대 AI 시대에서
앞으로는 기업(사용자)이 가진 해자 vs 기업 내 개인(피고용자)이 가진 해자의 싸움이 될 것 같다
개인 입장에서 해자가 무엇일까 생각해보면
암묵지, 조직 내 비효율을 깨는 작업방식, 하네스 워크플로우 등 효율적이고 좀 더 1인 집약적인 퍼포먼스를 내는 방법론에 있는 거 같고
기업입장에서 해자는 뭐가 있을까 하면
개개인의 AI 사용 방법론의 문서화 통제 방법론, 결과물의 대한 근거 그리고 다양한 결과물을 조합해서 좋은 최종결과물을 내는 방식 균일성인거 같고.
결국 조직차원에서 직무분석이 얼마나 잘되어있고 얼마나 그 암묵지를 잘 문서화 데이터화 하냐인거 같은데.
결국 이 해자를 누구의 주도로 누구의 소유으로 끌고 가느냐의 싸움 일듯.
근데 아직은 변화가 너무 빨라서 기업 입장에선 조직차원에서 내재화 할 수 없을 거 같음. 아~직은 개인의 우위?
하네스고 뭐고 불과 몇달전에 한참 나오던거 지금 싹 들어갔고 효율도 떨어짐. 오푸스 5.5 나오고 나선 의미가 없음. 본인도 하네스 열심히 구축했다가 지금 싹 간소화 시켰으니.
조직차원에서 이걸 따라가려먼 좀 빡셀듯 싶음. 크고 오래된 기업이면 더더욱 저항이 심할 거고.
53
종파고 retweeted
가슴에와닿는말.
이하 내용중 발췌.
기술인들의 가장 큰 문제는, 커뮤니티 내의 인정받음을 시장의 인정으로 착각하기 쉽다는 거라고 생각해요.
프로젝트에 천 개의 Star이 있다는 건 기술적 가치를 증명할 수 있지만, 천 명의 유료 고객이 있다는 뜻은 아니에요.
한 편의 트윗이 십만 노출을 받는다면 주제가 전파력이 있다는 뜻이지만, 누군가 당신의 제품을 사기 위해 돈을 지불할 거라는 의미는 아니죠.
심지어 기술 커뮤니티에서 열띤 토론을 벌이는 어떤 것들은, 실제 기업 안에서는 사장이 당신이 말하는 용어라도 이해하지 못할 수 있어요.
이게 바로 기술인들이 영원히 기술 커뮤니티 안에서만 교류할 수 없다고 생각하는 이유예요.
당신은 이커머스, 제조업, 교육, 채용, 무역을 하는 사람들을 봐야 해요. 그들이 매일 어떤 일에 돈을 지불하는지 알아야 하죠.
그들은 아마 특별히 진보된 아키텍처의 Agent가 필요 없을 거예요. 그냥 누군가 과거 3시간 걸리던 반복 작업을 30분으로 줄여주고, 안정적이고 신뢰할 수 있으며, 문제가 생기면 찾을 수 있는 사람만 있으면 돼요.
