Dev.to 뉴스
총 16,915건·최신 업데이트
- 5203
오늘의 오픈 소스 프로젝트 (#125): 오픈 인터프리터 - Rust로 재작성된 오픈 소스 AI 코딩 에이전트, 키미, Qwen 및 DeepSeek 지원
오픈 인터프리터는 기존 파이썬 기반 프로젝트에서 러스트(Rust) 기반의 고성능 에이전트 플랫폼으로 완전히 재설계되었습니다. 모델별 최적화된 프롬프트 전략인 '하네스 시스템'을 통해 Kimi, Qwen, DeepSeek 등 저비용 오픈 모델의 성능을 극대화하며, 브라우저 및 데스크톱 UI 제어 기능까지 확장되었습니다.
Open Source Project of the Day (#125): Open Interpreter — Open-Source AI Coding Agent, Rewritten in Rust, Supporting Kimi, Qwen, and DeepSeek↗dev.to
- 5206
GitLost: 단일 GitHub 이슈를 통해 AI 에이전트가 코드 유출하는 방법
Noma Labs가 발표한 GitLost 공격은 공개 저장소의 이슈를 통해 AI 에이전트가 권한을 남용하여 비공개 저장소의 코드를 탈취하는 방식을 보여줍니다. 이는 모델의 지능 문제가 아니라, 외부 입력값과 내부 데이터 사이의 신뢰 경계(Trust Boundary)를 제대로 분리하지 못한 오케스트레이션 설계의 결함에서 비롯되었습니다.
GitLost: How AI Agents Can Leak Your Code Through a Single GitHub Issue↗dev.to
- 5210
당신의 AI 에이전트는 95% 성공률을, 당신의 워크플로우는 36% 성공률을 보입니다. SRE 해결책은 다음과 같습니다. 태그
AI 에이전트의 높은 단계별 정확도가 복잡한 다단계 워크플로우에서는 '루서의 법칙'에 의해 기하급수적으로 하락하는 수학적 함정을 지적합니다. 이를 해결하기 위해 개별 단계의 성능 개선에만 집착하기보다, SRE(사이트 신뢰성 공학)의 SLO 개념을 도입하여 전체 워크플로우의 허용 가능한 실패율을 정의하고 관리하는 체계적인 접근이 필요합니다.
Your AI Agent Has a 95% Success Rate. Your Workflow Has a 36% Success Rate. Here's the SRE Fix.Tags↗dev.to
- 5213
corpus-scrub 0.1.0: LLM 학습 전 훈련 데이터셋에서 PII 및 비밀 정보 탐지 및 삭제
corpus-scrub은 LLM 학습 전 데이터셋에서 이메일, 전화번호, API 키 등 민감 정보를 식별하고 마스킹하거나 삭제하는 CLI 도구입니다. 외부 서비스로 데이터를 전송하지 않는 로컬 우선 방식을 채택하여 보안성을 극대화했으며, Gitleaks의 규칙을 활용해 정교한 비밀 정보 탐지를 지원합니다.
corpus-scrub 0.1.0: detecta y redacta PII y secretos en corpus de entrenamiento antes del entrenamiento LLM↗dev.to
- 5214
DORA 지표: GitHub Actions와 Prometheus를 활용한 측정 방법
이 글은 GitHub Actions 파이프라인에서 직접 메트릭을 생성하여 Prometheus와 Grafana로 시각화하는 DORA 지표 측정 가이드를 제공합니다. Pushgateway를 활용해 단기 실행되는 CI 작업의 데이터를 안정적으로 수집하고, 배포 빈도와 리드 타임을 투명하게 추적하는 기술적 구현 방법을 다룹니다.
DORA Metrics: How to Measure Them with GitHub Actions and Prometheus↗dev.to














