분류

AI

AI 를 직접 부려 보며 겪은 것과 AI 교과서를 모았다. 프롬프트·에이전트·AI 앱의 속, 파운데이션 모델이 만들어지는 길, 오픈웨이트의 기준, AI 소설의 속, LLM 실전 위키까지 한곳에서 읽는다.

93편 · 글 11 · 강 82 · 마지막 글 2026.10.23

교과서AI 소설 20강파운데이션 모델 15강LLM 위키 31쪽오픈웨이트 16강

AI 글

93편 중 1–12

  1. 프롬프트를 다듬던 시대에서 루프를 짜는 시대로

    모델과 앱이 주고받는 건 중간에 어떻게 돌까? 매일 알아서 도는 에이전트는 cron 일까? 답은 프롬프트 문장 안이 아니라 while 문 하나와 트리거 한 줄에 있었다.

    8분#AI#LLM#에이전트#컨텍스트 엔지니어링#Claude Code
  2. 에이전트 셋에게 블로그 127편 감사를 나눠 맡겼다

    127편을 혼자 다시 읽을 수는 없어서 41, 41, 45편으로 나눠 맡겼다. 돌아온 표에는 82편에 붙은 같은 꼬리말과, 본문이 42자뿐인 HTML 이 있었다.

  3. 게임 그림 AI, 하나만 쓴다면 무엇을 고를까

    폰 방치형 RPG 에 동료 60명, 돈은 스킨에서 나온다. 그림 한 장을 영상으로 움직이면 프레임마다 얼굴이 흔들릴 수 있다. 결국 SD 그림 한 장에 뼈대를 넣는 쪽으로 정했다.

    7분#AI#이미지 생성#스프라이트#방치형
  4. AI 그림 몇 장과 코드로 돈 안 들이고 숏폼 만들기

    머리 위 「Lv.25 오리」 이름표, 맞는 순간의 흔들림과 번쩍, 파란 번개. 게임 숏폼의 문법은 편집 앱 없이 Pillow 와 ffmpeg, 대본 JSON 한 장으로도 나온다.

    7분#AI#숏폼#Pillow#ffmpeg#영상 이펙트
  5. AI에게 짧게 시키면 얕게 나온다

    「자세하게 써 줘」라고만 하면 AI 는 적당한 데서 멈춘다. 혼자 한 번에 쓴 판은 얕았고, 조사·바이블·집필·검토를 에이전트 약 40개에 나눈 판은 달랐다.

    6분#AI#에이전트#프롬프트
  6. 내 블로그가 AI처럼 읽힌 이유를 숫자로 세 봤다

    글이 기계 같다는 느낌만으로는 어디부터 고칠지 못 정한다. 패턴을 세어 보니 description 127건 중 111건이 같은 두 마디로 끝나고 있었다.

    6분#AI#문체#블로그
  7. AI에게 디컴파일러를 쥐여 주면 무슨 일이 생길까

    30년 묵은 벽돌깨기 게임의 함수를 AI 에이전트가 C 로 되살렸다. 다시 컴파일하니 63바이트가 원본과 한 바이트도 안 틀렸다. 그럴듯한 오답을 걸러 낸 건 AI 가 아니라 컴파일러였다.

    8분#AI#리버스 엔지니어링#MCP#디컴파일
  8. AI 컷만화의 한글 대사는 왜 깨질까

    컷만화 요청서에 「오리는 항상 왼쪽」이라고 적었더니 친구가 먼저 말하는 칸마다 대답부터 읽혔다. 말풍선 속 한글도 불안했다. 이미지 AI 는 한글을 글자가 아니라 그림으로 그린다.

    6분#AI#이미지 생성#컷만화#프롬프트#ChatGPT
  9. AI 앱은 대부분 남의 모델을 부른다

    광고 속 「업계 1위 AI」를 뜯어 보면 대개 남이 만든 모델 여러 개를 순서대로 부르는 파이프라인이다. 답변 한 건 원가는 0.3원인데 구독료는 만 원이다. 그 차이는 어디로 갈까?

    7분#AI#API#원가
  10. 블로그 디자인 시안 3개, 에이전트 심사위원이 골랐다

    시안 b 의 첫 화면은 316KB 였다. 카드마다 인라인 SVG 가 박혀 있었다. 심사를 따로 시켰더니 c 를 표준으로 고르고 a 와 b 에서는 좋은 부분만 떼어 왔다.

    6분#AI#에이전트#디자인
  11. AI 는 파이썬으로 짜는데 인프라는 왜 Rust 로 가나

    요즘 AI 쪽에서 파이썬 코드 밑을 Rust 로 바꾸는 경우가 부쩍 많아졌다. 모델은 여전히 파이썬으로 짜는데도. 비싼 GPU 가 데이터를 기다리며 노는 시간이 생각보다 길어서다.

    8분#백엔드#AI#Rust#파이썬
  12. "처음부터"는 가중치를 말하고, 아이디어를 말하지 않는다

    LLM 업계에서 "처음부터(from scratch)"는 세 가지를 동시에 뜻한다. 첫째, 모델의 모든 가중치 가 다른 모델에서 복사되지 않고 무작위 초기화에서 출발한다. 둘째, 사전학습 데이터 를 자체 파이프라인으로 모으고 거르고 섞는다. 셋째, 수…

    5분