#developer-tools

Lathe는 LLM으로 실습형 기술 튜토리얼을 만들되 사용자가 직접 따라 하게 만든다. AI 교육 도구의 초점이 답변 생성에서 학습 설계로 이동한다.

10년차 개발자의 에세이는 LLM이 도메인 지식, 디버깅, 아키텍처 감각의 시장 가치를 어떻게 재평가하는지 보여준다. 개인의 불안이 아니라 조직 설계 문제다.

Silurus OOXML은 브라우저에서 DOCX·XLSX·PPTX를 캔버스로 렌더링한다. 전부 AI로 작성됐다는 점보다 검증 가능한 구조가 더 중요하다.

vibeOS는 Claude Code가 컴퓨터와 UI를 제어하는 AI 네이티브 OS를 내세운다. 흥미로운 데모지만 핵심은 생성 속도보다 권한과 격리 모델이다.

Computex 2026은 AI PC 담론을 에이전트 PC로 옮겼다. Nvidia와 Microsoft의 RTX Spark 구상은 로컬 추론과 클라우드 에이전트의 역할 분담을 다시 묻는다.

YC P25 Mbodi AI의 로보틱스 ML 채용공고는 자연어로 로봇을 가르치는 물리 AI가 모델보다 배포 신뢰성, 데모 데이터, 산업 파트너십에 달려 있음을 보여준다.

SaturnCI의 TDD agent skill 글은 코딩 에이전트가 테스트를 잘 쓰려면 절차와 리뷰 스킬이 함께 필요하다는 점을 보여준다.

Anthropic의 오픈소스 보안 하네스는 AI가 취약점을 대량 발견하는 시대에 검증, 샌드박스, 패치 검토가 새 병목이 됐음을 보여준다.

Ashby Engineering은 2025년 8월 이후 신규 production code의 절반 이상이 AI 생성이라고 밝히며 코드 작성보다 검증과 판단이 중요해졌다고 분석했다.

Huawei CSL의 KVarN은 vLLM용 KV 캐시 양자화 백엔드로 3~5배 더 긴 컨텍스트와 FP16 수준 정확도를 주장하며 에이전트 추론 비용 경쟁을 자극한다.

Mnemo는 SQLite와 지식 그래프로 LLM 대화 기억을 로컬에 쌓는 실험이다. 에이전트 장기 기억의 비용, 프라이버시, 이식성 문제를 함께 드러낸다.

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

1비트 양자화 기반 Bonsai Image 4B는 이미지 생성 모델을 로컬 기기로 옮기려는 흐름을 보여준다. 비용, 프라이버시, 품질의 균형을 분석한다.

ChatGPT for Google Sheets 취약점 사례는 스프레드시트 AI 플러그인이 기업 데이터 경계와 프롬프트 인젝션 방어의 새 전선이 됐음을 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.

Open Envelope의 스키마는 에이전트 팀을 코드가 아닌 선언형 계약으로 정의하려는 시도다. 멀티에이전트 운영 표준의 가능성을 본다.

Liquid AI의 LFM2.5-8B-A1B는 38T 토큰, 128K 컨텍스트, 도구 호출을 내세운 온디바이스 MoE 모델이다. 로컬 에이전트 경쟁을 분석한다.

Mistral AI Now Summit은 모델 발표보다 산업, 데이터센터, 에이전트 운영을 앞세웠다. 유럽형 풀스택 AI 전략이 한국 기업에 주는 의미를 짚는다.

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