Anthropic Labs의 Prithvi Rajasekaran이 공개한 이 엔지니어링 포스트는 장기 실행 AI 코딩 에이전트의 하네스 설계 에 대한 실전 경험을 담고 있습니다. 단순히 “좋은 프롬프트를 쓰면 된다"는 수준을 넘어서, GAN(Generative Adversarial Network) 에서 영감을 받은 멀티 에이전트 구조가 왜 필요하고, 어떻게 진화하는지를 구체적인 실험 데이터와 함께 보여줍니다. 더보기

이 영상의 제목은 “코딩 배우지 마세요” 이지만, 실제로 보여 주는 내용은 코딩이 완전히 필요 없다는 선언에 가깝지 않습니다. 더 정확히 말하면 발표자는 SDK 설치나 Claude Code 문법부터 배우는 대신, Claude 데스크톱 대화창에서 에이전트가 따라야 할 역할 정의, 행동 규칙, 출력 형식을 먼저 말로 설명하고, 그 설명을 실행 가능한 지침 파일로 굳히는 흐름을 보여 줍니다. 즉 핵심은 “코드를 안 쳐도 된다” 가 아니라 “에이전트 명세를 자연어로 먼저 외주화할 수 있다” 에 있습니다 (근거: t=2, t=10, t=12, t=49, t=52, t=57). 그래서 이 글은 이 영상을 “주식 추천 프롬프트” 로 읽지 않고, 자연어 요청이 어떻게 MD 지침 파일, 에이전트 팀, 코워크(Cowork) 실행 컨텍스트, 병렬 리서치, PDF 보고서, 예약 작업으로 이어지는지 정리하는 워크플로 문서로 읽습니다. 영상 후반으로 갈수록 진짜 포인트는 종목명보다 운영 루프에 있습니다. 에이전트 명세 생성 -> 폴더 적재 -> Cowork 실행 -> 병렬 분석 -> 산출물 수정 -> 예약 실행 이라는 루프가 이 영상의 실전 가치입니다 (근거: t=68, t=146, t=217, t=263, t=347, t=465). 더보기

Claude를 사용하다 보면 “성공적으로 완료했습니다"라는 메시지를 자주 보게 됩니다. 하지만 실제로 테스트를 돌려보면 실패하거나 린트 에러가 발생하는 경우가 많습니다. 그러면 또다시 에러 메시지를 복사해서 Claude에 붙여넣고 “이거 에러 고쳐줘"라고 요청해야 합니다. 이 과정을 사람이 계속 붙어서 해야 하는 귀찮은 일이 발생합니다. https://youtu.be/wz7oFfIR7LA?t=0 이 문제를 해결하는 방법이 있습니다. 바로 Ralph Loop입니다. 더보기

lucas-flatwhite/pm-skills-ko 는 단순히 README만 한국어로 바꾼 저장소가 아닙니다. README, 플러그인 README, 커맨드 문서, SKILL 문서, 그리고 validate_plugins.py 까지 함께 보면, 이 저장소는 원본 pm-skills 를 한국어 사용자에게 바로 설치하고 실행할 수 있는 플러그인 컬렉션으로 재구성한 형태에 가깝습니다. 특히 흥미로운 지점은 세 가지입니다. 첫째, 루트 README가 전체 구조를 한 번에 설명하고, 둘째, 각 플러그인이 skills/, commands/, .claude-plugin/plugin.json 을 갖춘 독립 패키지처럼 정리되어 있으며, 셋째, 검증 스크립트가 이 구조가 실제 Claude Code 플러그인 규약에 맞는지 점검한다는 점입니다. 더보기

제품 관리자(PM)가 Claude AI를 활용할 때, 단순한 텍스트 생성을 넘어 구조화된 프레임워크가 필요한 순간이 있습니다. PM Skills Marketplace는 이런 니즈를 정확히 겨냥한 오픈 소스 프로젝트입니다. 이 마켓플레이스는 발견(Discovery)부터 전략(Strategy), 실행(Execution), 시장 출시(Go-to-Market), 성장(Growth)까지 제품 관리의 전체 라이프사이클을 아우르는 100개 이상의 스킬과 36개의 연결된 워크플로를 제공합니다. 더보기

AI 에이전트를 만들려고 검색하면 정말 다양한 도구들이 터져 나옵니다. 랭체인, 랭그래프, 구글 ADK, 파이덴틱 AI, 클로드 에이전트 SDK까지. 하지만 이 중에서 아무거나 골라서 시작했다가 6개월 뒤에 갈아엎는 팀이 정말 많습니다. 겉보기엔 다 똑같아 보이지만, 속을 열어보면 완전히 다른 문제를 풀고 있기 때문입니다. 더보기