나리오와 7개월마다 2배 수치는 전망이므로 단서를 달아 인용"
],
"tags": [
"엔비디아",
"GDI",
"HBM",
"피지컬 AI",
"AI 패권"
],
"axis": "13",
"week": "2026-WW36"
},
{
"id": "N2026W36-11",
"date": "2026-08-26",
"title": "재주는 오픈웨이트가 부리고 돈은 달러가 번다",
"body": "오픈웨이트 모델은 학습으로 얻은 가중치 자체를 공개해 다른 개발사가 파인튜닝할 수 있게 한 모델이고, 프론티어 모델은 설계를 비공개한 채 완제품에 과금하는 방식이다. 중국의 키미 K3·큐원이나 미국의 엔비디아·메타가 오픈웨이트를 택한 것은 미중 갈등이라기보다 최상위 티어에 오르지 못한 후발주자의 생태계 차별화 전략이며, 큐원이 올해 상반기 허깅페이스에서 20억 회 다운로드로 메타(2억)·구글(4억)을 크게 앞섰다는 수치가 근거로 제시된다. 반면 코인베이스 x402 프로토콜의 에이전트 결제 1억 6,500만 건은 사람의 구매가 아니라 AI 간 소액 API 호출 수수료이며 총액은 5,000만 달러에 불과하고, 그 99%가 USDC로 이뤄진다. 개발자는 중국산 오픈웨이트를 쓰지만 결제는 미국 달러 스테이블코인으로 흐른다는 역설이 핵심이며, CME의 GPU 임대료 선물 상장과 함께 연산 자원이 금융자산화되는 흐름도 눈여겨볼 대목이다. 최상위 개발자 51%가 중국인이라는 수치 등은 1차 출처가 없는 발언이라 검증이 필요하다.",
"points": [
"오픈웨이트는 후발주자의 생태계 전략, 프론티어는 최상위 티어의 폐쇄 전략",
"x402 결제 1억 6,500만 건은 AI 간 소액 API 호출, 총액 5,000만 달러",
"에이전트 결제의 99%가 USDC라 에이전트 시대가 달러 패권을 강화할 수 있다",
"CME GPU 임대료 선물은 연산 자원의 금융자산화 신호"
],
"tags": [
"오픈웨이트",
"미중 AI 경쟁",
"스테이블코인",
"에이전트 결제",
"컴퓨트 금융"
],
"axis": "13",
"week": "2026-WW36"
},
{
"id": "N2026W36-13",
"date": "2026-08-26",
"title": "디자이너가 Claude Code로 반복 작업을 스킬로 굳히는 법",
"body": "한 채용 플랫폼의 프로덕트 디자인팀이 Claude Code를 실무에 녹인 방식은 네 가지 패턴으로 정리된다. 첫째, 사내 디자인시스템의 템플릿 프롬프트를 붙여넣고 이벤트 결제 페이지를 만들어 달라는 자연어 한 줄로 로컬에 프로토타입을 띄우며, 템플릿 추가라는 반복 작업은 애드 템플릿 스킬로 등록해 담당자가 절차를 잊어도 순서대로 진행되게 했다. 둘째, 손스케치→나노바나나 3D 변환→자연어 세부 수정→캐릭터 시트→Kling 모션 생성 파이프라인에서 캐릭터 시트가 뒷모습 등 임의 생성으로 인한 형태 왜곡을 막는 앵커 역할을 한다. 셋째, 기획 문서 자동화 스킬에 정확히 아는 것이 아니면 확인 필요 표시를 하라는 규칙을 넣어 할루시네이션을 통제하고, 넷째, 스크린샷보다 피그마 링크를 주면 간격·색상·폰트 값까지 읽어 훨씬 정교한 결과가 나오므로 가공된 요약보다 원본 구조화 데이터를 입력하는 것이 낫다. 개발 기간 한 달, 야근 일주일 이하 같은 성과는 자기 보고라 참고만 한다.",
"points": [
"반복 작업은 스킬+워크플로우로 등록해 절차를 강제한다",
"캐릭터 시트 같은 레퍼런스 시트로 반복 생성물의 일관성을 고정",
"모르면 확인 필요 표시 규칙을 프롬프트에 명문화해 할루시네이션 통제",
"스크린샷 대신 피그마 링크처럼 원본 구조화 데이터를 주면 정확도 상승"
],
