<unnamed>

Public Key

npub1er024xlwe5lv2xev9nf0wkl39eykjqwe3eew70zepktud8uycrwqj4vtep

Profile Code

nprofile1qqsv3h42n0hv60k9rvkze5hht0cjujtfq8vcuuh083vsm97xn7zvphqpz3mhxue69uhhyetvv9ujuerpd46hxtnfduqs6amnwvaz7tmwdaejumr0ds6zrl3y

Publishing to

relay.damus.io

nos.lol

Last Notes

2026-07-18 01:08:46 UTC

같은 모델 같은 가중치인데 42.83%가 98.98%로 뛰었다는 게 신기하더라고요. 임파서블 리서치가 스키마 하네스만 바꿔 붙였더니 ARC-AGI-3 공개세트에서 56%p가 올랐대요. 물리학자처럼 상태를 정의하고 규칙을 실행 가능한 코드로 짜서, 예측이 틀리면 세계관 자체를 다시 세운다더라고요. 모델을 안 건드려도 뭘 어떻게 묻고 실행하느냐가 이렇게 갈리는구나 싶었어요. 물론 자체측정이고 공개세트 기준이라 참고삼아 봤어요.

2026-07-18 01:07:05 UTC

네이버가 7월 21일부터 AI 브리핑 지면에 광고를 붙인다는데요, 진짜 신기한 게 광고주가 아니라 AI가 상품이랑 문구를 골라 붙인대요. 하얀 옷 누런 때 검색하면 AI가 알아서 세탁세제 광고를 써서 끼워넣고, 광고주는 그 문구를 못 고친다더라고요. 검색이 답을 생성하니까 광고 인벤토리까지 AI가 짜는 국내 첫 사례인 셈이에요. 내 브랜드 카피를 남(AI)이 대신 쓴다는 게 마케터 입장에선 좀 오싹하더라고요.

2026-07-18 01:04:15 UTC

DeepSeek API 쓰시는 분들 이거 챙기세요. 7월 24일 15시 59분 UTC에 deepseek-chat이랑 deepseek-reasoner가 완전 폐기되고 V4로 강제 이관돼요. 이번에 사상 처음 피크/오프피크 차등요금이 붙는데, 베이징 기준 오전 9~12시랑 오후 2~6시 피크는 요금이 2배거든요. 배치잡은 오프피크로 미루는 게 이득이더라고요. 코드에 모델 ID 박아두신 분은 이제 D-6이니까 지금 바꿔두세요.

2026-07-17 06:03:31 UTC

콘텐츠 자동화를 한 프롬프트에 다 몰아넣었더니 매번 결과가 들쭉날쭉하고 중간에 엉키더라고요. 그래서 skill은 문체 규칙, agent는 조사·검증, command는 순서 조립으로 역할을 아예 갈라봤거든요. 이 3계층을 슬래시 커맨드 하나로 묶으니까 명령어 한 줄에 초안까지 쭉 굴러가더라고요. 프롬프트가 자꾸 터진다 싶으면 몰아넣지 말고 역할별로 쪼개는 게 답인 것 같아요.

2026-07-17 06:01:17 UTC

HWP 파일 텍스트를 파이썬으로 긁으려다 한참 헤맸어요. 얘가 OLE 복합문서라 그냥 열어서 읽으면 깨진 이진 덩어리만 나오더라고요. win32com은 한글 프로그램 깔린 PC에선 정확도 최고인데 서버 무인 실행은 안 되고, olefile은 설치 가볍지만 표가 뭉개지고, libhwp는 그 중간, 아예 다른 포맷으로 변환해 뽑는 방식이 표 보존은 제일 낫더라고요. 그래서 설치 난이도·정확도·표 처리·서버 자동화 이 네 축으로 직접 돌려서 실측 비교해봤어요. 무인 배치면 win32com은 아예 후보에서 빼야 하는 게 핵심이었어요.

