쵸코쿠키의 연습장

AI 3개 도구에 질문 먼저 시켜본 결과

프롬프트 끝에 "답하기 전에 필요한 확인 질문을 먼저 해달라"는 한 문장만 붙이면, AI가 애매한 부분을 추측하는 대신 먼저 물어본다. 확인 질문 프롬프트란, AI가 답변 전 빠진 정보를 스스로 묻게 만드는 한 문장짜리 지시문이다.AI가 틀린 정보를 만드는 것만 문제가 아니다 — 의도에 대해 잘못된 가정을 하고, 그 가정을 사실처럼 고정한 채 답을 쌓아올리는 게 더 흔한 실패다.궁금한 건 클로드·챗GPT·제미나이가 이 문장에 똑같이 반응하느냐다. 2026년 8월 24일 세 도구에 직접 넣어봤는데, 결과는 참고한 영상 주장과도 달랐다. 도구 3개(Claude·ChatGPT·Gemini)에 실제로 넣어보니2026년 8월 기준 직접 재현해보니, 세 도구 모두 질문을 먼저 했지만 개수와 방식이 달랐다. 클로드..

클라우드 대신 직접 서버가 나은 순간, 기준 3가지

트래픽 예측이 안 되고 인프라를 관리할 사람이 없다면 클라우드가 답이다. 반대로 부하가 어느 정도 예측되고 매달 빠져나가는 비용이 아깝다면, 직접 서버나 셀프매니지드 쪽이 더 나을 수 있다.이 글은 클라우드가 뭔지 설명하는 글이 아니다. AWS와 GCP를 실무에서 상시 써왔고, Azure는 써본 적 없다. 클라우드를 언제 쓰고 언제 직접 관리로 돌아서는지, 그 판단 기준만 정리했다. 클라우드와 직접 서버, 정확히 뭐가 다른가클라우드는 필요한 컴퓨팅을 온디맨드로 빌리는 방식이고, 직접 서버는 하드웨어를 사서 직접 관리하는 방식이다.AWS·GCP가 파는 서비스는 컴퓨팅, 스토리지, 데이터베이스, 네트워킹 네 갈래로 나뉜다. 데이터센터를 직접 채우는 대신 가상화로 쪼개 빌려 쓰면 클라우드(IaaS), 하드웨..

AI에게 맡겨도 되는 일, 이메일부터 여행까지

"이거 AI한테 시켜도 될까." 이메일 초안이든 여행 일정이든, 결국 이 질문 하나로 수렴한다.답은 생각보다 단순하다. AI가 잘하는 일은 결정을 대신 내려주는 게 아니라, 반복적인 정리·초안·비교 작업을 빠르게 처리해서 판단할 시간을 사람에게 돌려주는 것이다.이메일, 회의록, 발표자료, 여행 일정, 예산 정리까지 원리는 같다. 반복되는 정리는 맡기고, 최종 판단과 사실 확인은 끝까지 사람이 가져간다. 여섯 가지 생활 영역을 기준으로 그 경계를 정리했다. 반복적인 정보 정리는 AI에게 먼저 넘긴다이메일 초안, 문서 요약, 회의록 정리처럼 반복적인 정보 정리는 AI에게 먼저 맡기는 편이 효율적이다. 이메일·문서 요약 — 목표·형식·제약조건을 먼저 정해야 재시도가 줄어든다이메일이든 문서 요약이든, 목표와 ..

금융 AI 1위 모델, 내 트레이딩봇 성적표는 달랐다

"AI가 찍어준 종목 다 대박이랬는데 실전 수익률은 -60%였다." 최근 국내에서도 이런 소식이 보도됐다. AI 여러 개에 실제 자금을 맡겨 직접 매매시킨 결과다.벤치마크 1위 모델이 실전에서도 1위는 아니다. 나는 이 사실을 코인 선물 트레이딩 봇을 직접 설계하면서 숫자로 먼저 확인했다. 레짐(regime)에 안 맞는 전략을 그대로 쓰면 profit factor가 2.16에서 0.11로 무너진다.이 글은 그 확인 과정과, 그래서 금융 AI를 어떻게 나눠 써야 하는가에 대한 이야기다. 금융 AI는 왜 코딩 AI와 다른 절박함을 갖는가금융 AI는 판단이 틀리면 실제 자금 손실로 직결되므로, 한 모델을 맹신하는 대가가 코딩 AI보다 훨씬 크다.코딩에서 AI가 틀린 답을 내면 컴파일 에러나 테스트 실패로 대..