"tags": [
"Claude Code",
"디자인 시스템",
"스킬",
"프로토타이핑",
"할루시네이션 방지"
],
"axis": "3",
"week": "2026-WW36"
},
{
"id": "N2026W36-15",
"date": "2026-08-26",
"title": "석유 패권에서 전기 패권으로, 빅테크가 한국을 고른 이유",
"body": "빅테크가 한국에 수십조 원을 투자하는 배경은 패권의 축이 석유에서 24시간 싸고 안정적인 전기로 옮겨간 일렉트로스테이트 시대라는 구도로 읽힌다. 생성형 AI 질의 1회는 검색의 약 10배인 2.9Wh를 쓰고 AI 서버 랙은 7kW에서 50kW 이상으로 늘었는데, 전력망 투자를 멈춘 미국은 데이터센터를 짓고도 전기 연결에 1~2년을 기다리는 처지라 빅테크가 원자력 직접 계약으로 돌아섰다. 한국이 뽑힌 이유는 kW당 건설비 약 3,571달러로 미국(5,833달러)보다 40% 이상 싸고 빠른 원전 건설 실력, 미국이 중국산을 배제하며 생긴 변압기·배전반 시장을 채운 전력 기자재 산업(3사 2025년 매출 15조 원), 폭염 리스크가 낮은 환경과 반도체·인재 생태계 세 가지다. AWS와 SK의 울산 AI Zone(초기 103MW, GPU 약 7만 개, 1GW 목표)과 약 26조 원 체코 원전 수주가 사례이지만, 수도권 송전망 병목과 200조 원을 넘는 한전 부채는 숙제이며 수치 대부분은 1차 출처 확인이 필요하다.",
"points": [
"AI 질의 1회 2.9Wh, 서버 랙 7kW→50kW+: 전기가 새 병목",
"한국 원전 건설비 kW당 3,571달러 vs 미국 5,833달러",
"중국산 배제로 생긴 전력 기자재 시장을 한국 3사가 채워 역대 최대 실적",
"울산 AI Zone 103MW→1GW 목표, 송전망과 한전 부채가 리스크"
],
"tags": [
"전력 인프라",
"원자력",
"데이터센터",
"전력 기자재",
"AI 투자"
],
"axis": "13",
"week": "2026-WW36"
},
{
"id": "N2026W36-18",
"date": "2026-08-26",
"title": "Gemini 업무 자동화 5단계, 잼에서 스파크까지",
"body": "Gemini의 업무 자동화 기능은 자동화 강도 순으로 다섯 단계로 정리된다. 개인 인텔리전스에서 메모리와 워크스페이스·노트북 연동을 켜면 메일 확인→정리→캘린더 등록처럼 서비스를 가로지르는 지시가 되고, 노트북은 워드·PDF·드라이브·웹페이지를 주제별 폴더에 모아 내 자료 기반으로 답하게 하며 단순 첨부(100MB×10개)보다 큰 용량(200MB×50개)을 다룬다. 결과물 생성은 독스·워드·엑셀·PDF·포스터·인포그래픽까지 양식 지정만으로 만들고, 잼은 페르소나·작업·관련 정보·형식 네 요소로 요청 사항을 적어 반복 업무 전담 직원을 만들지만 매번 사람이 지시해야 한다. 이를 넘는 것이 유료 전용 Gemini 스파크로, 조건에 맞는 메일이 오면 드라이브에 요약하고 시트에 기록하는 감시·반복 작업을 컴퓨터를 꺼도 24시간 수행하며, 한 번 가르친 업무 방식을 스킬로 저장해 슬래시로 호출한다. 잼은 대화로 지시하는 직원, 스킬은 수행 순서를 저장한 매뉴얼이라는 구분이 핵심이고 용량·유료 구분은 정책에 따라 바뀔 수 있다.",
"points": [
"노트북은 내 자료 기반 답변, 단순 첨부보다 훨씬 큰 소스 용량",
"잼 요청사항 4요소: 페르소나·작업·관련 정보·형식",
"스파크는 24시간 조건부 자동 실행 에이전트, 유료 전용",
"잼은 전담 직원, 스킬은 업무 매뉴얼이라는 구분"
],
"tags": [
"Gemini",
"업무 자동화",
"Gems",
"에이전트",
