AI 코딩 (Cursor·Copilot·Claude Code)
Cursor, Copilot, Claude Code, AI 에이전트, 프롬프트 엔지니어링 등 AI 코딩 워크플로우 동향.
최신 업데이트
AI 코딩 관련 글 — 240 페이지
- 4
1994년 Microsoft 인턴십 면접에서 나왔던 네 가지 프로그래밍 질문 (2023)
이 글은 Casey Muratori가 1994년 마이크로소프트 인턴 면접 당시 받았던 네 가지 프로그래밍 문제들을 회고하며, 픽셀 복사, 문자열 복사, 플러드 필 알고리즘 등 기초적인 알고리즘과 성능 최적화의 중요성을 다룹니다. 단순한 과거의 기록을 넘어, 현대 컴퓨팅 환경에서도 여전히 유효한 성능 중심 프로그래밍의 핵심 원리를 시사합니다.
The four programming questions from my 1994 Microsoft internship interview (2023)↗computerenhance.com
- 6
35달러짜리 Raspberry Pi에서 돌아가는 23가지 AI 제품 — 모두 오픈 소스, 원하는 만큼 지불하세요
저렴한 라즈베록 파이 환경에서 클라우드 비용 없이 24시간 구동되는 23가지 AI 자동화 도구 세트가 공개되었습니다. 개발자는 오픈 소스 코드를 기반으로 설치 스크립트와 기술 지원을 포함한 유료 버전을 '원하는 만큼 지불(Pay What You Want)' 방식으로 판매하며 수익을 창출하고 있습니다.
23 AI Products on a $35 Raspberry Pi — All Open Source, Pay What You Want↗dev.to
- 7
엔터프라이즈 AI 제어 플레인: AI 에이전트 관리, 생산성 저해 없이 | R.A.H.S.I. Framework™ 분석
AI 에이전트가 기업 내 데이터와 도구에 직접 접근하며 업무를 수행하게 됨에 따라, 보안과 통제를 위한 '제어 플레인(Control Plane)'의 필요성이 커지고 있습니다. 본 기사는 R.A.H.S.I. 프레임워크를 통해 리스크 가시성, 에이전트 신원 관리, 인간의 책임성 등을 포함한 체계적인 거버넌스 구축 방안을 제시합니다.
Enterprise AI Control Plane | Governing AI Agents Without Killing Productivity | R.A.H.S.I. Framework™ Analysis↗dev.to
- 9
오늘의 오픈 소스 프로젝트 (#82): SkillOpt - 뉴럴 네트워크처럼 LLM 에이전트 스킬 훈련
SkillOpt는 모델의 가중치를 고정한 채 에이전트의 실행 궤적을 분석하여 자연어 스킬을 자동으로 최적화하는 Microsoft의 새로운 연구 프로젝트입니다. 텍스트 공간 내에서 에디팅을 수행하고 검증 게이트를 통해 최적의 스킬을 유지함으로써, 비용 효율적이면서도 재사용 가능한 에이전트 성능 최적화 프로세스를 제공합니다.
Open Source Project of the Day (#82): SkillOpt - Training LLM Agent Skills Like Neural Networks↗dev.to
- 11
AI에게 랜딩 페이지를 만들어달라고 요청했습니다. 실제로 운영까지 3시간이 걸렸습니다.
AI를 통한 코드 생성 시간은 단 몇 초로 단축되었으나, 이를 웹에 게시하기 위한 배포 과정은 여전히 개발자 중심의 복잡한 도구와 절차를 요구하며 큰 병목을 만들고 있다. 저자는 이 문제를 해결하기 위해 AI 채팅창 내에서 즉시 배포가 가능한 크롬 확장 프로그램을 개발하며, 생성과 배포 사이의 간극을 메우는 것이 차세대 AI 생산성 도구의 핵심임을 시사한다.
I Asked AI to Build Me a Landing Page. Getting It Live Took 3 Hours.↗dev.to
- 12
스카라브 진단 스위트 현장 테스트 #001: 라이브 Azure Provider 버그를 경계된 수리 레인으로 전환하다
Scarab Diagnostic Suite(SDS)의 첫 번째 현장 테스트 결과, Open WebUI의 Azure OpenAI 연결 오류를 단순 버그가 아닌 설정과 런타임 간의 '계약 불일치'로 식별해냈습니다. SDS는 AI 에이전트가 광범위한 수정을 시도하는 대신, 정의된 계약 경계 내에서만 정밀하게 코드를 수정하도록 가이드를 제공하며 수리 후의 검증까지 자동화합니다.