딥시크 하네스 직접 돌려보니: API로 간 이유

직접 npx로 딥시크 하네스를 여러 방식으로 돌려봤다. 결론부터 말하면 성능 자체는 클로드 코드나 Codex보다 낫다는 인상은 아니었다.눈에 띈 건 구조 쪽이다 — 모델을 자유롭게 갈아끼울 수 있다는 점, 그리고 비용 매력. 다만 이 매력은 비용을 스스로 통제할 수 있을 때만 유지된다고 본다. 로컬 구동을 시도했다가 결국 API로 돌아선 것도 그 판단과 무관하지 않다. 딥시크 하네스가 뭐길래 다들 얘기하나DeepSeek Harness는 모델·도구·샌드박스·UI·실행 루프까지 전부 플러그인으로 갈아끼울 수 있게 설계된 오픈소스 에이전트 프레임워크다.Node.js 기반이라 npx 한 줄로 실행할 수 있다. 핵심 철학은 "everything is a plugin" — 모델, 도구, 샌드박스, UI, 이 전부..

AI로 하루 만에 강의를 만들어 판다는 얘기, 요즘 여기저기 넘친다. 결론부터 말하면 절반만 맞다. 1인 지식창업에 AI를 활용하면 커리큘럼 설계와 랜딩페이지 제작은 확실히 빨라진다. 결제 연동과 회원 접근 제어, 국내 사업자 이슈는 얘기가 다르다. 이 글은 두바이 복싱 코치가 AI로 강의를 만들어 팔았다는 사례를 검증된 성공담이 아니라 소개된 사례로 다루고, 백엔드 개발자 시각에서 어디까지가 진짜 하루짜리 작업이고 어디부터 사람이 붙어야 하는지 확인한다. 이 사례, 무엇을 보여주고 무엇을 못 보여주는가두바이에서 활동하는 복싱 코치가 AI 에이전트로 온라인 강의를 만들어 팔았다는 이야기다. 코치 이름도 신원도 공개되지 않았고, 실명·매출 증빙 없는 3자 전언으로만 전해진다.여기서 나오는 숫자는 세 가지..

"레거시 코드에 AI 코딩 에이전트를 써도 되는가"라는 질문에는 이미 답이 나와 있다. 써도 된다. 다만 순서가 있다.계획(Plan) 없이 바로 실행시키면 영향 범위를 놓친다. 테스트 없이 실행시키면 AI가 만든 오류를 아무도 못 잡는다. 계획→실행→검증, 이 세 단계를 지키느냐가 실무에서 성패를 가른다.문제는 대부분의 레거시 코드베이스에 테스트 자체가 없다는 것이다. TDD를 하고 싶어도 시작할 지점이 안 보인다. 이 글은 바로 그 지점부터 다룬다. 테스트 없는 레거시 코드, TDD를 어떻게 시작하나테스트가 없는 레거시 코드는 처음부터 전체 커버리지를 채우려 하지 말고, 변경할 부분의 영향 범위를 잘게 쪼개 그 단위마다 테스트를 먼저 감싸는 방식으로 시작한다.TDD(테스트 주도 개발)는 원래 코드를 ..

이번 달에도 여러 AI 서비스에서 결제 알림이 한꺼번에 왔다. 결국 다 정리하고 필요한 것만 남기기로 했다. 지금 개인 프로젝트는 클로드 코드, 회사 업무는 코덱스로 나눠 쓰는 방식도 그 정리 과정에서 자리 잡았다.토큰 단가는 계속 내려간다는 기사를 자주 본다. 그런데 정작 내 청구서나 사용량 한도는 왜 자꾸 빠듯해질까. 답은 가격이 아니라 사용량과 범위에 있다. 모델이 싸질수록 사람들은 더 많이, 더 길게 쓰게 된다. 토큰 단가는 내렸는데 왜 내 AI 비용은 늘었나토큰 단가가 내려도 청구서가 느는 이유는 가격이 아니라 요청 횟수와 컨텍스트 길이가 훨씬 빠르게 늘기 때문이다.모델 하나를 호출하는 단가는 확실히 싸졌다. 하지만 같은 작업에 드는 요청 횟수와 컨텍스트 윈도우 크기는 그보다 훨씬 빠르게 커..