最近听到一个挺有意思的观点，越想越觉得值得技术人反思。
AI 圈有一种很奇怪的现象：真正把技术做出来的人，未必是最后赚到钱最多的人。有人天天研究 Agent、RAG、MCP、Skill，把一个复杂的自动化系统从零搭起来，开源到 GitHub，拿到几百上千个 Star，在 X 上被一群程序员转发、点赞，大家都觉得牛逼。
但项目做完了，热度过去了，可能连一个真正愿意付钱的客户都没有。反倒是一些技术没有那么深入的人，看到了这些工具，稍微包装一下，找到具体的使用场景，再通过小红书、抖音、私域或者自己手里的客户渠道销售，最后拿到了实实在在的收入。
这件事最值得思考的地方，并不是技术不值钱，而是技术价值和商业价值之间，隔着一条很长的链路。
程序员习惯从技术出发思考问题。看到一个新模型，首先研究它的能力边界、API、推理成本和底层架构；看到一个开源项目，首先研究代码写得好不好、有没有创新、能不能复现。
但真正做生意的人，思考问题的起点往往完全不同。他们关心的是谁需要这个东西，为什么需要，原来通过什么方式解决，愿意花多少钱，以及怎么让这些人知道自己手里有解决方案。
我觉得很多技术人最大的问题，就是太容易把圈内的认可当成市场的认可了。一个项目有一千个 Star，证明它可能有技术价值，但不意味着有一千个付费客户。一篇推文十万曝光，说明这个话题有传播能力，但也不等于有人愿意花钱采购你的产品。甚至有些东西，在技术圈讨论得热火朝天，到了真实企业里面，老板连你说的名词都听不懂。
这也是为什么我认为技术人不能永远只待在技术圈里交流。你得去看看那些做电商、制造业、教育、招聘、外贸的人，每天究竟在为什么事情付费。他们可能不需要一个架构特别先进的 Agent，只需要有人帮他们把过去三个小时的重复工作缩短到半小时，而且稳定、可靠、出了问题能找到人。
当然，不能因此走向另一个极端，觉得只要会营销就行了。没有交付能力，靠包装做出来的生意也很难长期维持。真正值得追求的，是既能理解技术，又能理解需求，还能把产品交到客户手里。
以前总想着把技术学得越来越深，现在觉得还得多问自己一个问题：我掌握的这些能力，究竟能帮谁解决什么问题？
如果连这个问题都回答不清楚，那技术再先进，可能也只是自己玩得很开心。
종파고 retweeted
DeepSeek a encore sorti un cadeau pour l'humanité. Je vis pour ce genre de release.
Grok Bot, Muse, Claude Duet, ChatGPT Dot : tout le monde construit la même chose. DeepSeek vient d'en publier le plan complet, avec le code en MIT. En clair, ils ouvrent le Grok Bot.
C'est quoi, un super-agent ? L'inverse d'un chatbot. Tu ne lui écris pas de prompt. Il vit dans ton chat, ton GitHub, ta CI. Il voit passer tout ce qui arrive, décide seul ce qui mérite ton attention, et lance le travail.
Leur exemple : quelqu'un râle dans un groupe à cause d'un bug de double-clic. Personne ne tague l'agent. Il revient avec la PR et la cause.
Pourquoi tout le monde y va en même temps ? Parce que le goulot n'est plus le modèle, c'est ton attention. Au-delà de 3 à 5 sessions ouvertes, tu ne sais plus laquelle fait quoi. Le super-agent gère les sessions à ta place, et vient te chercher seulement quand il faut une décision.
Un modèle se rattrape, ce que les labs fermés vendent c'est la couche autour : qui trie, qui décide, qui exécute, qui surveille, qui se souvient. DeepSeek pose cette couche sur la table, gratuitement.
Le schéma, en six pièces :
1/ Le tri. Des règles en code jettent le bruit avant le moindre appel au modèle.
2/ Le Router. Un modèle léger, le seul qui te parle. Il décide et distribue, il ne code jamais.
3/ Les Workers. Une session isolée par tâche, avec le meilleur modèle. La suite d'une PR déjà suivie leur arrive directement.
4/ La réponse. 100 mots maximum sur le chat, le détail dans la PR.
5/ Le chien de garde. Il juge si chaque Worker avance ou tourne en rond, et répare quand ça casse.
6/ La mémoire. Elle vit hors des modèles : tu changes de modèle par rôle sans rien perdre.
C'est l'archi que je fais tourner pour mes propres agents : un orchestrateur, des workers isolés, une QA à part. La pièce qui me manquait, c'est le chien de garde.
Les labs fermés vendent l'agent. DeepSeek donne le plan.
