LLM은 답을 계산하지 않고 생성한다. 정확도 100%를 전제로 잡으면 테스트·UX·비용 설계가 깨지고, AI 기능 출시 기준부터 다시 잡아야 함.
모델 성능표만 보면 선택을 자주 틀린다. Opus 4.7·GPT-5.5 변화와 도구 가정을 분리해 보는 비교라, 에이전트 교체 전 체크용으로 쓸 만함.
Opus 4.7과 GPT-5.5의 모델 변화, Claude Code와 Codex의 도구 차이를 분리했다. 성능과 UX 판단이 덜 섞인다.앤트로픽 엔지니어의 AI 협업 원칙과 로컬 LLM 추천 CLI whichllm 등이 함께 소개됨. 원칙은 장기적 관점, 도구는 단기적 생산성 향상에 유용해 균형이 좋다.
whichllm은 PC 사양에 맞는 로컬 LLM을 추천하는 CLI다. 모델 탐색 시간을 줄여주지만, 최종 성능은 직접 테스트하며 확인해야 한다.원가·재고·전시·광고·옵션을 한 상품 객체에 묶으면 매출이 늘수록 손익 판단이 흐려진다. 작은 커머스도 SKU 단위 수익성부터 쪼개야 광고비를 덜 태운다.
SKU별 원가와 연결되지 않으면 실제 마진은 적자일 수 있다. ROAS만 보면 손실을 늦게 발견한다.빨리 만든 제품도 유입·이탈·활성화가 안 보이면 다음 기능을 감으로 찍게 된다. 초기부터 작은 계기판을 붙이는 쪽이 훨씬 싸다.
PostHog, GA4, Plausible, Umami, Mixpanel. 이벤트 분석 깊이와 설치 부담이 선택 기준.Plausible, Umami 쪽이 맞고, 행동 분석은 PostHog가 더 강하다.폼·목록·공개 프로필처럼 원본 타입을 살짝 바꾸는 경우가 많다. Partial, Pick, Omit만 제대로 써도 중복 타입을 꽤 줄일 수 있어 바로 실용적.
Partial은 수정 폼처럼 모든 필드가 선택값인 구조에 맞다. 별도 UpdateUser 타입을 손으로 만들 일이 줄어든다.Pick은 목록 화면용 필드만 뽑을 때 유용하다. 카드·테이블 DTO를 원본 모델과 연결해 둘 수 있음.Omit은 비밀번호 같은 민감 필드를 제외한 공개 타입에 적합하다. 노출 실수 방지에 직접 도움 된다.Record는 상태값별 라벨, 권한별 설정처럼 고정 키 맵을 만들 때 깔끔하다.5월 10일 전 세계 토큰 사용량 1위가 바뀌었다. self-improving 구조가 실제 코드와 설치 과정에서 얼마나 투명한지가 도입 판단선이다.
Hermes Agent가 5월 10일 Openclaw를 제치고 전 세계 토큰 사용량 1위에 올랐다. 단순 데모보다 강한 채택 신호다.프롬프트보다 작업 설계가 레버리지로 올라왔다. AI 에이전트에 맡길 단위, 툴 경계, 검증 루프를 못 잡으면 자동화가 아니라 혼선만 커진다. 설계 체크리스트로는 유용함.
목표를 구조화해 넘기면 에이전트가 멀티스텝 작업을 덜 흔들리고 이어간다. HTML 출력 포맷 팁까지 묶여 있어 자동화 품질 개선용으로 가볍게 적용할 만함.
Gemini 기반 멀티스텝 앱 자동화가 안드로이드 방향성으로 제시됨. 모바일 앱도 사람의 탭만 전제로 설계하기 어려워진다./goal은 목표를 구조적으로 전달하는 명령어로 소개됐다. 긴 코딩 작업은 프롬프트보다 목표·제약을 먼저 잡는 쪽이 낫다.HTML 선호는 출력 안정성 힌트다. 에이전트 결과를 파싱할 땐 마크다운보다 구조가 강한 포맷이 유리하다.AI 검색 유입은 매출보다 늦게 보인다. 인용률, 브랜드 키워드 오가닉 유입, AI 크롤러 로그를 먼저 보면 GEO 투자의 방향을 더 빨리 고칠 수 있음.