"노코드"
],
"axis": "3",
"week": "2026-WW36"
},
{
"id": "N2026W36-05",
"date": "2026-08-27",
"title": "프롬프트에서 그래프까지, 다섯 번의 전환은 한 줄로 이어진다",
"body": "AI 엔지니어링의 핵심 스킬은 프롬프트(2022)→컨텍스트(2024)→하네스(2025년 후반)→루프→그래프 엔지니어링 순으로 옮겨왔고, 각 단계는 이전 단계의 한계에서 태어났다. 모델이 똑똑해지며 프롬프트 기교의 중요성이 줄었고, 프로덕션 투입에서 컨텍스트 윈도 제한·무상태성·context rot이라는 난제가 컨텍스트 엔지니어링을 낳았으며, 파일시스템·샌드박스·관측성·서브에이전트가 필요해지자 모델을 제외한 모든 것을 뜻하는 하네스 개념이 자리 잡았다. 루프는 트리거·목표·체크·기억·중단조건 다섯 요소로 이뤄지며, Claude Code의 /loop로 2시간마다 가격을 확인해 200달러 미만이면 알리고 멈추는 예시가 이를 그대로 담는다. 그래프는 여러 에이전트와 루프가 서로 방해하지 않도록 조율하는 구조로, 병렬 리서처 3명과 초안을 보지 않은 블라인드 비평자를 두는 워크플로가 대표 예다. 새 용어를 만나면 어떤 문제에서 나왔는지, 이전 단계가 통제하지 못한 무엇을 통제하는지 두 질문으로 판별하면 된다.",
"points": [
"다섯 단계는 각각 이전 단계의 한계에서 태어난 연속적 진화다",
"에이전트 = 모델 + 하네스, 하네스는 모델을 제외한 모든 것",
"루프 5요소: 트리거·목표·체크·기억·중단조건",
"새 용어 판별법: 어떤 문제에서 나왔나, 이전 단계가 못 통제한 무엇을 통제하나"
],
"tags": [
"하네스 엔지니어링",
"루프 엔지니어링",
"그래프 엔지니어링",
"컨텍스트 엔지니어링",
"Claude Code"
],
"axis": "21",
"week": "2026-WW36"
},
{
"id": "N2026W36-12",
"date": "2026-08-28",
"title": "AI 에이전트에게도 사원증이 필요하다",
"body": "사이버보안 기업 크라우드스트라이크와 옥타가 실적 발표 후 각각 20%, 28%대 급등하며 신고가를 기록한 배경에는 옥타가 내세운 새 서사가 있다. 기존에는 직원 한 명당 계정 하나만 관리하면 됐지만, 이제 직원 한 명이 수십~수백 개의 에이전트를 만들어내므로 그 에이전트들도 개별 신원과 접근 권한을 가진 관리 대상이 된다는 논리다. 같은 맥락에서 젠슨 황이 엔비디아 실적 발표에서 직원은 4만 명이지만 회사가 돌리는 AI 에이전트는 40만, 나아가 400만 개가 될 수 있다고 말한 것으로 전해지며, 에이전트는 휴가도 근무시간 제한도 없이 24시간 돌기 때문에 관리 대상 수가 기하급수적으로 는다. 연초에 AI가 직원을 줄인다는 분위기였다면 지금은 신원관리 수요가 폭발한다는 쪽으로 관점이 바뀐 셈이다. 에이전트가 늘수록 계정·권한·감사 로그 관리가 필요해진다는 이 프레임은 사내 자동화 에이전트 거버넌스의 도입부로 쓸 만하고, 400만 개라는 수치는 2차 인용이라 단서를 달아야 한다.",
"points": [
"직원 1인이 수십~수백 개 에이전트를 만들면 에이전트 단위 IAM이 필요해진다",
"젠슨 황: 직원 4만 명 대 에이전트 40만~400만 개(2차 인용, 검증 필요)",
"에이전트는 24시간 365일 가동되므로 관리 대상이 기하급수적으로 증가",
"AI 수혜가 하드웨어에서 소프트웨어로 확산되는 초기 신호일 수 있다"
],
"tags": [
"에이전트 거버넌스",
"IAM",
"옥타",
"젠슨 황",
"사이버보안"
],
"axis": "3",
"week": "2026-WW36"
