요약

Google Labs가 만든 DESIGN.md는 YAML 디자인 토큰과 마크다운 산문을 결합하여, AI 코딩 에이전트에게 디자인 시스템을 지속적으로 전달하는 포맷 명세다.

OpenAI Codex Desktop을 시각적 빌더로 활용하는 방법론. build → screenshot → vision review → revise 루프로 AI UI 디자인의 ‘첫 초안 함정’을 벗어난다.

벡터 DB도 청킹도 없이, LLM이 문서의 계층적 트리 인덱스를 추론하며 탐색하는 Vectorless RAG 프레임워크. FinanceBench 98.7% 정확도를 달성했다.

Center for Humane Technology의 Julie Guirado가 Anthropic Mythos 사례를 통해 AI 자기 규제의 실패를 진단하고, 독립 테스트·공개 보고·내부고발 보호·법적 책임의 4대 거버넌스 프레임워크를 제안한다.

Redis 창시자 antirez가 새로운 Array 데이터 타입을 AI와 함께 4개월에 걸쳐 설계·구현한 과정을 회고한다. 명세 문서 우선 작성이 성공의 열쇠였고, AI는 복잡성에 도전할 수 있게 해주는 안전망이었다.

에이전틱 코딩이 생산성을 높여주는 대신 개발자의 인지 능력과 비판적 사고력을 잠식하고 있다는 경고. 감독의 역설, 벤더 종속, 우선순위 역전 문제를 짚고 AI를 ‘보조 프로세스’로 격하하는 워크플로우를 제안한다.

OpenAI Codex의 리치 인터페이스(VS Code 확장 등)를 구동하는 JSON-RPC 2.0 기반 양방향 통신 프로토콜의 전체 구조를 정리한다.

430시간, 600만 입력 토큰, $1,340을 추적한 결과 생산적 토큰은 27%에 불과했다. 9가지 보이지 않는 오버헤드 패턴을 제거하자 65%로 뛰었다.

UC San Diego/Cornell 연구팀이 현장 관찰 13명과 설문 99명으로 밝힌 결론: 전문 개발자는 바이브 코딩을 하지 않는다. 계획하고, 소단위로 위임하고, 모든 출력을 검증한다.

Addy Osmani가 장기 실행 AI 에이전트의 세 가지 정의, 주요 랩(Anthropic/Cursor/Google)의 구현 접근법, 다섯 가지 프로덕션 패턴, 그리고 범용 베스트 프랙티스를 종합 분석한다.