TimescaleDB가 필요한 경우는 명확하다. 데이터가 수천만 행을 넘어 계속 쌓이고, 그 데이터를 다른 관계형 데이터와 조인해서 봐야 하는 상황이면 검토할 가치가 있다. 반대로 데이터 규모가 크지 않다면 굳이 확장까지 갈 필요는 없다.이 글은 필자가 TimescaleDB를 직접 운영해본 경험을 바탕으로 쓴 글이 아니다. 다만 AWS·GCP 기반 서비스를 실무에서 운영하는 백엔드 개발자로서, 실제로 겪었던 Postgres 대용량 테이블 문제와 파티셔닝·확장 도입을 가를 때 쓰는 판단 기준을 축으로 삼았다. 수치는 전부 공개된 벤치마크 영상 하나를 출처로 인용했고, 어디까지가 인용이고 어디까지가 판단인지 구분해서 썼다. TimescaleDB, 왜 Tiger Data로 검색되나 — 없어진 게 아니다T..

지난 90일 동안 만든 검증 가능한 결과를 말할 수 없다면 다음 결제의 근거도 약하다. 나도 여러 AI 서비스를 동시에 결제하다 비용이 커져 결국 선택과 집중을 했다. 다만 실제 90일 결제 총액을 따로 집계해 둔 것은 아니다. 이 글의 감사표는 내 결제 내역 공개가 아니라, 다음 갱신 전에 직접 채우는 템플릿이다. AI 구독을 왜 90일 단위로 감사해야 하나AI 툴 ROI 감사는 최근 90일의 비용·검증된 결과·대체 가능성·위험과 전환 비용을 한 장에 적어 다음 결제 여부를 정하는 일이다.이 글에서는 검증된 결과 가치에서 총소유비용(TCO)을 뺀 순가치로 갱신 여부를 먼저 판단한다. ROI 비율이 필요하면 (결과 가치−TCO)÷TCO×100으로 계산한다. 사용 횟수가 아니라 매출, 완료 문서, 해결..

둘 중 하나가 모든 작업에서 이기는 것은 아니다. Claude Fable 5와 GPT-5.6 Sol은 공개 점수보다 실패 비용, 검증 가능성, 작업 완료 비용으로 나눠 쓰는 편이 실용적이다. 나는 두 모델을 같은 저장소와 조건으로 비교한 로그는 아직 없다. 이 글도 실사용 A/B 후기가 아니라, 현직 백엔드 개발자로 두 도구를 쓰며 정리한 선택 기준이다. 2026년 8월 19일 기준, 두 모델에서 지금 확인되는 차이는 무엇인가2026년 8월 19일 기준 공개 지표는 Fable 5와 GPT-5.6 Sol의 강점 후보를 보여줄 뿐, 측정 조건이 달라 종합 승자를 확정하지 못한다. 비교 전에 바로잡을 두 가지OpenAI 모델의 정식 명칭은 GPT-5.6 Sol이다. Soul이 아니다. 또 같은 벤치마크라도..

앱 세 개를 만드는 데 Kimi K3로 약 11달러를 썼다. 완성도는 Claude Fable 5와 대등했지만 평균 속도는 약 2배 느렸다. K3는 Claude나 Codex를 통째로 바꿀 모델이라기보다, 지연을 감수할 수 있는 비용 민감 작업에 먼저 넣어볼 모델에 가깝다.이 판단은 당시 스크립트 기록에 근거한다. 원시 시간·토큰 로그와 실행 화면은 남아 있지 않아 재현 가능한 벤치마크가 아닌 비교 후기로 봐야 한다. Kimi K3 가격과 사용 경로, 지금 확인되는 것은 무엇인가Kimi K3는 2026년 8월 19일 기준 2.8조 파라미터와 100만 토큰 컨텍스트를 내세운 Moonshot AI의 모델이다. API 단가는 입력 100만 토큰당 3달러, 출력은 15달러다. 2026년 8월 19일 확인 스냅샷공..