},
{
"id": "N2026W36-25",
"date": "2026-08-28",
"title": "에이전트를 나눌지 말지 가르는 다섯 기준",
"body": "같은 과제라도 코딩 에이전트를 하나로 쓸지 나눌지에 따라 성적이 80% 넘게 오르기도, 70%가 깎이기도 한다. Anthropic의 리서치 기능은 병렬 분할로 90% 넘게, 재무 분석 학계 실험은 80.8% 좋아졌지만, 순서대로 진행해야 하는 계획형 과제에서는 분할 구성이 최대 70%까지 떨어졌다. 혼자서 이미 45%가량 풀어내는 과제라면 나눌수록 손해라는 기준이 코딩 벤치마크 결과의 94%를 맞췄고, 버클리 연구진이 멀티에이전트 실행 기록 1,600개를 분류한 결과 실패의 44%는 시스템 설계, 32%는 에이전트 간 커뮤니케이션, 23%는 검증 문제였다. 서로 확인하지 않는 구조에서는 오류가 17배까지 번지지만 중앙 검증 구조는 4.4배로 줄어드는 대신 토큰 1,000개당 처리 건수가 67.7에서 21.5로 떨어지는 트레이드오프가 있다. 결국 몇 개를 붙이느냐가 아니라 동시성 여부·단독 성공률·중간 검증 존재·상태 소유자·종료 조건 다섯 기준으로 그래프를 설계해야 하며, 인용 수치는 원 논문과 대조가 필요하다.",
"points": [
"병렬 가능한 과제는 분할로 80~90% 향상, 순차 계획형은 최대 70% 하락",
"단독 성공률 45% 이상이면 나눌수록 손해라는 기준이 벤치마크 94% 적중",
"실패 원인: 시스템 설계 44%, 커뮤니케이션 32%, 검증 23%",
"중앙 검증은 오류 전파 17배→4.4배, 대신 토큰당 처리량 3분의 1로"
],
"tags": [
"멀티에이전트",
"그래프 엔지니어링",
"실패 분석",
"에이전트 오케스트레이션",
"코딩 에이전트"
],
"axis": "21",
"week": "2026-WW36"
},
{
"id": "N2026W36-01",
"date": "2026-08-29",
"title": "폰노이만 병목을 넘는 뉴로모픽 컴퓨팅의 네 가지 축",
"body": "인간 뇌는 약 20와트로 작동하지만 AI 슈퍼컴퓨터는 2000만 와트를 쓴다는 대비에서 출발해, 그 격차의 근원을 1945년식 폰노이만 구조의 처리장치·메모리 분리로 짚는다. 딥러닝 워크로드 에너지의 80% 이상이 연산이 아니라 데이터 이동에 소모된다는 프레이밍이 핵심이다. 해법으로 제시되는 스파이킹 신경망, 멤리스터(1971년 Leon Chua 개념화), 실리콘 포토닉스, 이벤트 카메라는 모두 연산과 메모리를 물리적으로 통합하거나 이벤트가 있을 때만 반응하는 비동기 처리라는 공통 원리로 수렴한다. 다만 구체적 기업·논문 인용이 없는 교과서적 개요라 수치는 1차 출처로 재확인이 필요하고, 발표 도입부의 배경 설명 정도로 쓰는 것이 적절하다.",
"points": [
"딥러닝 에너지의 80% 이상은 연산이 아닌 데이터 이동에 소모된다는 진단",
"네 기술은 메모리-연산 통합과 이벤트 기반 비동기 처리로 수렴한다",
"멤리스터는 전압 이력에 따라 저항이 바뀌어 시냅스 가소성을 모방한다",
"출처 없는 개념 요약이므로 수치 인용 전 1차 자료 확인이 필요하다"
],
"tags": [
"뉴로모픽",
"폰노이만 병목",
"멤리스터",
"스파이킹 신경망",
"실리콘 포토닉스"
],
"axis": "11",
"week": "2026-WW36"
},
{
"id": "N2026W36-09",
"date": "2026-08-29",
"title": "환영받던 데이터센터가 님비의 대상이 된 이유",