종파고 retweeted
これ、ヤバい。RustXNG。
ガチで常識を書き換える破壊力ある。
10代の学生がこれ作ってOSS公開してる現代がもはや怖い。
正直便利すぎて、私はもうRustXNGがない時代に戻れないっすわ。
CodexとかClaude使ってると、あんまり必要性に気付けないかもなんですけど、AIにネット検索させる仕組みを自前で用意するなら、Exaとかの有料APIを使うのが一般的なんすね。
無料もあるけど、件数制限あったり、遅かったり……。
それがRustXNGだと、ローカルでサーバーを動かすだけでOK。APIキーも利用料もなし。しかも検索結果だけじゃなくて、ページの本文まで一緒に取ってきてくれる。
ほんで、バカみたいに速い。
ありえん。
試しに検索結果を1000件集めてみたら、キャッシュ利用時とはいえ約3.3秒。ローカルサーバーでこれは、普通におかしい。
ホンマにおかしいねん！
もちろんいい意味でよ？
ウチの回線結構貧弱よ……？
ここまで実用的な検索がローカル＆無料でできるなんて、考えたこともなかったわ。
AIが「調べて、読んで、必要ならもう一度検索する」って動きをするのに、これ以上ないくらい相性がいい。
検索するたびにAPI料金を気にしなくていいのもでかい。
有料APIが完全にいらなくなるかは分からないけど、少なくとも「AIに検索させるなら有料APIが必須」っていう常識が、私の中では完全に崩れた。
こういうのを個人で作って、しかもOSSとして公開してるのが本当にすごい。RustXNG、もっと知られていい。
Sahenさんはガチ天才やからフォロー必須。
ちなみ私も参画して、仲間と一緒に作ってる日本人でも（比較的）使いやすいDSHのメインプログラマーも彼。
メジャーリリースももうすぐ出せそうです!
ベータ版はsahenのポストにあるので、すぐに試してみたいかたはそちらから!
종파고 retweeted
いや、この人はマジでフォローしておいた方がいいです。
RustXNGを作ったSahen、私の知り合いなんですけどまだ10代なんですよ。
しかも小学生の頃からコードを書いていて、今は大規模プロジェクトであるRust製DeepSeek Herness、「rustdsh」の開発も主導してる。LLMの知識も相当深い。
この時点で大分おかしいんだけど、今回出してきたRustXNGもとんでもない。
そもそもRustXNGとは、AIエージェントにWeb検索をさせるためのローカルで動く検索エンジンです。しかもRust製ということで、とにかく早い。
普通、AIにWeb検索をさせるにはExaやTavilyのような検索APIを使ったりするんですが、RustXNGなら自分のPCやサーバーで動かせるし、有料の検索APIを契約する必要もない。
複数の検索サイトから結果を集めて重複を除去し、関連度順に並べ替える。しかも検索結果のURLや概要だけじゃなく、実際のWebページの本文まで取得してAIに渡せる。
要するに、AIが外部の情報を調べるための検索基盤を自分の環境に構築できるというもの。
しかもこれ、Python製のSearXNGをRustに移植して、226種類の検索エンジンに対応させてるんですよ。
非同期処理やキャッシュ、独自のランキングまで実装していて、作者のベンチマークでは起動時間が0.72秒→0.03秒、常駐メモリが118MiB→13MiB。
さらにExaやTavilyと検索精度まで比較してて、実際の測定ではExaに迫り、Tavilyを上回る結果まで出してるんですよね。
いや、10代でこの規模のRustを書ける時点で相当すごいのに、これが彼の開発しているプロジェクトの一つでしかないのが一番意味わからん……
RustもLLMもここまで深く扱えて、大規模OSSの開発まで主導してる10代ってなかなかいないと思う。
Sahenはもっと知られていい開発者だと思うし、RustやLLM、AIエージェントに興味ある人はマジでフォロー推奨です。
종파고 retweeted
Grok Bot just got a serious brain upgrade
With Claude Opus 5.5 entering the stack, one Bot could run an entire AI team that researches, writes code, uses tools, verifies results, and delivers finished work
Here's how to build it in 10 steps:
종파고 retweeted
대한민국 하네스 엔지니어링 현실
대한민국 수많은 AI 탑티어들과 팟캐스트를 진행해오면서 비개발자에서 많은 인사이트를 얻고 개발자 못지않은 워크플로우를 구현하면서 클로드 코드를 알리고 코덱스를 알리며 OpenClaw와 HermesAgent에 이르기까지 선두에서서 흐름을 이끌어온 장본인으로서(대한민국 RAG와 옵시디언 열풍에 일조하기도 함.) 특정시점엔 한국 개발자들은 전세계를 리드하는 하네스 엔지니어링의 성지이기도 했다.
