#에이전트
12개의 포스트
2026년형 ChatGPT 질문법 — '역할·목표·상황·결과·질문' 5요소는 어떻게 바뀌어야 하는가
‘당신은 세계 최고의 마케팅 전문가입니다’로 시작하던 프롬프트는 이제 힘을 잃었다. 2026년의 모델은 스스로 추론하고, 도구를 쓰고, 이미지와 문서를 함께 읽는다. 그래서 좋은 프롬프트의 모양도 ‘역할극 대본’에서 ‘작업 명세서’로 옮겨 갔다. 이 글은 오래 쓰인 5요소 구조(역할·목표·상황·예상 결과·질문 유도)를 OpenAI·Anthropic·Google의 최신 가이드에 비추어 하나씩 다시 쓰고, 8+1 구조와 상황별 템플릿, 그리고 같은 요청을 옛날식과 2026년식으로 나란히 고쳐 쓴 예시를 제공한다. 마지막에는 버려도 되는 여섯 가지 옛 습관을 정리한다.
코딩이 풀렸다면, 그다음은? — 코드의 '슬롭'을 측정하는 법
LLM은 이제 형식적으로 올바른 코드를 거의 완벽하게 쓴다. 그런데 테스트를 전부 통과한 코드가 왜 한 달 뒤에는 아무도 손댈 수 없는 덩어리가 되는가. Earendil의 세바스티안이 던진 이 질문이 해커뉴스를 뜨겁게 달궜다. 이 글은 그 질문의 뿌리를 1976년 맥케이브의 순환 복잡도까지 거슬러 올라가 추적하고, 그 답으로 등장한 벤치마크 SlopCodeBench의 아키텍처를 수식과 코드 수준에서 뜯어본다. 침식(erosion)과 군더더기(verbosity)라는 두 지표가 어떻게 계산되는지, 왜 프롬프트로는 고쳐지지 않는지, 그리고 2026년 9월 현재 프론티어 모델들이 이 벤치마크 앞에서 어디까지 왔는지를 인터랙티브 도구 여섯 개와 함께 짚는다.
AI 연구 자율주행 5단계 — 지금 우리는 L2에 서 있다
자율주행에 L0~L5가 있듯 AI 연구 자동화에도 단계가 있다. 24개 기관 연구진이 49쪽 서베이로 그 지도를 그렸고, 결론은 냉정하다 — 화려한 파이프라인들은 전부 L2다. 그런데 같은 달, 한 스타트업의 AI는 스스로 벤치마크 3개에서 세계 기록을 갈아치웠다. 지도와 영토가 어긋나는 지점에서 2026년 AI 과학의 진짜 좌표를 읽는다.
「나는 AI를 그만 쓰기로 했다」 — 어떤 개발자의 이탈 선언이 드러낸 것
20년차 개발자가 18개월간 Claude Code를 쓰다가 전면 중단을 선언했고, 그 글이 2026년 개발 커뮤니티를 흔들었습니다. 그런데 이건 러다이트의 글이 아닙니다 — 1983년 배인브리지가 예측한 '자동화의 역설'이 소프트웨어에서 처음 대규모로 재현된 사건입니다. METR·DORA·GitClear·Veracode의 상반된 데이터를 전부 펼쳐놓고, 같은 도구가 에어비앤비에서는 18개월을 6주로 줄이고 그에게는 우울증을 준 이유를 끝까지 따져봅니다.
미션 팟(Mission Pod): 조직도에 AI를 올린 회사들 — 가장 빠른 AI 퍼스트 기업의 구조 해부
NFX의 Gigi Levy-Weiss가 던진 '미션 팟(Mission Pod)'이 화제다. 0→1은 풀렸고 이제 병목은 1→2다. 왜 지금 조직도를 다시 그려야 하는가? 애덤 스미스의 분업과 코즈의 거래비용이론, 콘웨이의 법칙과 브룩스의 n(n−1)/2, 아마존 두 판의 피자 팀과 Team Topologies까지 250년의 계보를 따라가고, ChatDev·MetaGPT·AutoGen 같은 멀티에이전트 논문의 아키텍처를 그림과 함께 뜯어본다. METR의 39%p 인식 격차, 스탠퍼드의 주니어 13% 감소, Klarna의 되돌리기, Shopify 메모, 그리고 Cursor·Midjourney·Base44의 숫자까지 — 인터랙티브 도구 4종과 함께 읽는 특집.
