Linux 데스크톱에 사는 초록색 blob을 만들었더니 감정을 갖게 됐습니다
Python·GTK4·PyGObject·Cairo로 만든 Linux 데스크톱 동반자 Mochi v0.3의 개발기입니다. 영속적인 유대감, 상태 관리, 데스크톱 활동의 프라이버시 보호, 집중 세션을 구현하며 귀여운 픽셀 아트가 실제 소프트웨어 아키텍처 문제로 확장되는 과정을 보여줍니다.
dev.to · 최신 글
AI는 여러분을 더 나쁜 엔지니어이자 더 나은 직원으로 만들고 있습니다
AI 코딩 도구는 티켓 처리와 기능 출시 같은 가시적 생산성을 높이지만, 그 과정에서 디버깅 감각과 낯선 문제를 스스로 푸는 능력의 성장을 막을 수 있습니다. 이 글은 AI를 쓰지 말자는 주장이 아니라, 처리량을 엔지니어링 역량의 대리 지표로 삼아 온 평가 방식의 한계를 지적합니다.
AMD MI300X에서 Gemma 4 서빙하기 — 시간당 1.99달러로 얻는 성능
AMD Instinct MI300X 한 장에 Gemma 4 E2B를 vLLM과 ROCm으로 배포하고, MCP 기반 운영 도구로 상태 확인과 벤치마크를 자동화한 과정을 설명합니다. 1,024 컨텍스트 단일 스트림에서 305 tok/s, 64개 스트림에서 10,284 tok/s를 기록했으며, 온디맨드 비용 기준으로 TPU v5e보다 높은 처리량 대비 비용을 측정했습니다.
부정적 피드백의 아름다움과 두려움
첫 컨퍼런스 발표에서 익명의 날카로운 피드백을 받은 경험을 통해, 불편한 평가는 즉시 거부하기보다 감정을 가라앉힌 뒤 개선의 단서로 살펴볼 필요가 있다고 이야기합니다. 접근성을 지키면서도 발표를 더 역동적으로 만드는 방법을 고민하게 된 과정이 핵심입니다.
죽은 CRC Crate를 되살렸더니 갑자기 입소문을 탔습니다
2015년 이후 방치된 Rust용 crc32 Crate를 현대적인 구현으로 재작성한 사례를 소개합니다. slicing-by-16, no_std, 빌드 타임 코드 생성, Python·Node.js 바인딩을 추가했으며, 순수 Safe Rust 경로에서 최대 약 1,282 MiB/s를 달성하면서 이식성과 안전성을 강조합니다.
AI가 세금을 신고할 때 — 정확성보다 먼저 따져야 할 책임과 검증 문제
AI 세금 신고 서비스가 빠른 처리와 비용 절감을 내세우며 확산되고 있지만, 실제 벤치마크에서는 주요 모델의 엄격 정확도가 41.7%에 그쳤습니다. 오류가 발생해도 IRS에 대한 법적 책임은 납세자에게 남고, 개인정보·법률상 비밀·규제 공백 문제도 해결되지 않았다는 분석입니다.
12살 개발자가 150달러 스마트폰으로 글로벌 Code Jam을 운영한 방법 — Supabase 아키텍처
노트북 없이 POCO C55 Android 스마트폰만으로 3,000명 이상의 개발자 커뮤니티와 Code Jam을 운영한 12세 개발자의 Supabase 활용기입니다. Supabase Auth, PostgreSQL Row Level Security(RLS), 모델 추적용 telemetry를 조합해 인증·권한·실패 분석을 처리한 과정을 설명합니다.
AI에게 170개 변경 계획을 맡겨 봤습니다. 매번 똑같은 3가지 실수를 했습니다
170개 변경 계획을 대상으로 LLM 플래너와 비평기, 결정론적 검증 게이트를 결합한 PlannerCritic을 실험했습니다. 더 큰 모델도 구조적 결함을 고치지 못했으며, 의존성·순서·롤백을 코드로 검증하는 하이브리드 방식이 핵심 해법으로 나타났습니다.
Deno 2.6의 최소 의존성 사용 기간 플래그가 연·월 단위를 무시합니다
Deno의 npm 의존성 최소 게시 기간 기능은 일·주·분 단위에서는 동작하지만, 월·년이 포함된 ISO-8601 기간을 지정하면 필터를 조용히 무시하고 최신 버전을 설치합니다. 또한 lockfile에 이미 고정된 버전에는 적용되지 않으며, deno audit은 TLS 프록시 환경에서 별도의 인증서 오류를 일으킬 수 있습니다.
중복처럼 보였던 테스트가 아홉 번째 버그를 잡았습니다
유한한 오답 구현 목록에서 고유한 실패를 만들지 못한 테스트라도, 목록에 새로운 구현을 추가하면 유일한 검출 수단이 될 수 있습니다. 글은 mutation testing 점수와 테스트 제거 기준이 후보 카탈로그와 테스트 하네스에 의존한다는 점을 Python 실험으로 보여줍니다.
