프로젝트가 끝났다고 판단하는 기준은 무엇인가요?
작은 도구와 실험을 자주 만드는 개발자가 프로젝트의 완료 기준을 돌아봅니다. 기능을 계속 추가해 제품이나 SaaS로 확장하는 것만이 성공은 아니며, 처음 의도한 목적을 달성하고 배운 것을 얻었다면 그대로 끝내도 된다는 관점을 제시합니다.
작은 도구와 실험을 자주 만드는 개발자가 프로젝트의 완료 기준을 돌아봅니다. 기능을 계속 추가해 제품이나 SaaS로 확장하는 것만이 성공은 아니며, 처음 의도한 목적을 달성하고 배운 것을 얻었다면 그대로 끝내도 된다는 관점을 제시합니다.
ZenStack Studio가 기존 PostgreSQL·MySQL·SQLite 데이터베이스를 introspect해 MCP 서버로 연결하는 과정을 소개합니다. Code Mode의 타입 검사와 모델별 권한, 사용자별 access policy를 결합해 복잡한 구축 절차를 한 번의 설정으로 줄이고, 요청마다 사용자 identity를 전달하는 stateless 구조를 구현합니다.
Claude Code, GitHub Copilot, Cursor, Codex 같은 코딩 에이전트가 코드 생성 속도를 크게 높이면서 검토와 검증이 새로운 병목이 되고 있습니다. 글은 AI가 작성한 코드를 다시 AI가 리뷰하더라도 요구사항과 비즈니스 규칙이 잘못 해석될 수 있다며, 인간이 아키텍처·보안·실패 상황·최종 책임을 맡아야 한다고 설명합니다.
AI 코딩 도구가 초안 생성 비용을 거의 0으로 만들었지만, 리뷰와 유지보수 비용은 그대로라서 '생산성'의 회계가 왜곡된다는 글입니다. 저자는 자신의 오픈소스 프로젝트들에서 관찰한 패턴과 METR 연구(숙련 개발자가 AI 사용 시 19% 더 느려짐)를 근거로, 생성 속도가 아닌 소유 비용(ownership cost)을 측정해야 한다고 주장합니다. 디버깅, 태스크 단위 비용, 무한 루프, 이해의 외주화라는 네 가지 숨은 비용 항목을 구체적 수치와 함께 제시합니다.
저자가 30일간 작성 에이전트와 별도의 '회의론자(skeptic)' 리뷰 에이전트를 운영한 실험 기록입니다. AI 리뷰어는 41개 실제 이슈 중 38개를 잡았지만, Stripe 웹훅의 'ack-before-persist' 같은 조용한 데이터 정합성 버그는 같은 모델 계열 특유의 공통 맹점 때문에 놓쳤고, 시니어 엔지니어는 과거 장애 경험으로 5분 만에 발견했습니다.
AI 코딩 어시스턴트가 이전 세션에서 수정된 실수를 새 세션에서 반복하는 문제를 다룹니다. 저자는 Cognee, Mem0, Letta, Supermemory, Zep, Mnemoverse 여섯 메모리 시스템의 공식 문서를 읽고 '리콜 결과에 부정적 판정을 전달하는 공개 입력'이 있는지를 비교했습니다. 결론은 입력의 존재 여부가 아니라, 그 입력이 무엇에 붙어 있고 다음 읽기에서 실제로 무엇이 바뀌는지가 갈림길이라는 것입니다.
12살 개발자가 만든 AI 코드 멘토 앱 KODA가 축제 첫날 아침 두 번의 호스팅 위기를 겪은 이야기입니다. Netlify의 빌드 크레딧 고갈과 Neocities의 엄격한 Content Security Policy(CSP)라는 서로 다른 장벽을 만났지만, 수동 배포와 사전에 설계한 장애 대응 로직 덕분에 앱은 끝까지 살아남았습니다. 인프라가 앱을 죽일 수 있다는 교훈을 담은 생생한 장애 대응기입니다.
30일간 실제 프로덕션 SaaS의 모든 코드를 AI로 작성한 실험 후, 저자는 'AI가 개발자를 대체할 것'이라는 글 500편을 분석했습니다. 낙관론과 비관론 모두 코드 생성을 직업 전체로 착각하고, 주니어-시니어 사다리가 고정돼 있다고 가정하며, 데모를 근거로 미래를 외삽한다는 세 가지 공통된 오류를 지적합니다.
리포트 대시보드의 페이지네이션 버그를 고치던 개발자가 필터 상태 중복, 클라이언트-서버 검증 로직 중복을 연달아 발견하고 수정하다가 서버 컴포넌트 전환 직전에 멈춘 경험담입니다. 변경 파일이 하나에서 일곱 개로 불어나는 순간, '이 변경이 제품에 필요한가, 아니면 내가 하고 싶은가'를 자문해 PR을 분리했다고 합니다. 저자는 변경의 크기가 아니라 정당화에 걸리는 시간과 그 정당화가 누구를 위한 것인지가 판단 기준이라고 말합니다.
