2026
- 브라운필드 에이전틱 엔지니어링
- 직접 관리하는 머신에서 클라우드 에이전트 실행하기
- 다리오 아모데이 — 프런티어의 속도를 조절해야 합니다
- Turbopack이 자바스크립트를 청크로 나누는 방법
- AI 엔지니어링 스킬 맵: 만드는 과정을 직접 설계하기
- Projects를 소개합니다
- 에이전트 군집(swarm)과 새로운 모델 경제학
- 멀티 에이전트 하네스에서 컨텍스트를 정리하는 방법
- Spotify Portal로 Claude Code 토큰 사용량을 90% 줄였다
- Uber 규모에서 소프트웨어 팩토리를 효율적으로 운영하기
- LLM 심판의 수명 주기: 대규모로 만들고, 정렬하고, 모니터링하기
- Wealthsimple: 인수 1년 후
- LangChain의 MCP: 무상태 프로토콜, 엘리시테이션, 그리고 더 많은 것들!
- 세컨드 브레인은 저장 시스템이 아니다. 컴파일러다.
- 가장 강력한 생산성 비법은 AI가 아니라 좋은 문화다
- Claude Code 세션에서 가치를 최대한 끌어내기
- AI 엔지니어링 스킬 맵: 코딩 에이전트 활용
- LLM은 전문성에 보답한다
- 고집 있고 미니멀한 코딩 에이전트를 만들며 배운 것
- 에이전트가 샌드박스에 연결되는 두 가지 패턴
- 2026년의 AI 에이전트 샌드박싱: 프리미티브, 런타임, 플랫폼 중에서 고르는 방법
- AWS Firecracker란? 마이크로VM 기술 설명
- Claude Fable 5.1 프롬프팅
- 샌드박스 이해하기(Vercel)
- 우리 에이전트가 design.md로 브랜드에 맞는 페이지를 만드는 방법
- Claude Fable 5.1이 아주 괜찮은 애니메이션 펠리컨을 만들어 줬다
- 에이전트로 인한 숙련도 감퇴
- 세상에 '그냥 도구'란 없다
- AI 엔지니어링 스킬 맵: AI 애플리케이션 구축과 배포
- AI 엔지니어링 스킬 맵: 소프트웨어 엔지니어링 기본기
- 팀이 개발하는 방식
- Warp가 Claude로 스스로 개선되는 에이전트를 만드는 방법
- 에이전트 파일 점검하기
- AI 없이 쓰는 글의 값어치가 오르고 있다
- 프로그래밍의 종말
- 소프트웨어 팩토리가 필요할까요?
- OpenWiki에서 스스로 고쳐지는 메모리 만들기
- ChatGPT 웹을 역공학하다: OpenAI는 10억 사용자를 위해 어떻게 만들었나
- 사람의 판단은 소프트웨어 공장을 떠나지 않습니다. 자리를 옮길 뿐입니다.
- Linear는 왜 이렇게 빠른가? 기술적 분석
- Codex Desktop에 풀 리퀘스트 QA를 매시간 맡겼습니다
- 코드 리뷰를 없애는 법
- 어떤 규모에서도 동작하는 Git
- 프로덕션급 작업을 위한 루프 설계
- Labor0 출시: 의존성 그래프 기반 AI 엔지니어링 오케스트레이션
- AI 엔지니어링 스킬 맵
- 실전 루프 엔지니어링
- 에이전트의 모델 호출 중 프론티어 모델이 정말 필요한 건 얼마나 될까?
- AI 도입은 허상이다
- 끝없는 실행 (Endless execution)
- 에이전트 시대의 코드 품질
- Managed Deep Agents 공개 베타 시작
- 관리형 에이전트가 에이전트 개발의 다음 큰 흐름인 이유
- Agent Plugins
- Deep Agents vs LangChain vs LangGraph
- Stripe의 Knowledge AI Platform을 소개합니다
- Stripe는 어떻게 1주일 만에 Deep Agents 기반 Kai를 만들었나
- 지능은 빌리고, 관계는 소유하라 (Rent the intelligence, own the relationship)
- 안목과 판단, 그리고 AI
- Pi의 미니멀리즘이 곧 경쟁력입니다
- GitHub Agentic Workflows로 저장소 간 문서화 자동화하기
- 하네스만 있으면 (거의) 충분하다
- Deep Agents v0.7
- LangChain이 데이터 스택을 에이전트 중심으로 재설계한 방법
- 오픈 웨이트 모델에 대한 우리의 입장
- Bun의 초고속 Rust 재작성에서 무엇을 배울 수 있을까?