Scrum은 마침내 끝났습니다 🎉 코딩 에이전트 덕분입니다
저자는 Scrum이 실패한 이유를 Agile 원칙을 반복 가능한 의식과 지표로 바꿔버렸기 때문이라고 봅니다. 코딩 에이전트로 비개발자도 실행 가능한 프로토타입을 만들 수 있게 되면서, 백로그·스토리 포인트·스프린트 중심의 프로세스가 발견과 검증 중심의 흐름으로 대체될 수 있다고 주장합니다.
EchoCadence를 만들었습니다 — 단어를 오래 기억하게 하는 어휘 앱
EchoCadence는 사용자가 직접 어휘를 추가하고, 복습 난이도에 따라 다음 복습 시점을 정하는 spaced repetition 기반 앱입니다. 개발자는 복습 이력을 TimescaleDB hypertable로 저장하고 continuous aggregate로 일별 통계를 만들어, PostgreSQL 모델 안에서 학습 데이터를 시계열로 다루는 방법을 구현했습니다.
Caddy 2.11의 기본 양자내성 키 교환, TLS 핸드셰이크 바이트를 6배 늘립니다
Caddy 2.11.4는 기본값으로 X25519와 ML-KEM-768을 결합한 하이브리드 키 교환을 사용합니다. 암호 연산 시간은 거의 눈에 띄지 않았지만, 키 교환 핸드셰이크 크기는 440바이트에서 2,704바이트로 6.1배 증가했으며 Caddy 로그에는 실제 협상 그룹이 기록되지 않습니다.
MCP로 살펴본 MI300X — 매트릭스 코어가 실행하는 것과 실행하지 않는 것
AMD Instinct MI300X 한 장을 실제 클라우드 환경에서 MCP 도구로 관리하고, 하드웨어와 ROCm 스택이 지원하는 수치 형식을 직접 측정합니다. 결과적으로 이 카드에서는 FP8 E4M3FNUZ가 실용적인 네이티브 경로이며, INT8·MXFP4·NVIDIA용 FP8·GGUF는 사양표나 기능 목록만으로 판단하면 안 된다는 점을 보여줍니다.
상위 1000개 사이트 중 방문 호스트 이름을 숨기는 곳은 10곳뿐입니다 — 이를 세는 도구를 만들었습니다
HTTPS에서도 방문 중인 사이트의 호스트 이름은 TLS ClientHello를 통해 노출될 수 있습니다. 공개 DNS의 ECH 설정을 확인하는 도구로 트래픽 상위 1000개 도메인을 조사한 결과, ECH를 게시한 곳은 10곳뿐이었고 모두 Cloudflare의 같은 커버 호스트 이름을 사용했습니다.
컨테이너는 몇 가지 비공개 뷰를 가진 프로세스일 뿐입니다 — 30줄로 직접 만들어 봤습니다
컨테이너는 별도의 커널 객체나 가상 머신이 아니라, Linux 프로세스에 namespace와 cgroup을 적용한 구조입니다. 글에서는 Docker 없이 약 30줄의 코드로 PID·mount·network·hostname 격리와 20MB 메모리 제한을 직접 구현하며, 컨테이너와 VM의 차이를 설명합니다.
거대한 미지의 코드베이스에 갑자기 투입됐나요? 생존 가이드입니다
대규모 코드베이스를 처음 접했을 때 모든 파일을 읽으려 하지 말고, 애플리케이션을 실행한 뒤 진입점과 실제 기능의 흐름을 추적하며 구조를 파악하라고 제안합니다. 작은 변경과 팀원·Git 기록·테스트 활용, 학습 내용 문서화를 통해 일주일 안에 실용적인 코드베이스 지도를 만들 수 있다고 설명합니다.
6개월 동안 AI에게 테스트를 작성하게 해봤습니다 — 실제 프로덕션에서 살아남은 것들
AI는 테스트 코드의 보일러플레이트와 버그 재현용 골격을 빠르게 만드는 데 효과적이지만, 중요한 실패 시나리오와 올바른 검증 조건까지 찾아주지는 못합니다. 작성자는 Playwright와 Flutter 테스트 경험을 바탕으로 AI 생성 테스트의 한계와 사람이 반드시 맡아야 할 역할을 설명합니다.
AI 코딩 에이전트는 자신이 여는 저장소의 공격을 받을 수 있습니다
AI 코딩 에이전트는 저장소 파일만 읽는 것이 아니라 Git 명령, 설정, 스크립트, 에이전트 지침까지 실행하거나 해석할 수 있습니다. GitSpawn 사례처럼 악성 Git 설정과 프롬프트 인젝션이 에이전트의 권한을 악용할 수 있으므로, 신뢰하지 않는 저장소는 격리 환경에서 검토하고 자격 증명은 최소한으로 제공해야 합니다.
첫 AI 심사관 인터뷰 — 대체 무엇이 잘못될 수 있을까요?
AI의 도움으로 금융 의사결정 도구를 만든 뒤 AI 심사관의 기술 인터뷰를 받은 참가자의 회고입니다. 구현 세부사항과 검증 한계를 설명하지 못했던 경험을 통해, AI-assisted 개발에서도 설계·코드·실패 조건을 직접 이해하고 설명하는 능력이 중요하다는 점을 보여줍니다.