Recent Notes

GitHub Actions 셀프호스티드 러너가 갑자기 느려지고 CI가 줄줄이 실패한 원인을 Azure B시리즈 VM의 CPU 크레딧 고갈로 추적한 과정

Claude Fable로 OSS major 릴리스 QA 실증($149) · Opus 4.8/Sonnet 5 커스텀 tool schema 오류 증가 확인 · Alibaba Claude Code 금지로 AI 툴 지정학 리스크 부각

Claude Code v2.1.200-201 연속 릴리스 · 권한 모드 Manual 기본화 · 백그라운드 세션 4종 버그 수정 / Claude Mythos 자율 취약점 탐색 발표 후 6월 CVE 공개 건수 월간 최고치 3.5배 급증

2026년 6월 막 이름이 굳은 "loop engineering"을 기원부터 해부, 프레임워크 루프 제어, 신뢰성·경제성·보안, 벤더 주장 대 독립 반증, 그리고 직접 자율 개발 루프를 운영하며 배운 것까지 정리한다. 검증으로 정정된 통설과, 루프가 오류를 자동으로 없애지 않는다는 솔직한 한계를 함께 다룬다.

오픈 웨이트 LLM 코딩 격차 15개월→1~2개월로 수렴 · LangSmith 트레이스 판정 100배 저렴화 · Anthropic Mythos 5 미국 100+ 기관 제한 해제(후속)

이 시리즈가 만든 모든 앞단 산출물(인테이크 양식, as-is 맵, 위임 결정, 데이터 계약, feed-forward ADR, federation 규칙)은 도구가 아니라 기질(substrate)에 산다. AI 코딩 도구는 소모 레이어이고, durable substrate는 데이터와 그것이 사는 open format, 접근을 중개하는 open protocol, 그리고 도메인 엔티티 모델이다. tool line이라는 멘탈 모델 하나와 세 가지 내구성 테스트로 정리한다

개인에서 팀, 다시 조직으로 지식을 합치는 일의 어려움은 저장이 아니라 부분적 관점을 평탄화 없이 올리는 데 있다. 이건 중앙집중 문제가 아니라 federation 문제다. 업계가 파는 단일 진실 공급원(SSOT)이 아니라 단일 종합 공급원이 목표여야 하고, 자발적 수평 구조는 딜리버리 압력에 붕괴하므로(Spotify 길드 실패) 집계는 회의가 아니라 워크플로우에 배선돼야 한다

인테이크와 데이터를 아무리 잘 갖춰도 사양은 100%를 못 덮는다. 고객은 결과를 봐야 비로소 "이것도 돼? 저건 왜 안 돼?"가 나온다. 이건 공정 실패가 아니라 25년 전 명명된 법칙(Boehm의 IKIWISI)이다. 빈틈을 싸게 드러내는 프로토타입 발굴, 과잉일반화 함정의 원리적 해법(좁은 코어 + 변화가 싼 구조), 그리고 빈틈과 경계 결정을 ADR로 흡수해 다음 인터뷰로 되먹이는 루프를 정리한다

"우리 데이터를 AI-ready로 만들어 달라"는 청소 작업이 아니라 발굴 질문이다. Gartner조차 데이터는 사전에 일반적으로 AI-ready가 될 수 없고 용도가 정해져야 정의된다고 못 박는다. 데모 위의 마법 아래에는 빙산 같은 기반이 있고(Sculley), 업스트림 데이터 준비와 다운스트림 컨텍스트 엔지니어링은 같은 문제의 양 끝이며, 이미 만든 LLM Wiki와 ADR이 곧 그 조직의 AI-ready 데이터 프로덕트다

무엇을 AI에 맡길지는 75년 된 function allocation 문제다. 하지만 AI 능력의 경계(jagged frontier)는 들쭉날쭉하고 보이지 않아 직관으로 미리 정할 수 없다. 2026년의 재정의는 명확하다. 위임은 능력이 아니라 검증 비용으로 정한다. 검증할 수 없는 건 맡기지 마라. 그리고 위임 결과를 결정 기록으로 남기면 보이지 않던 경계가 팀이 공유하는 지도가 된다