안써본 하네스가 없을정도로 닥치는대로 써봤다.
확실히 안쓰는것보단 좋다.
하지만 현시점에서는 완전 방향들을 놓치고 기능들을 더욱더 꾹꾹 집어넣고 툴은 더 복잡해지고 자기 하네스가 최고라 자랑하는 사이 아무도 이제는 관심을 안갖고 있는것이 현재 하네스의 현실인것 같다.
사람들이 원하는건 그록봇과 같은 사용자가 전혀 신경쓸거 없어도 잘 작동하는 그런 작업경험을 원한다.
Cli에서 데스크탑앱으로 지금은 그것조차 안쓰고 모든걸 다 모바일로 한다.
부디 정신차리고 봇에서 잘 작동 하는 하네스를 만들어 주기 바란다.
4년을 공부했지만 지금 솔직히 가장 강력한 워크플로우는 그록봇에서 닥터에그봇과 엔지니어링 리드봇으로 pstack 쓰는게 최고로 쉽고 강력하다.
xitter.cf/minheo93698092/status/…
아 왜 사람들이 Pstack!Pstack! 하는지 이제야 알았어요.
이건 진짜 저같은 비개발자들에게 전체 워크플로우를 몰라도 알아서 모든 개발 작업을 진행하도록 만드는 미친 플러그인이었네요.
뭘 만들고 싶은지만 정하면 봇이 필요한 스킬들을 알아서 사용하여 작업에 필요한 도구를 사용합니다.
사람은 결과만 검토하면 되네요.
그리고 Github에 올린 저장소는 클라우드 에이전트가 자동으로 관리하고 보고 해주니 혼자서 할수 있는 범위나 생산성이 엄청나게 빨라집니다.
첨부한 이미지처럼 jev를 사용하지 않아도 알아서 작업을 결정하지만,앞단에 어떤 스킬을 사용할지 빠르게 판단하도록 설정하면 엄청나게 적은 토큰으로 효율적으로 @bot 이 pstack 플러그인에 설치된 수십개의 스킬들중 작업에 필요한 스킬을 알아서 골라 사용하도록 할수 있습니다.
xitter.cf/minheo93698092/status/…
종파고 retweeted
세컨드 브레인 비판이 피드에 요즘 자주 올라와서 글 써본다. 이 떡밥도 주기적인 것 같다. 이 틈을 타서 자기가 본질에 집중한 노트 앱을 만들겠다는 사람도 보이고.
세컨드 브레인은 LLM Wiki, 자료 저장 자동화, 그래프 뷰 이런 걸 다 떠나서 내게 필요한 정보를 오프로딩하겠다는거다. 컴퓨터로 따지면 램만으로는 모든 정보를 저장할 수 없으니 하드디스크를 쓰겠다는 거고. 방법론들은 하드디스크에서 어떻게 저장하고 어떻게 램으로 정보들을 로딩해서 산출물을 낼 것인가를 말하는 것이고.
그래서 대표적으로 알려진 방법론들인 PARA나 제텔카스텐 이런 거 안 맞아서 안 쓴다는 것도 약간 내게는 의아한 부분이다. 왜냐면 두 방법론의 핵심은 너무 당연하고 맞는 말이기에. PARA의 핵심은 폴더 4개로 분류하는 게 아니다. 정보 정리를 주제가 아니라 행동 관점으로 옮기자라는 것. 이런 관점의 전환이 핵심. 왜냐면 많은 노트 사용자의 경우 주제 단위로 정리를 하니까.