2026-07-17 05:45:31 UTC

DART 감사보고서를 본문까지 파려다 삽질했거든요. 접수번호(rcpNo)만 있으면 될 줄 알았는데, 그걸론 문서 목록까지고 정작 본문 HTML엔 못 가더라고요. 알고 보니 뷰어 트리 안에 dcmNo랑 eleId, offset, length가 따로 숨어 있어서, 그걸 파싱해야 본문 주소가 역으로 조립되더라고요. rcpNo는 접수 한 건, dcmNo는 그 안의 개별 문서라는 걸 알고 나니 트리에서 값만 뽑으면 끝이었어요. 모르면 하루 종일 헤맬 포인트라 정리해뒀어요.

2026-07-17 05:43:15 UTC

DART 공시를 보고서명으로 찾고 싶었는데, 공식 OpenAPI엔 report_nm 검색 파라미터가 아예 없더라고요. 그래서 발상을 바꿨어요. 기간으로 목록을 페이지 단위로 쭉 받아온 다음, 응답에 들어있는 보고서명을 코드에서 직접 필터링하고 접수번호(rcpNo)까지 한 번에 긁어모으는 방식으로요. 서버가 검색을 안 해주면 내가 목록을 돌면서 걸러내면 된다는 게 결론이었거든요. 페이지 끝까지 넘기는 것만 챙기니 원하던 키워드 공시가 착착 모이더라고요.

2026-07-17 05:38:39 UTC

DART OpenAPI로 공시 데이터 긁는데 분당 호출 한도에 자꾸 막히더라고요. asyncio랑 aiohttp로 병렬로 빠르게 당기면서도 한도는 안 넘기려고 토큰버킷을 직접 만들었거든요. can_make_request로 토큰 남았나 보고, 없으면 acquire에서 채워질 때까지 살짝 기다렸다가 요청이 나가게요. 이러니까 속도는 살리면서 429 안 뜨고 안정적으로 돌더라고요.

2026-07-17 05:19:28 UTC

SNS 여러 채널에 같은 글을 뿌릴 때 for 루프 하나가 은근 사고를 치더라고요. 한 채널에서 실패해 재시도하면 그 앞 채널엔 같은 글이 두 번 올라가거든요. 그래서 채널+글 조합으로 dedup_key를 만들어 유니크 제약을 걸었더니 중복이 원천 차단되고, 실패한 것만 상태값으로 골라 지수 백오프로 다시 태우니 채널 하나 죽어도 나머지는 멀쩡히 나가더라고요. 이젠 큐에 넣고 재시도만 돌리면 돼서 발행할 때 마음이 한결 편해졌어요.

2026-07-17 05:15:34 UTC

SEO 연관어 뽑을 때 검색창마다 일일이 쳐보는 게 지겨워서 CLI 하나 만들어봤어요. 시드 키워드를 넣으면 5개 엔진 자동완성 API를 한 번에 훑어서 표로 뿌려주고, 프롬프트가 안 죽고 계속 다음 키워드를 받는 입력 루프로 짰거든요. 핵심은 q 치면 깔끔히 종료되고 결과는 그대로 CSV로 떨어지게 한 거라, 리서치하다 흐름 안 끊기고 바로 시트에 붙여요. 손으로 대여섯 번 검색할 걸 엔터 한 번으로 끝내니까 훨씬 편하더라고요.

2026-07-17 02:23:04 UTC

긴 작업은 스마트 존에서 승부 보기로 했어요.
세션 초반의 에이전트는 예리하고 회상도 좋은데, 세션이 커지면 점점 무뎌져요. 이 사전은 그 구간에 스마트 존과 덤 존이라는 이름을 붙였더라고요.
그래서 요즘 규칙이 생겼습니다. 무거운 판단은 세션 초반에 시킨다. 같은 걸 다시 묻거나 지시를 흘리는 덤 존 신호가 보이면, 반복하지 말고 요약해서 새 세션으로 넘긴다. 넘길 때는 원본 파일 경로를 꼭 같이 넘긴다. 요약만 넘기면 손실이 상속되니까요.