Scarab Diagnostic Suite Field Test #001: Turning a Live Azure Provider Bug into a Bounded Repair Lane↗dev.to
- 14
당신의 AI 에이전트의 문제는 모델 문제가 아니라 Ops 문제입니다. [20% 신뢰성 함정]
AI 에이전트의 실패는 모델의 인지적 오류보다 API 타임아웃이나 토큰 만료 같은 운영적 결함에서 주로 발생하며, 이는 단계가 늘어날수록 성공 확률을 급격히 낮춥니다. 따라서 성공적인 에이전트 도입을 위해서는 단순한 모델 교체가 아닌 체크포인트, 모니터링, 격리 등 견고한 운영 체계(Ops)를 구축하는 것이 필수적입니다.
Your AI Agent Doesn't Have a Model Problem — It Has an Ops Problem [The 20% Reliability Trap]↗dev.to![당신의 AI 에이전트의 문제는 모델 문제가 아니라 Ops 문제입니다. [20% 신뢰성 함정]](https://startupschool.cc/og/your-ai-agent-doesnt-have-a-model-problem-it-has-an-ops-problem-the-20-reliabili.jpg)
- 16
AI 에이전트에게 오픈 소스 바운티 사냥을 96시간 동안 맡겼습니다 — 실제로 효과가 있는 것에 대한 가혹한 진실
자율형 AI 에이전트 'ZKA'를 활용해 4일간 오픈소스 바운티를 추적한 결과, 240개 이상의 PR 제출과 72개의 머지, 약 500~800달러의 수익을 달성했습니다. 실험의 핵심은 단순한 '바운티' 키워드 검색이 아닌, 실제 머지 이력이 활발한 저장소를 찾는 전략적 전환을 통해 성과를 극대화했다는 점입니다.
I Let an AI Agent Hunt Open Source Bounties for 96 Hours — Here's the Brutal Truth About What Actually Works↗dev.to
- 17
AI 에이전트 24시간 운영의 실제 비용: API 비용, 인프라, 숨겨진 비용에 대한 상세 분석 (30일 데이터 기준)
30일간의 운영 데이터를 바탕으로 AI 에이전트의 API, 인프라, 숨겨진 비용을 상세히 분석했습니다. 핵심은 단순한 모델 사용료보다 에이전트의 오류 수정과 컨텍스트 관리 실패로 인한 비용 누수가 훨씬 크다는 점입니다.
The Real Cost of Running AI Agents 24/7: A Detailed Breakdown of API Costs, Infrastructure, and Hidden Expenses (After 30 Days of Data)↗dev.to
- 20
Show HN: Agentpack – Claude Code, Codex, OpenCode를 위한 격리된 설정 계층
Claude Code, Cursor, Codex 등 서로 다른 설정 방식을 가진 AI 코딩 에이전트들로 인해 발생하는 프로젝트 저장소의 설정 오염 문제를 해결하기 위한 도구인 Agentpack을 소개합니다. 이 도구는 프로젝트의 영구적인 변경 없이 에이전트용 스킬, 커맨드, MCP 설정을 임시로 적용할 수 있는 격리된 계층을 제공합니다.
Show HN: Agentpack – isolated config layers for Claude Code, Codex, and OpenCode↗nexo.sh
- 21
Show HN: Deliberate – 에이전트가 거부한 내용을 기록하세요, 실행한 내용만은 아니에요
Deliberate는 LangGraph나 OpenAI Agents를 사용하는 팀을 위해 에이전트가 고려한 모든 선택지와 거부된 경로를 기록하는 감사 도구입니다. 기존 트레이싱 도구가 '무엇을 실행했는지'에 집중했다면, 이 도구는 '왜 이 결정을 내렸는지'와 '위험한 행동을 어떻게 차단할지'에 초점을 맞춥니다.
Show HN: Deliberate – log what your agent rejected, not just what it ran↗deliberate.dev