그런데 정보를 행동 관점으로 정리해야 하는 것은 사실 당연한 내용이다. 개발자라면 와닿을텐데, 데이터베이스로 예를 들자면 인덱싱을 할 때엔 어떻게 DB 조회할 건지 시나리오를 짠 다음에 거기에 맞춰서 인덱싱을 한다. 그래야 빠르게 데이터베이스에서 정보를 찾을 수 있으니. DB 테이블의 칼럼을 보고 인덱싱을 결정하는 것이 아님. 마찬가지로 노트도 주제가 아니라 어떤 행동을 할 것인가에 따라서 정리를 하자는 거임. 이 노트를 어떤 상황에서 어떻게 찾을 것인지 고민을 해보자는 것. 이 고민이 없다면 그냥 정보 저장을 우선하는 수집가의 오류에 빠짐.
제텔카스텐의 핵심도 평소 글쓰기를 위해서 메모를 모으며 쓰자는 것임. 백지의 공포를 줄이자는 것. 열심히 연결해서 멋진 그래프 뷰 만들기가 핵심이 아님. 영구 노트나 참고 노트를 정확히 구분하는 것도 본질이 아니고. 그렇기에 평소 메모 잘 해서 글 쓸때 써먹으면 장땡이고, 애초에 그렇게 글 쓸 직종도 아니면 필요하지도 않음. 예컨대, 일반 자영업 사장님들에게 제텔카스텐이 왜 필요하겠음.
그래서 내게 "PARA나 제텔카스텐을 지금도 쓰는가?"라고 물으면 당연히 원래 제안된 프로세스대로라면 안 씀. 내가 편한 방식도 다르고 AI가 개입되면서 중간 과정도 많이 변했으니까. 그러나 두 방법론의 핵심 철학은 그대로 사용함. 프로 클라이머들은 클라이밍 시에 자세가 다 제각각이지만 루트와 자기 신체에 따른 에너지 효율화라는 핵심은 지킨다는 것과 동일함.
신체든 정신이든 증강을 위한 도구는 숙달 기간을 필요로 함. 눈 비탈길 내려갈 때엔 당연히 스키보다는 신발 신고 내려가는 게 훨씬 편하고 빠를 것임. 스키는 처음 몇 시간 동안은 자빠지기만 할 거고. 그런데 스키가 더 빨리 내려갈 수 있다는 믿음을 가지고 초반에 숙달 기간을 거치면 스키가 훨씬 빨라짐. 물론 이런 부분에 투자할 가치를 못 느끼는 사람은 그냥 자기 편한대로 사용하면 됨.
여튼 나는 세컨드 브레인 무용론을 나는 계속 접해왔다. 그래서 이런 글도 썼었고 thinkingsian.com/knowledge-a… 그리고 첨부한 스크린샷에서처럼 나는 2년 전에 세컨드 브레인은 옵시디언 책을 낼 때부터 무엇이 핵심인지 강조를 해왔고.
