#ai-coding

Uber의 월 1500달러 AI 코딩 도구 한도는 기업용 에이전트가 실험 예산을 넘어 인건비 대비 ROI와 사용량 통제의 대상이 됐다는 신호다.

스탠퍼드 CS336의 AI 에이전트 지침은 코딩 조교와 과제 대행의 경계를 분명히 하며, 교육 현장의 AI 사용 규칙이 운영 문서로 이동하고 있음을 보여준다.

GitHub Copilot의 토큰 기반 과금 논란은 코딩 에이전트가 무료에 가까운 보조도구가 아니라 측정해야 할 클라우드 비용이 됐다는 신호다.

에이전트가 코드를 빨리 만들수록 희소해지는 것은 구현력이 아니라 정답을 판별하는 도메인 지식이다. 개발자와 기업의 역량 재배치를 분석한다.

tiny-vLLM은 C++와 CUDA로 작은 vLLM식 추론 엔진을 구현하는 학습 프로젝트다. 에이전트 시대 개발자가 알아야 할 추론 병목을 짚는다.

Zot은 Go로 만든 코딩 에이전트 하네스다. 세션, 서브에이전트, 도구 게이트, 모델 폴백이 왜 모델만큼 중요한지 분석한다.

Anthropic의 Claude Opus 4.8은 성능 개선보다 동적 워크플로, 노력 제어, 토큰 비용 관리가 엔터프라이즈 AI 도입의 핵심으로 옮겨갔음을 보여준다.

Coalton은 Common Lisp 안에 정적 타입 함수형 언어를 넣는 프로젝트다. AI 코딩 에이전트 시대에는 언어의 지루한 제약과 REPL 생산성이 다시 중요해진다.

Various LLM Smells 글은 AI 보조 글쓰기와 웹 디자인이 특정 문장 구조, 카드, 버튼, 배지 패턴으로 수렴하는 현상을 제품 품질 문제로 읽게 만든다.

Jacob Young의 글은 Go와 Rails처럼 규약이 강한 생태계가 LLM 코딩 에이전트에게 더 안정적인 작업 공간을 제공한다는 점을 짚는다.

Uber가 2026년 AI 예산을 네 달 만에 소진했다는 보도는 코딩 에이전트가 생산성 도구에서 사용량 기반 인프라 비용으로 이동했음을 보여준다.

YC W25 Weave의 ML·AI·제품 채용은 AI가 개발자를 대체하는 논쟁보다 팀 안에서 사람과 에이전트의 기여를 측정하는 시장이 커지고 있음을 시사한다.

arXiv 논문 Constraint Decay는 백엔드 코드 생성에서 기능 테스트를 통과해도 구조 제약을 잃는 코딩 에이전트의 취약성을 정량화했다.

DeepSeek 전용 코딩 에이전트 Reasonix는 프롬프트 캐시 안정성을 제품 구조로 삼아 장시간 실행형 개발 에이전트의 비용 공식을 바꾸고 있다.

CISA contractor의 공개 GitHub 비밀정보 유출 의혹은 AI 코딩 에이전트 시대에 secret scanning, 권한 분리, 감사 로그가 왜 필수인지 보여준다.

Horace He의 딥러닝 성능 글은 GPU 부족 시대에도 여전히 유효하다. 최적화는 트릭이 아니라 compute, memory, overhead를 구분하는 일이다.

KanBots는 칸반 카드마다 Claude Code·Codex를 별도 worktree에서 실행한다. 코딩 에이전트 경쟁이 채팅창에서 작업 운영판으로 이동하는 신호다.

Superset은 여러 CLI 코딩 에이전트를 worktree에서 병렬 실행하는 코드 에디터다. 에이전트 IDE 경쟁은 채팅 보조에서 로컬 오케스트레이션으로 옮겨간다.

Google Antigravity 업데이트 경험담은 IDE가 챗봇형 도구로 바뀌며 워크플로를 깨뜨릴 수 있음을 보여준다. AI 개발도구의 자동 업데이트 신뢰가 쟁점이 됐다.

distributed-system-testing은 AI 코딩 에이전트가 분산·상태 시스템을 주장 기반으로 테스트하게 하는 두 개의 SKILL.md 워크플로를 제안한다.