Meta-Harness는 \”AI가 자기 프롬프트를 고친다\”가 아니다
Meta-Harness를 \”AI가 자기 프롬프트를 고치는 기술\”로 읽으면 놓치는 층위 변화가 있다. 개선 대상을 답변에서 하네스(AGENTS.md/CLAUDE.md/hooks/permissions/verification loop)로 올리는 것. DSPy 사례와 한계, \”자
VibeCoding Tailor
LLM이 뭐냐고 물으면 말이 막히는 분께 — 자동완성이 끝까지 간 이야기
ChatGPT·Claude 2~3년째 쓰는데도 “LLM이 뭐예요?”에 막히는 분을 위한 해설. 다음 토큰 예측, 토큰, 파라미터, 학습/추론, 환각까지 비유 하나로 이어 읽는다. AI 공부 지도 1편.
OMX·OMC를 Meta-Harness 제품으로 읽지 않는 법
OMX(Oh My Codex) / OMC(Oh My Claude Code)를 자기개선 AI로 읽으면 과장이다. 현재 검증된 건 runtime/workflow overlay + project-scoped state visibility까지. autoresearch·Meta-Harn
Transformer가 뭔지 진짜 이해하고 싶은 분께
ChatGPT·Claude 안에는 다 Transformer가 들어 있다. 근데 Transformer가 정확히 뭐냐고 물으면 다들 얼버무린다. RNN 한계부터 attention, multi-head, stacking까지 비유 하나로 따라가게 정리. AI 공부 지도 2편.
\”RAG는 죽었냐\”에 내가 자기 말로 답한다면
\”RAG는 죽었냐\”라는 질문에 태일러가 자기 말로 답한다. 죽은 건 1층(단순 embedding + 일회성 retrieval)뿐이고 2~4층(GraphRAG·Agentic·Memory Adaptation)은 오히려 확장 중. long context가 대체할 수 없는 이유와
왜 요즘 LLM은 decoder-only 구조인가
2017년 Transformer는 번역용 encoder+decoder 두 덩어리였다. 지금 쓰는 ChatGPT·Claude·Gemini·Llama는 거의 다 decoder-only다. 왜 encoder를 버렸는지, BERT/T5/GPT가 왜 다르게 설계됐는지, encoder가
\”Meta-Harness는 실무적으로 뭐냐\”에 내가 답한다면
Meta-Harness는 실무적으로 뭐냐 — 태일러가 자기 말로 답한다. 학계 미래형 용어가 아니다. 당신이 매일 CLAUDE.md·Cursor rules를 고치고 있다면 이미 수작업 Meta-Harness다. 도입 시점 5가지 신호와 3단계 최소 루틴. AI 공부 지도 20편
Lovable는 왜 브라우저 밖으로 나왔나——’예쁜 데모 도구’를 넘어서기 시작한 3가지 변화
Lovable Mac 데스크탑 앱 출시로 로컬 MCP 서버 연결, 멀티 프로젝트 탭, 키보드 단축키가 추가됐다. 브라우저에서는 불가능했던 3가지 작업 변화를 비개발자도 이해할 수 있게 정리했다.
왜 지금 AI는 당신을 이해하지 못할까
AI 페르소나 판단 구조를 이해하지 못하면, AI는 당신의 말투만 흉내 낼 뿐 진짜 판단은 재현하지 못한다. 이 글에서는 판단축·성격축·세계관축 3축으로 사람의 판단 구조를 기록하는 PERSONA 시스템이 왜 필요한지, 어떤 순서로 만들어졌는지를 보여준다. Table of Contents Toggle AI는 말투는 따라하지만 판단은 못한다 “친절한 20대 마케터”는 페르소나가 아니다 1단계: 판단축 — 무엇을 믿고 어디서 멈추는가 2단계: 성격축 … Read more
[6/6] 미래산업의 진짜 현장: 제조업×전력×로봇——공장과 전력망에서 세 축이 만나는 구조
Table of Contents Toggle 시리즈 최종편을 읽기 전에 먼저 쉽게: 미래산업을 요리에 비유하면 왜 미래산업 뉴스에 공장 이야기가 자꾸 나오는가 숫자로 보기: 제조업은 세계 에너지의 얼마를 쓰는가 특히 중요한 숫자: 신에너지 제품 제조 공장에서 세 축이 만나는 5가지 메커니즘 메커니즘 1: 같은 전력망을 놓고 경쟁한다 메커니즘 2: 자동화가 전력 소비 패턴을 결정한다 메커니즘 3: AI가 … Read more