AI 코드 마이그레이션 특집: 다년짜리 이식을 2주로 — 컴파일러의 꿈부터 100만 줄 Rust 재작성까지
2026년, Anthropic은 자바스크립트 런타임 Bun의 100만 줄을 Zig에서 Rust로 단 11일 만에, 약 $165,000에 옮겼다. 64개의 Claude 에이전트가 병렬로 6,502번 커밋했다. 한 팀이 1년 걸릴 일이었다. 코드 마이그레이션은 왜 늘 '실패율 70%의 지옥'이었고, 무엇이 갑자기 바뀌었나? 이 글은 f2c 트랜스파일러의 꿈에서 출발해 Facebook의 TransCoder(2020), IBM의 COBOL 현대화를 거쳐, '파일을 고치지 말고 루프를 고쳐라'는 2026년 에이전트 마이그레이션의 6단계 방법론까지를 사례와 함께 처음부터 풀어낸다. Zig 창시자의 '리뷰 안 된 slop' 반론까지 정면으로 다룬 결정판.
토큰값이 67% 떨어졌는데, 왜 AI 청구서는 3배가 됐나 — 제번스의 역설과 추론 경제학
2026년, AI 모델의 토큰 단가는 1년 만에 67% 떨어졌다. GPT-4 기준으로는 3년간 99.7%가 빠졌다. 그런데 기업의 73%가 'AI 지출이 예상을 초과했다'고 답했고, 우버는 2026년 AI 예산을 4월에 다 태웠다. 값은 폭락하는데 청구서는 폭발하는 이 역설의 이름은 1865년 경제학자 윌리엄 스탠리 제번스가 석탄에서 발견한 '제번스의 역설'이다. 이 글은 왜 추론이 싸질수록 총지출이 늘어나는지 — 에이전트 한 작업이 챗의 1,000배 토큰을 먹는 배수의 폭발, 효율이 하드웨어 부족을 부르는 악순환의 고리 — 를 데이터로 해부하고, 'best model wins'가 'best fit wins'로 바뀐 시대의 생존 무기인 모델 라우팅과 비용 통제 플레이북까지 실무적으로 정리한다.
인간은 루프 안에서 지쳤다 — 'Human-in-the-Loop'의 70년史와, AI가 코딩의 보상을 훔쳐간 2026년
Pydantic의 엔지니어가 쓴 한 편의 고백 「The Human-in-the-Loop is Tired」가 개발자 세계를 뒤흔들었다. '코드가 알아서 써지는' 시대에 왜 우리는 더 생산적이면서 동시에 더 불행해졌을까? 이 글은 그 답을 찾기 위해 1948년 사이버네틱스의 '키잡이'에서 출발해, 군사 자율무기의 in/on/out-of-the-loop 논쟁, 강화학습의 보상함수, 스키너 상자, 그리고 2026년 버클리·하버드의 노동강도 연구까지 훑는다. '망가진 것은 당신이 아니라 피드백 루프'라는 명제를, 인터랙티브 시뮬레이터 2종과 함께 해부한다.
루프를 쌓는 기술: LangChain이 그린 '4중 루프'와 스스로 진화하는 에이전트
LangChain의 글 한 편이 개발자 타임라인을 뒤흔들었다. '에이전트를 프롬프트하지 말고, 루프를 쌓아라(loopcraft).' 핵심은 네 개의 루프를 겹겹이 포개는 것 — 일하는 에이전트 루프, 채점하는 검증 루프, 스스로 깨어나는 이벤트 루프, 그리고 자기 자신을 고쳐 쓰는 힐 클라이밍 루프. ReAct(2022)와 Reflexion(2023)이라는 두 논문에서 뿌리를 찾고, LangChain의 '문서 봇' 사례로 네 루프가 하나로 포개지는 순간을 눈으로 확인한다. swyx의 'Salty Lesson'부터 2026년의 복리 효과까지, 용어가 생소해도 그림과 사례로 끝까지 쉽게.
MCP(Model Context Protocol) 완전 이해 — AI 세계의 USB-C (Part 1)
AI가 외부 세계와 소통하는 표준 규격, MCP. 왜 이런 개념이 등장했고, 왜 지금 중요한지를 USB-C 비유와 풍부한 사례로 쉽게 설명합니다.
LangChain 완전 가이드: AI 앱의 레고 블록부터 GraphRAG 구축까지
LLM 애플리케이션 개발의 사실상 표준이 된 LangChain — 800줄짜리 사이드 프로젝트에서 유니콘 기업까지의 여정과 핵심 개념을 정리하고, LangChain으로 GraphRAG를 구축하는 실전 패턴을 단계별로 풀어본다.
Amazon Bedrock 완전 정복: AI 모델을 '골라 쓰는' 시대의 시작
GPU를 사서 모델을 학습시키던 시대에서, API 한 줄로 세계 최고의 AI 모델을 바로 쓰는 시대로. Bedrock이 왜 탄생했고, 어떤 모델을 제공하며, 직접 호스팅·OpenAI API·Azure OpenAI와 무엇이 다른지를 실전 관점에서 풀어본다.