Trawling

최신기사

AI, 개발 도구, 오픈소스, 보안과 인프라의 변화와 이용 조건을 설명하는 최신 기사와 해설입니다.

AI가 코딩의 즐거움을 빼앗았습니다

발행

코딩 에이전트가 일을 대신하면서 코드를 짜며 몰입하던 시간과 유능하다는 감각을 잃었다는 개발자의 글입니다. 댓글에서는 코딩의 즐거움이 문제 해결 과정과 집중에 있었는지 돌아보고, 에이전트에 맡길 일과 직접 풀 일을 나눠 보자는 의견이 나옵니다.

document.currentScript로 HTML 안에서 바로 렌더링하기

발행

실행 중인 script 요소를 document.currentScript로 찾아 자기 자리에 결과를 렌더링하는 방법을 소개합니다. 별도 템플릿 언어나 ID 선택자 없이 날짜, 문구, 간단한 상호작용을 HTML 가까이에서 처리하지만, 비동기 데이터 처리에는 추가 요청과 HTML 보안 처리가 따릅니다.

AI 클론 사업으로 월 25만 달러를 만든 Julia McCoy

발행

Julia McCoy는 창업자의 글과 인터뷰를 바탕으로 Claude가 말투와 관점을 익히는 Voice DNA를 만들고, HeyGen과 ElevenLabs로 얼굴과 목소리를 복제하는 사업을 운영합니다. 본인 채널에서 AI 클론으로 15개월간 영상 약 700개를 발행했고, 15명 안팎의 팀과 함께 월 25만 달러 매출을 올린다고 밝혔습니다.

MyLens — AI로 개인별 실시간 발표를 대규모로 제공합니다

발행

MyLens는 발표 자료와 지침을 입력하면 각 청중에게 개별 실시간 발표를 진행하는 AI 서비스입니다. AI가 제공된 자료에 근거해 질문에 답하고, 대화 중 새 슬라이드와 시각 자료를 만들며, 발표 후에는 이해가 어려웠던 지점과 후속 조치 제안을 정리합니다.

C와 Zig에서 QML 사용하기

발행

Qt 바인딩 프로젝트에 C와 Zig용 QML 지원이 추가됐습니다. 예제 저장소에서 기존 라이브러리 기능과 일부 private Qt 클래스 바인딩, 메타프로그래밍을 활용하는 방식을 확인할 수 있습니다.

프로그래밍을 즐기는 건 여전히 괜찮습니다

발행

Chris Kiehl은 손으로 코드를 쓰는 일이 업무에서 경제적으로 달라졌더라도 프로그래밍을 취미로 즐길 이유는 남아 있다고 말합니다. Reddit에서는 취미로서의 즐거움과 AI 도입으로 달라진 일자리와 업무 만족도는 별개의 문제라는 반론이 이어집니다.

AI가 저를 세 번 무대에 세웠습니다. 그래도 대중 연설은 여전히 좋아하지 않습니다

발행

법원 직원인 글쓴이는 AI 파일럿 두 건을 진행한 경험을 세 차례 발표하며, 소규모 실험의 승인 조건과 실패에서 얻은 교훈을 공유합니다. 자동화가 데이터 품질 문제에 막히면 중단하고 기존 양식이나 업무 절차를 바꾸는 편이 나을 수 있다고 설명하며, AI가 각 프로젝트에서 맡은 역할도 구분합니다.

프로그래밍을 위한 부고

발행

프로그래밍을 좋아해 AI 코딩 에이전트 사용을 미뤄 온 개발자가 직접 써 본 뒤 느낀 상실감을 적었습니다. 에이전트가 버그 수정과 최적화, 미뤄 둔 리팩터링을 빠르게 해내면서 프로그래밍의 재미와 개발자라는 직업의 의미가 흔들린다고 말합니다.

8분 만에 공개된 앱, Cursor 덕분일까 명세 덕분일까

발행

작성자는 Cursor에 구체적인 프롬프트를 한 번 넣어 USD/MXN 팁 계산기를 만들고 GitHub Pages에 공개하기까지 8분이 걸렸다고 기록합니다. 빠른 구현을 가능하게 한 요인은 도구만이 아니라 입력 검증, 화면 구성, 제외 기능까지 미리 정한 명세였으며, 별도 검토에서 명세의 빈틈도 발견됐습니다.

Teal - 정적 타입을 더한 Lua 방언

발행

Teal은 배열, 맵, 레코드, 인터페이스, 유니온 타입, 제네릭을 타입 주석으로 표현하는 Lua 방언입니다. 컴파일러 tl이 .tl 파일을 .lua 파일로 변환하며, Lua의 간결함과 이식성, 임베딩 특성을 유지하는 데 초점을 둡니다.

Scope-Creep Guard: 계약 범위를 벗어난 요청을 찾아주는 로컬 Gemma 도구

발행

Scope-Creep Guard는 계약 내용과 고객 요청을 대조해 추가 작업 여부와 근거 조항을 제시하는 프리랜서용 도구입니다. 로컬 Gemma 모델로 분석하고 추가 시간과 비용, 고객에게 보낼 답변 초안까지 만듭니다. 배포된 데모는 미리 저장한 샘플 결과를 보여주며, 실제 분석은 Ollama를 설치해 로컬에서 실행해야 합니다.