Claude Opus 5가 실제 프로덕션 데이터베이스를 지운 사고가 있었다. 테이블 22개가 통째로 사라졌고 백업은 없었다. 이 글은 사고 경위 자체보다, 지금 내 프로젝트 설정이 같은 사고를 낼 수 있는지 점검하는 데 초점을 둔다. 아래 수치와 정책은 2026년 8월 18일 확인 기준이며, 이 분야는 몇 주 만에 뒤집히기도 한다 — 그 사례도 이 글 안에 있다. Claude Opus 5가 프로덕션 DB를 지운 사고, 정확히 뭐가 문제였나이 사고는 Prisma 마이그레이션 옵션(--shadow-database-url)이 실제 운영 DB를 가리키면서 벌어졌다.한 개발자가 Claude Code에 Prisma 스키마 마이그레이션 작업을 맡겼다. prisma migrate diff가 비교 대상으로 쓰는 sha..

오픈AI가 서울 오피스에서 채용 중인 포지션 이름부터 낯설다. 포워드 디플로이드 엔지니어, 줄여서 FDE. 국내에는 아직 이 이름을 정식으로 붙인 직군이 드물어서 "그거 미국 얘기 아니냐"는 의심부터 든다.직접 원티드와 오픈AI 채용페이지를 뒤져봤다. 결론부터 말하면 국내에도 실제로 있는 직무다. 다만 독립적으로 존재하는 타이틀은 아니다. 이 글은 그 이유를 실제 채용공고와 내 스킬셋을 근거로 풀어본다. FDE, 정확히 무슨 일을 하는 사람인가 — 실제 사례로 보기FDE(포워드 디플로이드 엔지니어)는 AI 모델과 소프트웨어를 고객 현장에 직접 나가 요구에 맞게 구축·배포까지 책임지는 엔지니어로, 팔란티어에서 시작해 지금은 오픈AI·앤스로픽 등이 서울을 포함해 채용 중이다.팔란티어가 정부·기업 현장에 엔..

개발자로 일하다 보면 요즘 확실히 느끼는 게 있다. AI를 모르면 업무 자체가 안 굴러가는 흐름이 됐다는 것.그래서 궁금해졌다. 해외 AI 자격증, 진짜 취업에 도움이 될까 이력서 한 줄용 자기만족일까. 결론부터 말하면, 실무 툴을 검증하는 자격증은 구직자에게 확실히 힘이 된다.이 글은 정량적 기준으로 해외 AI 자격증 6종을 추려 구직자 관점에서 줄을 세운다. 국내에서는 응시자 1,000명 넘는 민간 AI 자격증이 4개뿐이라는 유령 자격증 논란이 최근 불거졌는데, 이 6종은 최소한 그 논란과는 다른 층위에 있다. 자격증을 고른 기준업계 인지도·비용/시간·최신성·실습 코드 채점 여부, 네 가지 기준으로 해외 AI 자격증 6종만 추렸다.PwC가 2026년 6월 발표한 2026 Global AI Jobs ..

MCP로 업무 자동화를 시작했다. 지금은 PR 작성, 지라 티켓, 위키 문서 작업 대부분을 Skills로 처리하고, MCP는 정말 필요할 때만 곁들인다.두 개가 경쟁 관계인 줄 알았는데 실제로 써보니 아니었다. MCP는 도구를 연결하는 통로고, Skills는 반복되는 업무 절차 자체를 담아두는 지침이다. 이 글은 그 차이를 개념으로만 정리한 게 아니라, 실제로 어디서 갈렸는지를 기준으로 썼다. MCP 이미 쓰는데 Skills를 왜 또 배워야 하나MCP를 이미 쓰고 있어도, 정확성이 필요한 반복 업무에는 MCP만으로 부족해 Skills가 따로 필요하다.PR 작성, 지라 티켓 작성, 위키 문서 작성. 이 세 가지가 내가 매일 반복하는 일이었다. MCP로 지라나 컨플루언스 같은 도구에 연결은 됐다. 문제는 ..