GEO 툴만 믿으면 측정 공백이 생긴다. 작은 자체 로그 환경이 완벽한 대시보드보다 낫다.GSC 가이드를 계속 인용한다는 사례는, 오래된 정답형 콘텐츠도 AI 검색에서 자산이 된다는 신호.유출 자체보다 봐야 할 건 구조다. 모델을 붙이는 수준을 넘어 도구 실행, 상태 관리, 권한, 복구 흐름까지 설계해야 실제로 일하는 에이전트가 된다.
Claude Code 배포에 소스맵이 포함되며 내부 구조 일부가 외부에서 관찰 가능해졌다.프롬프트만으로는 에이전트 행동을 안정적으로 묶기 어렵다. 실행 환경, 권한, 검증 단계까지 설계해야 장기 작업에 써먹을 수 있음.
/start → /done 흐름. 프롬프트보다 오케스트레이션 비중이 큼.하네스 엔지니어링은 실행 환경으로 통제한다. 권한, 워크플로우, 검증 게이트가 안전장치가 된다.담배 타임을 온라인 공간으로 옮긴 단일 콘셉트가 강한 방문 동기를 만들었다. 기능보다 상황 재현과 테마 확장이 먹힌 케이스라, 작은 웹 서비스 기획에 바로 참고할 만함.
온라인 담타는 담배 타임의 잡담 상황을 가상 공간으로 바꿨다. 설명 없이 이해되는 콘셉트라 초기 진입 장벽이 낮다.루트 파일을 디자인 시스템 프롬프트처럼 쓰면 AI가 UI 규칙을 매번 다시 설명하지 않아도 된다. 제네릭한 AI 화면을 줄이는 데 바로 써볼 만함.
DESIGN.md는 프로젝트 루트에 두는 디자인 컨텍스트 파일에 가깝다. 코딩 에이전트가 반복 수정에서도 같은 UI 규칙을 참조한다.getdesign.md에는 Apple·Figma·Notion 등 70개 브랜드 디자인 시스템이 묶여 있다. 빈 화면에서 시작할 때 초안 재료로 좋다.답을 빨리 받는 것보다 첫 질문의 전제가 산출물 전체를 좌우한다. AI를 요약기가 아니라 가설 검증 파트너로 써야 기획 리워크가 줄어든다.
도메인 전문가 업무를 5개 전문 에이전트로 쪼개고 3-pass 검수로 초안 품질을 끌어올린 구조다. 콘텐츠 자동화 설계 참고용으론 좋지만, 바로 복붙할 제품은 아님.
SEO 키워드 나열보다 고객 단계별 의도 정리가 먼저다.CMS나 뉴스레터 자동화에도 그대로 응용 가능.GEO 대응은 SEO의 확장으로 다룬다. 조직 지식 주입은 가능하지만, 암묵지까지 자동 이전되진 않는다.소재 생성에 머물던 크리에이티브 AI를 기획·조율 단계까지 확장한다. 자체 모델을 에이전트 흐름에 넣어 반복 콘텐츠 제작 자동화에 테스트할 가치 있음.
Luma AI는 단순 이미지·영상 생성기가 아니라 AI 크리에이티브 에이전트 플랫폼으로 소개된다.이제 남겨야 할 산출물은 소스만이 아니다. Entire AI가 가리키는 방향은 AI 생성 결과의 설명 가능성까지 버전 관리하는 흐름이고, 팀이 작을수록 바로 체감된다.
code diff를 넘어 프롬프트, 판단 근거, 생성 결과의 연결 관계까지 확장된다.Entire AI는 이 흐름을 보여주는 서비스 사례. 새 코드 생성기보다 맥락 추적 레이어에 가까운 신호다.강한 웰컴 혜택은 가입을 끌어올리지만 쿠폰만 챙기는 사용자를 같이 부른다. new_user 정의가 느슨하면 CAC·전환율·리텐션까지 한 번에 오염된다.
customer 정의부터 고정해야 한다. 계정, 기기, 결제수단, 주소, 행동 기준마다 필터 결과가 달라짐.AI 답변은 질문을 여러 서브 쿼리로 쪼개 조합하므로 키워드 매칭만으로는 부족하다. GEO는 맥락 설계에 가깝고, 기존 글도 구조 보강부터 해볼 만함.
SEO가 검색 키워드 수요에서 출발한다면 GEO는 쿼리 팬아웃과 맥락이 출발점. 정확한 문구보다 연관 질문 대응이 중요해진다.