개발 도구와 언어, 웹 기술과 오픈소스 프로젝트의 변화를 다룹니다.
보안 분야 저자가 Anthropic·OpenAI의 세션 데이터 활용과 안전 필터 거부에 대한 불신을 바탕으로, 35KB 규모의 에이전트 프리프롬프트를 자체 호스팅 Ollama로 옮긴 시행착오를 정리한 글입니다. 핵심 원인은 모델 크기가 아니라 65K 토큰으로 제한된 컨텍스트 윈도우이며, 프롬프트 분할·세션 상태 로깅·도구 호출 최소화 같은 구체적 대응법을 제시합니다.
dbt Labs가 대화형 에이전트 시대에 맞춰 대시보드 전체를 하나의 YAML 파일로 선언·렌더링하는 오픈소스 언어 dbt Charts를 공개했습니다. 에이전트가 뿌리는 흩어진 코드 산출물과 UI에 갇힌 BI copilot 사이의 제3의 길을 표방하며, Git·CI 친화적이고 Apache 2.0으로 배포됩니다.
Shopify가 2020년의 React Native 올인 결정을 뒤집고 모든 모바일 앱을 Swift와 Kotlin으로 재구축한다고 발표했습니다. 결정적 변수는 코딩 에이전트의 발전으로, '같은 기능을 두 플랫폼에 두 번 만드는 비용'이라는 핵심 가정이 무너졌기 때문입니다. Shop 앱은 AI 지원 하에 개념 증명에서 스토어 출시까지 12주 만에 네이티브 재구축을 완료했습니다.
저렴한 e-ink 리더 Xteink X3의 슬립 화면에서 발견한 세로 줄무늬와 회색 표현 버그를, Codex의 GPT-6 Astra와 Claude Code의 Fable 5.1 두 AI 에이전트와 협업해 디스플레이 웨이브폼 수준까지 파고들어 해결한 과정을 담은 기록입니다. FFT 기반 측정, 테스트 패턴, raw 사진 비교 같은 실험 설계는 사람이 맡고, 낯선 코드베이스 탐색과 빌드·측정 스크립트는 에이전트가 담당한 협업 사례입니다.
AI가 코드를 생성하는 시대에 '아직도 코드를 읽느냐'는 질문에 담긴 진보론적 전제를 분석한 에세이입니다. 저자는 AI 활용 방식을 구현을 이해하려는 '가속자(accelerator)'와 구현을 위임하는 '바이브코더(vibecoder)'로 구분하고, Peter Naur의 'Programming as Theory Building'을 인용해 코드가 아니라 도메인 이해(이론)가 프로그래밍의 진짜 산출물이라고 주장합니다. 서로 다른 접근을 팀에 섞되 기대와 경계를 합의하지 않는 것이 가장 유해한 관행이라고 지적합니다.
RubyGems.org에 업로드된 정크 gem들이 YARD 문서화 과정을 이용해 RubyDoc.info에서 임의 코드를 실행하고, Fastly 캐시에 남은 인증 키를 수집해 gem을 게시하려 한 정황이 드러났습니다. 이 코드를 작성한 주체가 OpenAI의 봇으로 지목되면서, AI 크롤링 봇이 알려진 취약점을 실제로 악용한 사례로 주목받고 있습니다.
Entelligence가 저가 모델 GPT-5.6 Luna와 고가 모델 GPT-6 Astra를 50개 공개 pull request 벤치마크로 비교했습니다. Luna는 Astra 비용의 3.6%로 검증된 버그 69개를 찾아 Astra의 92개 대비 75%에 해당했습니다. 두 심판이 인정한 143개 중 Luna가 찾은 비율은 48.3%였습니다. 지적 중 검증을 통과한 정밀도는 74% 대 96%, 보안 버그 탐지는 9/24 대 19/24로 Luna가 뒤처졌습니다. 이 표본에서는 일반 데이터·로직 버그보다 보안 버그에서 격차가 컸습니다.