- Claude 5 세대 모델을 위한 컨텍스트 엔지니어링의 새로운 규칙
- 지능을 소유하라: 지속되는 AI 경쟁 우위의 열쇠
- 우리는 AI 모델을 어떻게 가르치는가
- 우리가 buzz에 들뜬 이유
- LangGraph와 함께한 그래프 엔지니어링 3년
- [Hugging Face] 보안 사고 공개 — 2026년 7월
- OpenAI와 Hugging Face, 모델 평가 중 발생한 보안 사고에 공동 대응
- Apollo가 Deep Agents와 LangSmith로 GTM AI를 구동하는 방법
- AI는 프론트엔드의 '잃어버린 10년'을 되풀이하게 만들고 있는가?
- 12-factor 기업
- 소프트웨어 공장의 빛과 어둠
- 만드는 사람에게 배우세요
- 빌딩 블록 경제 (The Building Block Economy)
- 금융 서비스에서 에이전틱 AI의 ROI 입증하기
- 루프 안의 인간은 지쳤다
- Cerebras는 사내 지식 베이스를 어떻게 만들었나
- OpenWiki 0.2: 코드베이스 위키에 OKF 형식 지원 추가
- 우리가 SDK 사용을 중단한 이유
- 자동화와 도메인 지식의 인프라화
- 안목과 판단력을 벌어야 하는 시대
- 간단한 연동에는 SDK를 건너뛰세요
- AI 토큰 하나가 데이터센터를 통과하는 여정
- 사람이 유지보수할 것처럼 코드를 작성하라
- OpenWiki Brains: AI 에이전트를 위한 능동적 메모리
- Bun의 Rust 재작성에 대한 내 생각
- Rewriting Bun in Rust
- 아우터 루프를 책임져라
- Claude Code에서 Claude 모델과 effort 수준 고르기
- 언어 모델 속 전역 작업공간
- 루프 시작하기
- 그래서 루프가 대체 뭔데?
- Claude Code 시스템 프롬프트의 군더더기를 걷어내는 법
- 에이전트 시대의 커리어
- 내가 Fable을 프롬프트하는 법
- 내가 사람들과 논쟁하기를 그만둔 이유
- 루프와 하네스 엔지니어링: 파일 7개, 5단계, 설정까지 전부
- 에이전틱 자율성 레벨(Agentic Autonomy Levels)
- OpenWiki: 저장소 문서화를 위한 오픈소스 에이전트
- 앞으로의 팀에서 역할은 어떤 모습일까
- Vercel에서 에이전트에게 제품 디자인 가르치기
- 루프 엔지니어링의 기술
- 현대(Modern) 브라우저는 어떻게 동작하는가?
- The New Software Lifecycle
- 에이전트 기반 코드 리뷰
- 루프 엔지니어링(Loop Engineering)
- 인텐트 부채(The Intent Debt)
- 에이전트 시대를 여는 Salesforce 엔지니어링의 대전환
- The Orchestration Tax
- Deep Agents v0.6
- 배움을 AI에게 아웃소싱하지 마세요
- Delta Channels: 장시간 실행되는 에이전트를 위한 런타임 진화 방식
- Keep Claude working toward a `goal`
- Follow a `goal` in codex
- 에이전트 개발 생애주기(The Agent Development Lifecycle)
- 엔지니어링 포지션 지원서가 돋보이게 만드는 방법
- Claude Code 활용하기: HTML의 놀라울 정도로 뛰어난 효용성
- JUST ***KING USE REACT
- 우리가 에이전틱 검색을 개선한 방법
- 인지적 항복
- 에이전트 스킬
- 장기 실행 에이전트(Long-running Agents)
- 에이전트 하니스 엔지니어링
- 에이전트 중심 최적화(AEO)
- 당신의 AI 코딩 에이전트에는 매니저가 필요합니다
- Project Glasswing
- 병렬 에이전트 한계선 찾기
- LLM Wiki
- 코드 에이전트 오케스트라 – 멀티 에이전트 코딩은 무엇으로 구성되는가
- Claude Mythos(Capybara) - 블로그 초안 유출
- 에이전트형 코딩 평가에서 인프라로 인한 노이즈를 정량적으로 측정하기
- 장시간 자율 코딩을 뒷받침하는 하니스(에이전트 구조) 설계
- React SSR 프레임워크 비교: TanStack Start, React Router, Next.js를 고부하 환경에서 비교하기
- 왜 우리 팀은 React useEffect를 쓰지 않기로 했나
- Claude Code를 만들며 배운 것들: 우리가 ‘스킬’을 쓰는 방식
- 이해 부채(Comprehension Debt) - AI가 생성한 코드에 숨겨진 비용
- 에이전트가 스스로 하는 컨텍스트 압축
- 에이전트 하니스 vs 프레임워크, 뭐가 다른가요?