"body": "미국 버지니아·조지아처럼 데이터센터 유치를 일자리와 세수로 반겼던 지역들이 실제로는 상주 인력이 100명도 안 되고 전기·수도 부담만 커지는 것을 겪으며 반대 여론으로 돌아섰다. 국가 경쟁력을 위해 데이터센터를 적기에 지어야 하는데 정작 내 동네만은 안 된다는 님비 정서가 빅테크의 부지 확보를 막는 구도다. 구글이 노르웨이 등 북극권 인근에, 네이버가 국내에서 서늘한 춘천에 짓고 사막·해상·우주 데이터센터까지 논의되는 것은 육상 부지가 그만큼 귀해졌다는 뜻이다. 진짜 병목은 물보다 전력인데, 데이터센터 건물은 3년이면 짓지만 전력 인프라 확충에는 10~15년이 걸리고 물 냉각은 전기로 대체할 수 있기 때문이다. 구글 한 회사가 세계 전력의 약 2%를 쓴다는 수치를 포함해 대부분이 출처 없는 구두 진단이므로 배경 설명용으로만 참고한다.",
"points": [
"데이터센터 상주 인력은 100명 미만, 기대한 일자리 효과가 없어 여론 반전",
"건물 3년 vs 전력 인프라 10~15년의 속도 차이가 진짜 병목",
"물 냉각은 전기로 대체 가능하므로 병목의 첫손은 전력",
"북극권·춘천·사막·해상·우주 등 입지 대안은 육상 부지 고갈의 신호"
],
"tags": [
"데이터센터",
"님비",
"전력 인프라",
"AI 인프라",
"냉각"
],
"axis": "13",
"week": "2026-WW36"
},
{
"id": "N2026W36-17",
"date": "2026-08-29",
"title": "Claude Code 한도를 갉아먹는 네 가지 순서",
"body": "Claude Code 요금은 토큰으로 표시되지만 실제 비용은 GPU 추론 시간이고, 토큰 단가는 모델 크기·입력/출력 방향·캐시 여부로 정해진다. 입력(프리필)은 병렬 처리되지만 출력(디코드)은 순차 생성이라 출력 단가가 약 5배 비싸고, 보이지 않는 사고 토큰도 출력으로 과금되며 이펙트·모델 설정은 다음 세션까지 유지되므로 세션마다 확인해야 한다. 프롬프트 캐싱은 저장 시 정가의 최대 2배, 재사용 시 0.1배라 20턴 대화에서 20 대 3.9의 차이를 만들지만, 모델·이펙트 변경, 컴팩트, 1시간 경과 시 깨진다. 어떤 것도 한 번만 전송되지 않으므로 한 번 읽은 파일은 매 턴 재전송되며, 따라서 파일은 @맨션으로 첨부하고 /context로 안 쓰는 MCP를 정리하고, 최근 몇 턴만 문제면 리와인드, 전체가 무거우면 컴팩트, 읽을 건 많고 답은 짧은 작업은 서브에이전트에 맡긴다. 비용 영향은 긴 세션, 컨텍스트 과다, 과한 모델·이펙트, 캐시 파괴 순이며 배율과 정책은 자주 바뀌므로 공식 문서로 재확인한다.",
"points": [
"비용 순위: ①긴 세션 ②컨텍스트 과다 ③과한 모델·이펙트 ④캐시 파괴",
"캐시는 모델·이펙트 변경, 컴팩트, 1시간 경과 시 깨진다",
"최근 몇 턴만 문제면 리와인드(캐시 유지), 전체가 무거우면 컴팩트",
"@맨션 첨부와 /context 점검, 산더미 작업은 서브에이전트로 위임"
],
"tags": [
"Claude Code",
"프롬프트 캐싱",
"컨텍스트 관리",
"토큰 비용",
"서브에이전트"
],
"axis": "2",
"week": "2026-WW36"
},
{
"id": "N2026W36-23",
"date": "2026-08-29",
"title": "숙소 리서치로 배우는 팬아웃·팬인 그래프 설계",