종파고 retweeted
高難度のバグでOpusには永久に見つけられない・直せない問題ってあるんですよ…
なぜ数学や物理の分野ではOpenAIのモデルが目立った成果を上げてるかというと、GPT系は発想力よりも論理的に閉じてる整合性・公理系を重視することによる「垂直」スケールを追求しているからで
Claude系は発想力が活きる（変数が多くノイズからシグナルを拾うような）生物学系・熱力学系に強い「水平」スケールモデル
だから
スコープの設計はOpus
実装はCodex
レビューはOpus
のサンドイッチが基本形で
エッジケースの際どいバグ修正の場合には逆に
まずCodexで調査
Claudeのセカンドオピニオン
Codexで実装
Claudeのレビュー
の逆順でスタートします
종파고 retweeted
now that we all agreed to not review most of the code any more, CI became the next bottleneck
at agent speed, if our CI pipeline is simply "run all the build, lint, tests", it'll become a major slow down
here are a few things i suggest for how to optimize:
1. balance load between CI and CD
CI protects main branch. CD protects production. if you can tolerate some delay in deploying your main branch to production, then you can do less in CI and do more in CD
for example, for a cross platform app i made my CI pipeline skip most mac and windows tests because linux already covered the same functionality
the tradeoff is occasionally i'd catch a mac or windows-only bug in CD before release, but in exchange, my CI pipeline became 15x faster - well worth it
2. modularize your codebase such that changes are isolated
then you can make your CI only run build, lint, test for the module being touched
this requires careful consideration for cross-module protocols. they should likely be their own modules, so when they do change, you know you probably need to test all dependent modules
3. for large modules, invest in test selection
in CI, try to only run tests that are covering the areas being changed. doing accurate test selection is not easy though, and often requires continuous tuning
i have a nightly loop specifically doing audit of past test runs and tweak my test selection to be more accurate. a big codebase of mine got pretty good at this - 20x faster CI compared to running all tests, and almost never miss any real problem
이 글 루나 팬분들이 좋아요 많이 눌러주셨는데 혹시 몰라 분명히 해두면
구조 덕을 본 사람이 구조를 탓하고, 구조에 짓눌린 사람이 노력을 말하는 그 아이러니를 쓴 글입니다.
시선이 화낸 게 이해된다는 쪽이에요.
누구보다 불합리한 환경 상황속에서 꾸준히 자기 길을 걸어온 구조론자 시선
그리고 능력을 발휘할 수 있는 환경에서 자라 승승장구한 능력론자 루나
공교롭게도 루나는 구조를 탓하고 시선은 노력을 안해보지 않았냐 지적한다.
남페미 강사로서 남중 남고를 일부러 간다는 그가 걸어온 경험에선 상황은 동일하지 않을지언정 루나의 태도와 비슷한 이들을 많이 마주해봤을거다. 같은 진영의 있는 사람이건 아니건.
그렇기에 더더욱 빤스런이 열받았겠지. 니들이 뭘 해봤는데. 니들은 무슨 노력을 했는데.
나중에 이 대화 인터뷰에 대해서 타이밍이 문제였다는 언급도 킬포인트. 내용은 전~혀 문제 없다 ㅋㅋ
#더커뮤니티2
2
396
SNS를 떠나서 커뮤도
둘다 개똥밭 천지 지만
흙속의 진주처럼 하나씩 걸리는
보석같은 관점 문장 때문에 끊을 수 없다.
SNS를 하다 보면 똑똑한 사람이 정말 많다는 걸 느낀다.
책을 많이 읽은 사람도 많고, 자기 분야에서 오랫동안 경험을 쌓은 사람도 많다.
짧은 글 하나를 올렸는데 내가 몇 시간 고민했던 생각을 한두 문장으로 정리해놓은 사람도 있다.
처음에는 그런 사람들을 보면서 괜히 작아질 때도 있었다.
그런데 계속 보다 보니 생각이 조금 달라졌다.
세상에는 내가 모르는 분야가 생각보다 훨씬 많고, 내가 평범하게 알고 있는 것을 누군가는 깊이 있게 파고들고 있었다.
SNS는 그동안 일상에서 만나기 어려웠던 다양한 사람들의 생각을 한꺼번에 볼 수 있는 공간이었다.
특히 좋은 점은 나보다 잘하는 사람을 쉽게 만날 수 있다는 것이다.
직접 만나지 않아도 글을 읽으며 배우고, 생각을 넓힐 수 있다.
그래서 요즘은 똑똑한 사람을 볼 때 경쟁자라는 생각보다 스승이라는 생각을 하게 된다.
나보다 잘하는 사람이 많다는 건 자존심 상하는 일이 아니라, 배울 것이 아직 많다는 뜻이니까.
SNS를 오래 할수록 세상이 좁아지는 게 아니라 오히려 내가 얼마나 모르는 게 많은지 알게 된다.
그게 SNS를 계속 보게 되는 이유 중 하나다.
1
227