2026-07-17 02:16:43 UTC

AI가 이상하다는 문장으로는 디버깅이 안 되더라고요.
모델은 파라미터 덩어리고, 하네스는 모델을 에이전트로 만드는 껍데기 전부고, 에이전트는 움직이는 모델이래요. 이 세 층을 나누면 사고가 났을 때 어느 층 문제인지 물을 수 있게 돼요.
같은 프롬프트가 어제와 오늘 다르게 동작하는 건 모델의 비결정성이지 하네스 버그가 아니고요. 도구 호출이 실행 안 된 건 하네스 문제지 모델 문제가 아니에요. 층을 나누는 순간 절반은 풀립니다.

2026-07-17 02:09:45 UTC

컨텍스트 윈도우를 메모리라고 부르는 걸 그만두기로 했어요.
메모리라고 부르면 쌓고 싶어져요. 많이 넣을수록 좋다고 착각하게 되고요. 근데 이건 메모리가 아니라 작업용 상태고, 유한하고, 예산이에요.
예산이라고 부르는 순간 행동이 바뀝니다. 작업에 필요한 것만 올리고 나머지는 뺀다. 회계 하는 사람들이 예산 앞에서 하는 그 행동을 컨텍스트 앞에서 하게 돼요.

2026-07-17 02:05:34 UTC

10k 토큰에서 가장 또렷하던 지시가 150k 토큰에서는 배경 소음이 된다. 이 문장에서 한참 멈췄어요.
토큰 하나가 다른 토큰들에 나눠 줄 수 있는 영향력은 정해져 있대요. 어텐션 예산이라고 부르더라고요. 컨텍스트가 커져도 이 예산은 안 늘어나요. 그러니 신호 대 잡음비가 떨어질 수밖에요.
세션 초반에 준 중요한 지시를 에이전트가 오후에 흘리는 게 능력 문제가 아니라 산수 문제였던 거예요.

2026-07-17 02:03:28 UTC

용어 사전이라길래 기대가 낮았는데, 읽다가 자세를 고쳐 앉았어요.
AI 코딩 용어 69개를 쉬운 말로 풀어 쓴 사전인데요, 단어 뜻풀이가 아니라 제가 올해 밟은 사고들의 해설서였습니다. 왜 긴 세션에서 에이전트가 점점 멍청해지는지, 왜 요약 뒤에 디테일이 사라지는지, 왜 같은 프롬프트가 어제와 오늘 다르게 동작하는지. 전부 이름이 있더라고요.
저자의 전제가 도발적이에요. 기본 용어는 하루면 익히고, 익히고 나면 전체가 더 이상 추측처럼 느껴지지 않는다.

2026-07-17 01:53:47 UTC

에이전트 관리 역량이라는 말을 안 쓰기로 했어요. 너무 지휘처럼 들려서요.
코드를 안 읽는 대신 제가 실제로 짜는 건 다른 겁니다. 재실행해도 이중 발행이 안 나게 멱등으로 설계했는지, 실패가 카운터가 아니라 실제 상태로 확인되는지, 에이전트가 됐다고 한 걸 실측으로 되짚을 경로가 있는지.
코드 읽는 시간이 검증 절차 설계하는 시간으로 바뀌는 것. 에이전트한테 일 시키는 직무의 실체는 지휘가 아니라 이거더라고요. 이름을 제대로 불러야 시간을 어디 쓸지가 명확해져요.

2026-07-17 01:51:39 UTC

소프트웨어 만드는 사람이 네 부류로 갈린다는 분류를 봤는데, 제 자리가 정확히 있더라고요.
전통 엔지니어, AI를 가속 수단으로 쓰되 코드는 여전히 읽는 엔지니어, 내부를 몰라도 결과물을 만드는 바이브 코더. 그리고 네 번째가 에이전틱 엔지니어예요. 코드 작성을 거의 전부 위임하고 무엇을 만들지 정의하고 문제를 분해하고 에이전트 여러 개를 조율하는 사람.
저는 개발자도 아닌 데이터 분석가인데 올해 일하는 방식이 저 네 번째 칸 정의와 소름 돋게 일치합니다.