- 코딩 에이전트가 만드는 새로운 EPD(엔지니어링·프로덕트·디자인) 질서
- 프롬프트 캐싱, 완전 쉽게 풀어서 설명하기
- AI 에이전트의 일반적인 워크플로 패턴과 활용 시점
- 월드클래스 에이전틱 엔지니어가 되는 법
- Codex 컨텍스트 압축 방식
- 모든 에이전트를 위한 컴퓨터
- 내가 Obsidian을 쓰는 방법(by stephango)
- Agentic Engineering
- 병렬 Claude 에이전트 팀으로 C 컴파일러 만들기
- 다들 OpenClaw(ex-Clawdbot) 이야기는 많이 하지만, 정작 어떻게 돌아가는지는 잘 모릅니다.
- 에이전틱 엔지니어링을 하는 가장 솔직한(허세 없는) 방법: 그냥 모델에게 말을 거세요.
- 모델이 생각하는 속도로 제품을 내는 시대
- Deep Agents로 멀티 에이전트 애플리케이션 구축하기
- 모든 작업이 ralph loop로
- AI 에이전트를 위한 좋은 명세 작성 방법
- 더 나은 Bugbot 만들기(Cursor)
- 소프트웨어에서는 코드가 앱을 문서화합니다. AI에서는 트레이스가 그렇게 합니다
- 다중 에이전트 아키텍처 선택하기
- 긴 시간동안 동작하는 자율 코딩 확장하기
- AI 에이전트 평가의 오해를 풀기
- Ralph Wiggum을 “소프트웨어 엔지니어”로
- 에이전트가 컨텍스트 엔지니어링을 위해 파일시스템을 사용하는 방법
- 에이전트를 시맨틱 검색으로 개선하기
- 동적 컨텍스트 디스커버리
- 복합(컴파운드) 엔지니어링: `Every`는 어떻게 에이전트로 코드를 작성하나요
- AI 이해하기
- 화난 피드백에 대응하는 방법
2025
- 코딩 에이전트와 복잡성 예산
- 저수준 소프트웨어를 오직 코딩 에이전트로만 구축하기
- 컨텍스트 엔지니어링 in Manus
- Anthropic에서 AI가 업무를 변화시키는 방식
- Claude 개발자 플랫폼에서의 고급 도구 사용 소개
- 긴 시간 동안 실행되는 에이전트를 위한 효과적인 하니스
- 더 효율적인 AI 에이전트 구축
- Composer: RL을 통해 빠른 프런티어 모델 구축
- Agent Frameworks, Runtimes, and Harnesses- oh my!
- Claude Code: 에이전트 스킬
- 시스템의 일부로서의 LLM
- React Compiler v1.0
- React 19.2
- LangChain - Standard Message Content
- LangChain - Agent Middleware
- AI 에이전트를 위한 효과적인 컨텍스트 엔지니어링
- Anthropic: 세 가지 최근 이슈의 사후 분석
- Claude Code를 도메인 특화 코딩 에이전트로 바꾸는 방법
- 에이전트와 함께 효과적인 도구 작성하기
- MCP Registry 출시
- SDD - Detailed process
- Specification-Driven Development, SDD
- 언어 모델이 환각을 일으키는 이유
- You Don't Need Animations
- LangChain / LangGraph 스트리밍 스키마 정리
- Agent Evaluation: AI 에이전트의 견고한 평가 워크플로우 구축 (3부)
- Agent Evaluation: 에이전트형 워크플로우를 평가하기 위한 지표 (2부)
- LangChain & LangGraph 1.0 알파 릴리스
- Next.js 15.5
- What is LLM Evaluation?