AI

이 영상의 핵심은 GStack 이나 Harness Engineering 이라는 이름 자체를 외우는 데 있지 않습니다. 발표자는 두 개념 모두 결국 AI 에이전트를 실제 프로젝트에 투입할 때 반복해서 부딪히는 문제, 즉 컨텍스트 한계, 자기 평가의 부정확함, 프로젝트 규칙 전달 부족을 해결하려는 시도라고 설명합니다. 그래서 이 글도 용어 소개보다, 각 방식이 어떤 문제를 겨냥하고 어떤 식으로 풀려 하는지에 초점을 맞춰 정리해 보겠습니다 (근거: t=18, t=78, t=270). 더보기

이 영상이 흥미로운 이유는 단순히 “Claude에 NotebookLM을 붙일 수 있다” 는 데 있지 않습니다. 발표자는 Claude의 짧은 세션 기억 문제를 NotebookLM의 RAG 기반 저장소로 우회하면서, 동시에 비용을 줄이고, 리서치·에셋 생성·세션 요약까지 하나의 워크플로우로 묶을 수 있다고 주장합니다. 즉 이 영상의 핵심은 메모리 기능 하나가 아니라, Claude는 실행과 오케스트레이션을 맡고, NotebookLM은 장기 기억과 대규모 문맥 검색을 맡는 분업 구조 에 있습니다 (근거: t=4, t=211, t=913). 더보기

“하네스 구성해줘” 한 마디면 도메인에 맞는 전문 에이전트 팀과 스킬을 자동 생성해주는 Claude Code 플러그인 Harness. 1.1k GitHub 스타를 받은 이 도구는 단순한 편의 도구를 넘어, 구조화된 사전 설정이 LLM 출력 품질에 미치는 영향을 통제 실험으로 검증한 연구 결과까지 제시한다. 더보기

누군가 유출된 Claude Code 소스코드 51만 줄을 읽었습니다. 본인 말로는 “내가 읽었다기보다 Claude Code한테 읽혔다"고. 그렇게 해서 나온 결론은 하나입니다. “대부분의 사람이 Claude Code를 ‘프롬프트 치고, 기다리고, 다시 치는’ 방식으로 쓰고 있는데, 소스코드를 보면 이건 페라리를 1단 기어로만 모는 거다.” 조회 3.1만 회를 기록한 이 Threads 스레드(@unclejobs.ai)에서 정리한 9가지를 상세히 분석합니다. 더보기

Claude Code를 설치하고 몇 가지 프롬프트를 실행했습니다. 이제 뭘 해야 할까요? 공식 문서는 기능을 설명하지만, 기능들을 어떻게 조합하는지는 알려주지 않습니다. 학습 경로도 없고, 예시는 너무 기초적입니다. GitHub 스타 5,900개를 돌파한 claude-howto는 이 공백을 메우는 구조적인 가이드입니다. 더보기

“하네스 엔지니어링"이라는 말이 에이전트 커뮤니티에서 자주 들린다. 어렵게 들리지만, 본질은 단순하다. 에이전트가 제멋대로 달리지 않도록 환경을 설계하는 것이다. 편집자P 채널의 영상을 바탕으로, 이 개념이 왜 생겼고 어떻게 쓰이는지 초보자 눈높이에서 풀어본다. 더보기

AI 에이전트 하나를 쓰는 것과, AI 에이전트들로 구성된 회사 전체를 운영하는 것 은 전혀 다른 이야기다. 코드팩토리 채널이 소개한 Paper Clip 은 후자를 가능하게 해주는 프레임워크다. CEO 에이전트가 작업을 받아 하위 팀원 에이전트에게 위임하고, 팀원들이 유기적으로 협력해 결과물을 만들어내는 구조다. 놀랍게도 완전 무료 오픈소스다. 해외에서 이미 핫하게 주목받고 있으며, 영상을 제작한 코드팩토리도 자체 프로젝트 매니지먼트 툴을 유료로 만들다가 Paper Clip에서 아이디어를 상당히 참고했을 만큼 완성도가 높다고 평가한다. 더보기