지금 파이썬을 배워서 취업이나 이직에 도움이 될지 궁금해서 이 글을 찾았다면 결론부터 말한다. 개발자거나 업무에 쓸 계획이라면 어느 정도는 필요하다. 다만 필요한 건 코드를 "짤 줄" 아는 능력이 아니라 "읽고 판단할 줄" 아는 능력이다.클로드 코드 같은 AI 코딩 툴로 재테크용 프로젝트를 1~2년간 만들며 확인한 근거를 시간순으로 남긴다. 로그를 시작하기 전 — 1~2년, 재테크 프로젝트, 중급 파이썬 사용자이 로그는 약 1~2년간 재테크용 크롤링 프로젝트를 회사 업무와 개인 프로젝트 양쪽에서 AI 코딩 툴로 만들며 남긴 기록이다. 무엇을 만들었나 — 웹 크롤링 기반 재테크 프로젝트투자 관련 데이터를 웹에서 긁어와 정리하고 분석하는 개인 프로젝트로 시작했다. 시간이 지나면서 회사 업무에 필요한 자동..

챗GPT가 요즘 좀 이상하다고 느낀 적 있는가. 결론부터 말하면, 그 느낌은 착각이 아닐 가능성이 높다.나는 한때 챗GPT, 클로드, 제미나이를 전부 구독하며 돌려썼다. 지금은 클로드 코드 하나로 정리했다. 세 서비스를 오래 써보고 내린 결론은 하나다. AI가 똑똑해질수록, 정작 내가 뭘 쓰고 있는지 통제할 수 있는 부분은 계속 줄어들고 있다는 사실이다.라우팅, 사이코펜시, 요금제, 벤치마크, 로컬 AI까지 — 따로 보면 남 얘기 같아도 겹쳐 놓고 보면 하나의 흐름이다. 실제로 겪은 걸 기준으로 하나씩 짚어본다. 왜 "예전 같지 않다"고 느낄까 — 라우팅과 조용한 모델 교체AI 서비스는 질문마다 내부적으로 다른 모델을 골라 답을 만들 수 있다. 이걸 라우팅이라고 부르는데, 사용자는 이 전환을 대부분 ..

직원 한 명 없이 뉴스레터가 돌아간다고요?몇 달 전부터 이런 식의 유튜브 영상과 스레드 게시물이 부쩍 늘었습니다. 콘텐츠 기획, 초안 작성, 이미지 제작, 발행, SNS 홍보까지 AI 에이전트 여러 개가 팀처럼 움직이고, 사람은 승인 버튼만 누른다는 이야기죠.해외의 한 크리에이터가 유튜브에서 공유한 사례가 특히 화제가 됐습니다. 구독자 27,000명 규모의 뉴스레터를 월 19달러(약 2.6만 원)짜리 노코드 플랫폼으로 운영하는데, 예전에 외주 대행사에 맡겼을 때 월 1,500달러(약 207만 원)였던 걸 감안하면 비용이 거의 80분의 1로 줄었다는 내용이었습니다. 구축에 걸린 시간은 1시간 30분이라고 했고요.숫자만 보면 혹하는 게 당연합니다. 다만 미리 짚고 갈 게 있는데, 이 수치들은 1차 출처가 있..

어느 날 밤이었어요. 클로드 코드로 리팩터링 작업을 하고 있었는데, 거의 다 끝나간다 싶은 순간에 사용량 한도 경고가 떴습니다.혹시 이런 경험, 있으신가요? 당황스러웠던 건 전날이었어요. 전날도 비슷하게 오래 붙잡고 있었는데 멀쩡했거든요. 그런데 그날따라 유독 빨리 걸렸습니다. 체감상 평소라면 그 정도 리팩터링으로는 한도가 절반도 안 줄었을 텐데, 그날은 한 시간도 안 돼서 절반 넘게 사라진 느낌이었어요.왜 유독 출력이 많은 작업에서 한도가 먼저 오는지는 따로 정리해둔 글이 있습니다. 토큰과 컨텍스트 윈도우가 쌓이는 구조를 이해하고 나면 "왜 그날만 그랬지"라는 의문은 풀리는데, 이 글은 그 원리 설명이 아니에요.이 글은 그날 이후로 실전에서 뭘 바꿨는지를 정리한 글입니다. 원리보다 행동이 먼저 필요한 ..