꽤 오랫동안 IT 현장에서 일해 온 소프트웨어 아키텍트입니다. 요즘은 AI 코딩 워크플로와 에이전트 스킬을 만들어 오픈소스로 공개하는 게 낙입니다.
직접 만들고 써 보며 배운 것들을 나누고, 함께 이야기하고 싶습니다.
공지
- AI가 글을 고칠 때, 내 뜻까지 바뀌지 않도록
메일과 안내문을 AI에게 맡길 때 뜻과 말투를 지키는 방법. WQE를 일상적인 문장 예시로 소개하고, 요청하는 방법과 사람이 확인할 부분을 설명합니다.
- AI가 만든 앱, 데이터는 어디에 남을까?
저장 위치와 DB 선택부터 사용자별 접근 권한, 변경과 복구까지. 비개발자를 위한 데이터베이스 가이드와 신청 앱 튜토리얼, 안전 실습을 소개합니다.
- 만들다 멈춘 SessionCue, 그리고 iTerm2의 Claude Code 통합
여러 에이전트 세션의 상태를 모아보려고 만들던 SessionCue를 보류한 뒤, iTerm2의 Claude Code 연동을 써보며 직접 만들고 유지할 이유를 다시 생각했습니다.
- 여러 AI Agent에게 일을 맡기면 더 나아질까?
여러 모델 호출을 연결하는 방법부터 코딩 에이전트의 작업 위임까지, 효과와 실패를 직접 비교하는 Learnstead 가이드와 실습 4편을 소개합니다.
- AI Assistant와 Agent, 차이는 누가 다음 행동을 정하느냐에 있다
도구 사용 여부보다 목표를 받은 뒤 누가 다음 행동을 선택하고, 어디까지 실행을 이어 가는지를 기준으로 AI Assistant와 Agent의 차이를 설명합니다.
- AI Agent를 잘 쓰려면 무엇을 가르치고, 연결하고, 보여 줘야 할까?
반복 절차는 Agent Skills로, 외부 도구는 MCP로, 지금 필요한 정보는 Context Engineering으로 나누어 배우는 Learnstead 학습 경로를 소개합니다.
- AI가 코드를 만들어 주는데, 결과는 왜 이렇게 다를까요?
바이브 코딩으로 빠르게 만들면서도 계획·확인·복구의 결정권을 놓치지 않는 작업 흐름과 직접 해 볼 수 있는 실습을 소개합니다.
- 사진을 닮게 복사하지 않고, 인상을 다시 그리는 법
인물 사진의 픽셀을 따라 그리는 대신 얼굴의 관계를 Impression Map으로 고정하고, 캐리커처·수채화·Paper-Cut으로 해석하는 street-portrait-artist의 설계 과정.
- 내 문서에 답하는 AI — RAG 이해부터 실패 진단까지
Local LLM에 내 문서를 연결하는 RAG의 원리부터 최소 구현, 실패 재현과 골든셋 검증까지 이어지는 Learnstead 학습 시리즈 소개.
- AI로 코딩하는 사람을 위한 Git
AI가 만든 변경을 저장·확인·분리·공유하고, branch와 worktree로 여러 AI 작업을 안전하게 나누는 Learnstead Git 가이드 소개.