"body": "에어비앤비 숙소 리서치를 예제로 그래프 엔지니어링을 끝까지 구현하는 순서는 다음과 같다. 그래프를 통째로 돌리기 전에 강남구 한 지역만으로 파이프라인 하나를 엔드투엔드로 검증하고, run ID 아래 마크다운·로우·로그 세 폴더로 상태를 나눠 관리하는 구조를 잡는다. 동적 페이지 렌더링과 프록시 처리는 웹 스크래퍼 API 한 번의 호출에 맡기고, 검증은 LLM이 아니라 파이썬 스크립트로 프로그램적으로 작성해 노드마다 재사용한다. 이후 메인 에이전트가 강남·마포·종로 세 지역 서브에이전트를 병렬로 띄워 리서치를 팬아웃하고, 병렬 검증을 거친 결과를 하나의 컨텍스트로 모아(팬인) LLM이 최종 후보 3개를 추천하게 한 뒤, 그 추천도 프로그램적으로 재검증해 통과했을 때만 사람이 승인하는 휴먼 인더루프 노드로 넘긴다. 파이프라인 검증→노드화→병렬 툴 제공→팬아웃/팬인→검증→승인이라는 이 순서는 에이전트 워크플로 설계 실습의 뼈대로 그대로 쓸 수 있다.",
"points": [
"전체 그래프 전에 파이프라인 하나를 엔드투엔드로 먼저 검증",
"검증은 LLM이 아닌 파이썬 스크립트로 작성해 노드마다 재사용",
"세 지역 서브에이전트 팬아웃 → 결과 병합 팬인 → LLM 최종 추천",
"추천 결과도 프로그램적 재검증 후 통과 시에만 사람이 승인"
],
"tags": [
"그래프 엔지니어링",
"팬아웃 팬인",
"휴먼 인더루프",
"병렬 에이전트",
"프로그램적 검증"
],
"axis": "21",
"week": "2026-WW36"
},
{
"id": "N2026W36-24",
"date": "2026-08-29",
"title": "구글시트 Gemini로 수식부터 미니앱까지 만드는 흐름",
"body": "구글시트에 탑재된 Gemini는 단순 질의응답에서 2026년 4월 수식·피벗·차트 생성, 6월 한국어 지원, 8월 시트 캔버스(미니앱 생성)까지 네 단계로 발전했다. 매출·비용 데이터 4,800행을 두고 수식을 직접 짜는 대신 지표 이름과 의미만 설명하면 Gemini가 수식을 만들어 새 열 일곱 개에 일괄 적용하고, 오류가 난 셀은 픽스 버튼 하나로 원인 파악과 수정안 제안까지 처리한다. 파생 열을 반드시 쓰도록 지정해 별도 분석 탭을 만들되 8월 데이터가 부분 정보임을 인지시켜 오분석을 막는 식의 지시가 중요하다. 경영 요약 차트는 처음에 서식이 허접하게 나와 레이아웃을 다시 요청해야 했지만, 시트 캔버스로는 필터·KPI 카드가 포함된 인터랙티브 대시보드와 칸반보드 미니앱까지 프롬프트만으로 생성된다. 캔버스는 현재 언어 설정이 영어일 때만 지원돼 인스트럭션은 영어로 쓰고 레이블만 한국어로 지정해야 하며, 단일 탭 데이터만 사용 가능하고 사용량 제한이 있다.",
"points": [
"지표 이름과 의미만 설명하면 수식을 만들어 여러 열에 일괄 적용",
"오류 셀은 픽스 버튼으로 원인 파악과 수정안 제안 자동 처리",
"시트 캔버스로 필터·KPI 카드 대시보드와 칸반 미니앱 생성",
"캔버스는 영어 설정 전용, 단일 탭 데이터, 사용량 제한이 한계"
],
"tags": [
"구글시트",
"Gemini",
"노코드 대시보드",
"수식 자동 생성",
"데이터 자동화"
],
"axis": "3",
"week": "2026-WW36"
},
{
"id": "N2026W36-06",
"date": "2026-08-30",
"title": "레이어를 하나씩 꺼 보면 에이전트가 왜 무너지는지 보인다",
"body": "400개 이상의 프로덕션 에이전트 경험에서 정리됐다는 12-레이어 스택은, 가상의 응급실 트리아지 에이전트에서 각 레이어를 boolean 플래그로 켜고 끄며 실패를 재현하는 방식으로 이해하면 명확하다. 데이터 이해 레이어가 없으면 알레르기 필드가 누락된 채 결정이 내려지고, 컨텍스트 엔지니어링이 없으면 29세와 68세 환자에게 같은 추천이 나오며, 시맨틱 레이어가 없으면 MI 같은 약어가 해소되지 않는다. 루프 엔지니어링은 모델이 알레르기 정보를 받았는가가 아니라 생성 결과가 그것을 실제로 존중했는가를 검증→실패→교정→재생성 흐름으로 다루고, 평가 엔지니어링은 한 사례 수정이 아닌 케이스 집합의 통과율(데모에서 22%→100%)을 본다. 하네스 엔지니어링은 설정·모델 버전·검색 컨텍스트·툴 호출까지 실행 전체를 재현·추적하고, 인프라 엔지니어링은 툴 타임아웃 같은 외부 장애에 재시도·폴백·에스컬레이션으로 살아남는 방식이다. 도구는 계속 바뀌지만 시스템은 좀처럼 바뀌지 않는다는 것이 이 스택의 요지다.",
