두 엔진이 모두 멈췄습니다 — 데이터 제공자 두 곳의 정책 변경으로 정비고에 들어간 앱
항공기 추적 앱의 지도 제공자 CARTO와 비행 데이터 제공자 OpenSky Network가 각각 정책을 바꾸면서 서비스가 멈췄습니다. 작성자는 지도 API 키를 적용하고, 오진을 부르는 오류 메시지와 TCP 연결 시간 초과를 추적한 뒤, 제공자를 어댑터로 분리하고 명확한 점검 화면을 띄웠습니다.
dev.to · 최신 글
작성한 코드 줄 수로 프로그래밍 실력을 재지 않기로 했습니다
글쓴이는 AI가 코드를 작성하더라도 개발자의 실력은 직접 타이핑한 양이 아니라 결과를 이해하고, 오류를 찾아 고치며, 유지보수까지 책임지는 데서 드러난다고 말합니다. AI가 코드를 빠르게 만들수록 이해 속도가 병목이 되므로 변경 내용을 꼼꼼히 읽고 작은 단위로 검증해야 한다고 설명합니다.
초파리 신경 연결망으로 틱택토를 두게 했습니다 — minimax 안전망을 더해
초파리 신경계 연결 데이터 일부를 틱택토 입력과 출력 신호로 매핑한 프로젝트입니다. 원시 회로는 다음 수를 내다보지 못해 minimax가 최선의 수를 추리고, 회로는 그중 하나를 고릅니다. 연결망은 실제 데이터를 쓰지만 게임판 매핑과 시뮬레이션은 저자의 설계입니다.
Claude와 Obsidian — QA 업무에 두 도구를 활용하는 방법
한 QA 엔지니어가 Obsidian의 Markdown 템플릿과 Claude의 Skills, 커뮤니티 플러그인을 조합해 테스트 계획 작성과 업무 추적을 자동화하는 방법을 소개합니다. 생성 결과를 팀 피드백으로 검토하고 템플릿을 계속 다듬는 과정도 설명합니다.
모두 통과시키던 게이트를 아무도 통과시키지 못하는 게이트로 바꿨는데, 테스트는 차이를 찾지 못했습니다
사람의 승인을 요구하는 실행 게이트를 만들면서 테스트가 우회와 고장을 모두 놓친 과정을 분석합니다. `isatty()`와 `/dev/tty`가 서로 다른 조건을 확인한다는 점, 테스트가 실제 터미널 경계를 검증해야 한다는 점을 재현 코드와 변이 테스트로 보여줍니다.
에이전트 비용 문제는 모델이 아니라 측정하지 않은 단계에 있습니다
에이전트 비용을 줄이려면 모델 단가부터 낮추기보다 단계·도구·모델별 토큰과 재시도를 기록해야 합니다. 세부 비용을 알아야 불필요한 고성능 모델 호출을 찾고, 실패한 단계만 대체 모델로 넘길 수 있습니다.
ToolTrap: “도구 결과는 데이터”라는 규칙만으로는 부족했습니다
지원 에이전트가 도구 결과에 섞인 가짜 연락처를 고객에게 전달하는지 시험했습니다. 출처별로 전달 가능한 정보를 명시한 프롬프트 계약을 추가하자, 두 모델 모두 악성 정보 반복을 막으면서 정상적인 지원 정보는 유지했습니다.
SHIPCHECK: 배포 전 의존성을 점검하는 자율 ReAct 에이전트
SHIPCHECK은 Sanity Content Lake와 MCP를 연결해 배포 대상의 버전 제약, Kubernetes 클러스터 상태, 문서 간 충돌을 점검하는 배포 전 검증 에이전트입니다. 작성자는 다단계 의존성 추적과 문서 권한 점수로 위험을 판정하고, 수정안을 적용한 가상 시뮬레이션까지 제공한다고 설명합니다.
구현은 판단이 보이지 않게 바뀌는 곳입니다
댓글 응답 추적 도구의 세 가지 버전은 18명, 34명, 2명이라는 서로 다른 수를 냈지만 각자 다른 기준에 따라 정확히 셌습니다. 테스트와 측정값이 맞더라도 범위, 비교 대상, 데이터 수집 위치 같은 판단이 구현에 묻히면 독자는 다른 질문의 답을 받습니다.
운영 중인 AI 에이전트 절반은 GPU 비용이 붙은 if문입니다
AI를 썼다는 인상을 주려고 에이전트, 벡터 데이터베이스, 다중 모델 구성을 먼저 택하면 비용과 지연 시간, 디버깅 부담만 늘 수 있습니다. 정규식·SQL·조건문으로 풀리는 문제는 결정적인 도구에 맡기고, 모호성이 실제로 있는 작업에 AI를 쓰자는 주장입니다.