저자가 만든 AI 리뷰어 벤치마크에서 로컬 3B 모델이 'step_1'이라는 트리거 하나로 precision 1.00의 'pass' 판정을 받은 사례를 소개합니다. 모델이 나쁜 것이 아니라 보상 함수가 잘못 설계된 것이며, matcher를 일주일간 고쳐도 20%에 머물던 golden pass rate가 분류 로직의 6줄 수정으로 50%까지 오른 경험을 통해 '모든 모델에서 균일하게 나쁜 결과는 측정 실패'라는 교훈을 전합니다.
Africa Deep Tech Challenge에 온디바이스 RAG 코딩 어시스턴트 StacksNG를 제출했다가 예선에서 탈락한 개발자가, 심사 도구에서 실제 버그 두 개를 찾아내고 점수를 재계산해 4.6배 차이를 확인했습니다. 그러나 진짜 탈락 사유는 루브릭 어디에도 없던 originality gate — base model을 손대지 않았다는 점이었습니다.
Go 1.24부터 기본이 된 Swiss Table 기반 map에서 map[int64]int64 100만 엔트리가 이론값 16MB가 아닌 37.8MB를 차지하는 이유를 강제 GC와 HeapAlloc 측정으로 분석한 글입니다. 그룹·테이블 구조와 7/8 로드 팩터, 할당자의 크기 클래스 올림 때문에 엔트리당 비용이 21~44바이트 사이를 오가며, struct{} set의 패딩 회귀와 삭제 시 메모리 미회수 같은 실무 영향도 함께 다룹니다.
ffmpeg 명령을 외워서 쓰는 대신, 내부의 7단계 파이프라인 구조를 이해하면 대부분의 플래그가 자연스럽게 읽힌다는 해설 기사입니다. demux·decode·filter·encode·mux 각 단계의 역할과, -c copy가 왜 순식간에 끝나는지 같은 실용적 판단 기준을 담고 있습니다.
AI가 보여주는 단계별 추론이 실제 계산 과정인지, 이미 정해진 결론을 그럴듯하게 포장한 사후 서사인지를 묻는 chain-of-thought faithfulness 문제를 다룹니다. Anthropic의 2023년 연구를 재현해 오늘날 무료 기본 티어 모델 세 개에 추론 절단과 오류 주입 실험을 수동으로 수행했고, 모델마다 전혀 다른 반응이 나왔습니다.
AI 코딩 에이전트가 생성한 테스트가 수정 능력을 떨어뜨릴 수 있다는 분석입니다. SWE-bench Verified 실험에서 약한 테스트는 해결률을 61.2%에서 57.3%로 낮췄고, 더 좋은 테스트는 65.3%로 높였습니다. 잘못된 테스트는 결함을 놓치는 수준을 넘어 다음 수정에 잘못된 목표를 제시할 수 있다고 지적합니다.
1년 반 동안 재택으로 일해온 시니어 .NET 개발자가 허리 부상을 계기로 출근 강요, '코드 품질' 서면 경고, 'Claude는 20달러다'라는 모욕적 발언까지 겪으며 퇴사를 결심한 사연입니다. 5개월치 생활비와 부수입, 진행 중인 구직을 근거로 사표 제출을 예고했고, 이 괴롭힘의 배경에 인력 감축 의도가 있다고 추측합니다.
모바일 앱 아키텍처 논쟁의 고전인 MVC, MVP, MVVM, MVVM-C, VIPER를 'View와 Model 사이의 중재자에게 얼마나 많은 권한과 역할을 줄 것인가'라는 단일 질문의 변형으로 재해석한 글입니다. 프로필 사진 변경이라는 동일한 기능을 다섯 패턴으로 구현하며 각각의 차이와 적합한 상황을 비교합니다.
WeChat, Alipay, Douyin 같은 중국 슈퍼 앱이 수만 개의 서드파티 미니 프로그램을 앱스토어 심사 없이 실행하는 기술적 구조를 분석한 글입니다. 핵심은 셸(shell) 안에 임베드된 스크립트 엔진과 JSBridge이며, 순수 Flutter로는 이 모델을 재현할 수 없다고 지적합니다. 대신 모듈형 모놀리스, SDUI, dart_eval, Flutter Web WebView 등 Flutter 생태계에서 가능한 네 가지 대안을 비교합니다.
DEV가 International Dog Day를 맞아 진행한 주말 해커톤 'Dog Days Edition'의 우승작 다섯 편이 공개되었습니다. 보호소 데이터 대시보드, 웨어러블 센서 기반 절뚝거림 감지, Solana 스마트 컨트랙트 실종견 보상, ElevenLabs 음성 실험, Gemini 기반 입양 매칭 앱이 선정되었고 각 팀은 200달러와 DEV++ 멤버십을 받습니다.
알고리즘 코딩 인터뷰를 앞둔 저자가 LeetCode 벼락치기 대신 ChatGPT가 생성한 쉬운 문제부터 단계적으로 난이도를 올리며 준비한 경험을 공유합니다. 문제를 풀며 막히는 지점을 기록하고 자신의 풀이 영상을 복기한 끝에, 가정 정리부터 수동 추적, 점진적 테스트까지 이어지는 10단계 작업 리듬을 정립했습니다.