"points": [
"컨텍스트 엔지니어링은 정보를 줬는가, 루프 엔지니어링은 결과가 그것을 지켰는가",
"평가는 케이스 단위 통과율, 하네스는 실행 전체의 재현과 추적으로 구분",
"인프라 레이어는 에이전트 판단이 맞아도 외부 툴이 죽었을 때를 대비한다",
"지속 학습은 반복 실패 패턴 탐지→개선안→사람 승인→회귀 테스트 순환"
],
"tags": [
"프로덕션 에이전트",
"하네스 엔지니어링",
"루프 엔지니어링",
"평가 엔지니어링",
"의료 AI"
],
"axis": "5",
"week": "2026-WW36"
},
{
"id": "N2026W36-21",
"date": "2026-08-30",
"title": "웹에서 인쇄물까지 한 컨텍스트로 잇는 Claude 디자인 스킬",
"body": "Anthropic의 /design 스킬은 텍스트 대화로만 디자인을 반복 수정하던 비효율을 겨냥한 기능이다. 애플 기기 리셀 사이트처럼 색상 체계가 정해지지 않은 상태라면 무드보드 3안을 먼저 만들게 요청하는 식으로, 스킬이 세부 질문을 단계별로 던지도록 설계돼 있다. 완성된 웹 디자인은 더블클릭으로 텍스트·색상·radius를 바로 고치고 특정 영역에 코멘트를 남겨 재작업을 요청할 수 있으며, 결과가 아티팩트 링크로 공유되므로 클라이언트 컨펌을 먼저 받고 개발에 들어가는 플로우가 가능하다. 같은 컨텍스트를 이어받아 인스타그램용 정사각형·숏폼·배너·오픈그래프 소셜 세트와 인쇄용 포스터까지 브랜드 컬러를 유지한 채 생성해, 웹→소셜→인쇄가 하나의 디자인 시스템으로 이어진다. 신기능 소개 수준이라 깊이는 얕지만 디자인 자동화 데모 소재로는 충분하다.",
"points": [
"색상 체계가 없으면 무드보드 3안부터, 스킬이 단계별로 질문을 던진다",
"더블클릭 편집과 영역 코멘트로 피그마 유사 수정 가능",
"아티팩트 링크 공유로 클라이언트 컨펌 후 개발 착수 플로우",
"웹→소셜 세트→인쇄 포스터까지 브랜드 컬러를 유지한 채 생성"
],
"tags": [
"Claude",
"디자인 스킬",
"디자인 시스템",
"아티팩트",
"브랜드 일관성"
],
"axis": "4",
"week": "2026-WW36"
},
{
"id": "N2026W36-22",
"date": "2026-08-30",
"title": "빈약한 입력을 완성된 프롬프트로 바꿔 주는 스킬",
"body": "Claude Code에서 좋은 프롬프트를 쓰는 사람은 실력이 아니라 프롬프트 마스터라는 스킬 하나를 설치했을 뿐이라는 것이 이 짧은 클립의 요지다. 최소한의 입력만 줘도 건드릴 파일, 출력 형식, 멈춰야 할 시점까지 채운 완성된 프롬프트로 바꿔 주고, 과거 결정을 기억해 토큰 낭비 패턴을 대조·체크해 준다는 것이 내세우는 기능이다. 프롬프트 자동완성이라는 아이디어 자체는 흥미롭지만 35초 분량이라 근거가 얕고 설치·동작 방식은 외부 문서로 넘기고 있어, 실제 효용은 직접 써 보기 전까지 확인되지 않는다.",
"points": [
"입력이 빈약해도 파일·출력 형식·중단 시점을 채운 프롬프트로 확장",
"과거 결정을 기억해 토큰 낭비 패턴을 대조한다는 기능(미검증)",
"근거가 얕고 설치법은 외부 문서에 의존, 효용은 직접 검증 필요"