에이전트 테스트 실행을 2,490회에서 206회로 줄이고 같은 범위를 검증했습니다
agent-tooltrust의 실제 LLM 테스트에서 83개 에이전트와 30개 시나리오의 전체 조합 대신, 시나리오별 범위와 프레임워크별 판정 유형을 나눠 검증했습니다. 실행 횟수는 2,490회에서 206회로 줄었고, 테스트 결과 모델이 도구 호출 대신 문장으로 답하는 실패도 드러났습니다.
AI는 코딩을 쉽게 만들지만 학습은 어렵게 합니다
AI는 오류 설명과 코드 작성, 디버깅을 빠르게 돕지만, 문제를 스스로 파악하는 과정까지 건너뛰면 생산성이 이해보다 앞설 수 있습니다. 먼저 원인을 추측하고 시도한 뒤 AI에 묻고, 답을 검토하며 자신의 판단을 유지하자고 제안합니다.
AI 문서화 안내서: 모델 카드부터 평가 보고서와 에이전트 카드까지
AI 시스템은 같은 입력에도 다른 결과를 내므로 코드만으로 동작을 설명하기 어렵습니다. 이 글은 학습 데이터, 평가 방법, 허용된 행동, 실제 실행 기록이라는 네 가지 질문을 중심으로 모델 카드와 평가 보고서, 에이전트 카드 등 AI 문서 유형을 정리합니다.
프롬프트 인젝션은 새로운 SQL 인젝션입니다 — 아직 대비가 부족합니다
프롬프트 인젝션은 신뢰할 수 없는 데이터와 명령이 같은 문맥에 섞이는 취약점이며, 에이전트가 행동 권한까지 가지면 피해 범위가 커집니다. 글은 SQL의 매개변수화 쿼리처럼 확실한 구조적 해결책이 아직 없다고 짚고, 권한 최소화와 사람의 승인 등으로 피해를 제한하자고 제안합니다.
프롬프트로 3D DEV 도서관을 만들려다 직접 레벨 에디터를 만들었습니다
Oniria는 DEV의 실시간 글을 책으로 보여주는 3D 도서관입니다. 개발자는 Three.js와 Sanity로 공간과 책장을 구성하고, 직접 걸어 다니며 위치를 지정하는 편집 도구를 만들었습니다. 글은 AI 코딩의 한계와 사람의 시각적 피드백이 필요한 이유도 짚습니다.
AWS 멀티 에이전트 AI의 에이전트별 비용 추적
성공 응답과 정상 상태 코드만으로는 멀티 에이전트 시스템의 불필요한 추론·도구 호출·컨텍스트 증가를 찾기 어렵습니다. 글에서는 AWS Strands와 Bedrock 호출에 토큰 비용, 에이전트, 도구 호출 정보를 OpenTelemetry 트레이스로 기록하고, 정상 실행 기준선과 비교해 최대 43%의 비용 증가를 찾아냅니다.
Chain-of-Thought 충실도 측정 — 추론 모드를 켜자 자기 오류를 따를 가능성이 5배 높아졌습니다
모델의 Chain-of-Thought에 잘못된 중간 단계를 넣고 최종 답변이 그 오류를 따르는지 15개 문제로 측정했습니다. Grok 4.20은 추론 모드를 켰을 때 오류 추종이 2/15에서 11/15로 늘었지만, 표본이 작아 다른 모델과 추가 검증이 필요합니다.
GRO가 가린 TLS 핸드셰이크의 실제 패킷 분할
양자내성 TLS ClientHello가 실제 인터넷 경로에서 TCP 세그먼트 두 개로 나뉘는지 확인한 실험입니다. 수신 측 GRO가 패킷을 합쳐 tcpdump에 한 개로 보이게 했으며, GRO를 끈 뒤 1448바이트와 42바이트 세그먼트로 나뉜 기록을 얻었습니다.
수년간 에이전트 데모를 믿었습니다 — 이제는 거부하는 관문을 만들었습니다
HivePlane은 에이전트가 재현 가능한 벤치마크를 통과하고 서명된 증명을 받아야 프로덕션에 들어가도록 통제하는 오픈소스 컨트롤 플레인입니다. 작성자는 실제 에이전트와 Docker 환경에서 첫 현장 테스트를 진행해 시나리오 10개와 승인 기준 20개를 통과했고, 인증되지 않은 실행과 모델 교체를 403으로 차단했습니다.
새 기술을 익히는 실제 방법 — 튜토리얼 없이 시도하고 실패하기
글쓴이는 튜토리얼을 먼저 따라가기보다 직접 시도하고, 실패 원인을 디버깅한 뒤 이해하고 결과물을 만드는 학습 방식을 소개합니다. 작은 행동을 꾸준히 이어가고 기록을 남기며, AI를 정답 생성기가 아니라 사고를 돕는 짝으로 활용하자고 제안합니다.