],
"tags": [
"프롬프트 엔지니어링",
"Claude Code",
"스킬",
"프롬프트 자동화"
],
"axis": "1",
"week": "2026-WW36"
},
{
"id": "N2026W36-19",
"date": "2026-08-31",
"title": "키 에셋을 먼저 고정하는 AI 비디오 제작 워크플로",
"body": "이순신 명량대첩을 소재로 1분짜리 시네마틱 비디오를 만드는 과정에서 배울 점은 프롬프트를 바로 넣지 않는 순서다. 먼저 명량대첩이라는 주제와 생성 툴의 사용법을 각각 리서치시켜 컨텍스트를 채운 뒤, 두 결과를 합쳐 초 단위 화면 기획이 담긴 툴 전용 프롬프트를 메타프롬프팅으로 만든다. 생성 단계에서는 이순신 장군·판옥선·명량해협·일본 전선 같은 핵심 에셋을 나노바나나2로 2K 이미지로 먼저 만들어 고정하고, 이를 기반으로 8개 샷을 병렬 생성한 다음 이미지를 비디오로 변환하고 배경음악을 붙여 편집본을 완성한다. 포탄 발사 같은 물리 표현은 아직 어색하지만 크레딧 1개 이하, 약 30분 만에 결과가 나온다. 특정 상용 툴의 데모이지만 리서치→메타프롬프팅→키 에셋 고정→샷 병렬 생성이라는 일관성 확보 절차 자체는 어떤 AI 비디오 파이프라인에도 옮길 수 있다.",
"points": [
"주제와 툴 사용법을 각각 리서치한 뒤 합쳐 메타프롬프팅으로 전용 프롬프트 생성",
"핵심 에셋을 2K 이미지로 먼저 고정해야 샷 간 일관성이 유지된다",
"초 단위 기획에 따라 8개 샷을 병렬 생성 후 이미지→비디오 변환",
"물리 표현은 어색하지만 크레딧 1개 이하, 약 30분에 1분 클립 완성"
],
"tags": [
"AI 비디오 생성",
"메타프롬프팅",
"이미지-투-비디오",
"일관성 유지",
"나노바나나"
],
"axis": "7",
"week": "2026-WW36"
},
{
"id": "N2026W36-20",
"date": "2026-08-31",
"title": "노트북을 꺼도 도는 원격 터미널 위의 에이전트 팀",
"body": "Herdr는 Orca보다 훨씬 가벼운 원격 터미널 서버로, 터미널만 있으면 리눅스 VM에도 쉽게 설치되고 Ghostty를 꺼도 세션이 그대로 살아 있다. 이를 Grok Bot의 가상 머신에 얹으면 맥북 전원과 무관하게 스마트폰만으로 코딩 에이전트를 상시 운영할 수 있다. Grok Bot에게 Codex·Cursor·Hermes·Claude·Grok과 Ghostty·Herdr 설치를 통째로 요청하면 로그인 단계를 제외하고 스스로 설치를 마치고, 맥북에서 쓰던 스킬과 MCP도 VM으로 이식해 준다. 아이폰에서 저장소를 열어 QA를 요청하면 Grok은 UX 검토, Codex는 코드 테스트, Hermes는 보안 검사로 역할이 자동 분배돼 병렬 처리되며, Hermes가 크리티컬 2건 포함 15건의 이슈를 보고한 반면 Codex는 테스트 호스트가 없어 실패했다. 완성한 봇은 개인정보를 제거한 템플릿으로 공유할 수 있어 동료 간 노하우 공유로 이어질 수 있으며, 설치와 QA 결과 수치는 검증되지 않은 시연값이다.",
"points": [
"Herdr는 터미널 종료·재부팅 후에도 세션이 유지되는 경량 원격 터미널",
"Grok Bot이 VM에 코딩 에이전트 5종과 스킬·MCP를 스스로 설치·이식",
"QA 요청 시 UX·코드 테스트·보안 검사로 에이전트 역할을 자동 분배",
"개인정보 제거 후 봇 템플릿 공유로 노하우 확산 가능"
],
"tags": [
"Herdr",
"원격 에이전트",
"멀티에이전트 QA",
"Grok Bot",
"상시 구동"
],
"axis": "5",
"week": "2026-WW36"
}
]
}