2026-07-17 01:50:22 UTC

디자이너가 자기 도구를 직접 만들 거라는 예측, 반론 쪽이 더 정확했어요.
예측은 코딩 못 해서 막혀 있던 디자이너들이 바이브 코딩으로 풀린다는 거였는데, 같은 방송에서 나온 반론이 이랬거든요. 나도 터미널이 무서웠다, 코드를 추상화해서 치우지 않으면 디자이너 대중화는 안 된다.
반년 지나 보니 병목은 능력이 아니라 진입 인터페이스였습니다. 바이브 코딩이 가능해진 것과 디자이너가 검은 화면 앞에 앉는 것 사이의 거리는 생각보다 멀어요.

2026-07-17 01:48:18 UTC

에이전트가 일급 시민이 되는 순간, 공격자도 일급 시민이 되더라고요.
에이전트한테 사용자 권한을 주면 그 에이전트를 조종하는 링크도 그 권한을 갖고, 폴더를 여는 것만으로 코드가 실행되는 시대엔 클론과 탐색이 전부 공격 표면이 돼요. 지난주 보안 사고들이 정확히 이 순서로 났습니다.
에이전트 권한을 한 칸 올려줄 때마다 공격 표면도 같은 칸만큼 늘었는지 확인하는 습관, 올해 제일 값싸고 효과 좋은 보안 투자 같아요.

2026-07-17 01:15:18 UTC

7월 17일 AI·LLM 이슈 다이제스트를 정리했습니다.
어제는 "경고가 문서에 다 적혀 있었다"였는데, 오늘은 한 발 더 갔어요. AI가 이제 방아쇠를 당깁니다. Gemini CLI가 치과 클리닉 8대를 장악한 봇넷을 굴렸고, 다른 AI는 워드프레스 제로데이를 사람 손 없이 캐냈고, 서울대 연구진은 프롬프트 인젝션 방어를 우회하는 새 공격 클래스를 공개했어요. 그 와중에 Kimi K3·Inkling 같은 3조 파라미터급 오픈웨이트가 쏟아졌고, TSMC와 ASML은 같은 이틀에 연간 전망을 통째로 올렸습니다. 매체가 틀린 숫자 몇 개는 1차 출처로 바로잡았고요.
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-07-17

2026-07-16 04:40:03 UTC

ChatGPT가 출처를 어떻게 고르는지, 답변 말고 브라우저로 오는 JSON을 읽어서 뜯은 연구를 봤다.
JS로 가격을 띄우면 모델이 파싱을 포기하고 G2를 인용한다. 내 숫자인데 남의 페이지에서.
근데 진짜는 저자가 열흘 뒤 자기 결론 두 개를 스스로 뒤집은 것. 1편만 읽었으면 낡은 걸 옮길 뻔했다.
https://dbhyeong.github.io/blog/chatgpt-source-selection-network-traffic-geo

2026-07-16 03:13:09 UTC

반도체 피크아웃 공포로 시장이 무너진 주에, 정작 실적은 반대로 나왔어요.
한미반도체 2분기가 매출 2,511억(+39.5%), 영업이익 1,303억(+51%). 영업이익률이 51.9%예요. 100원 팔아서 52원 남긴 거죠.
같은 기간 모건스탠리는 "반도체 랠리 끝나간다"고 했고 코스피는 이틀에 10% 빠졌고요.
공포랑 실적이 이렇게 정면으로 어긋날 때, 보통 둘 중 하나는 늦은 정보더라고요.

2026-07-16 03:07:50 UTC

데이터 보다가 웃긴 걸 발견했어요.
열흘치 재무 공시 593건 중에 제일 큰 카테고리가 주주환원(136건)이더라고요. 자사주랑 배당. 갑자기 다들 주주친화적이 된 건가 했는데.
아니었어요. 7월 10일부터 자기주식 보유한 전 상장사가 보유현황·소각계획을 의무 공시하게 됐거든요.
규제가 공시량을 만들어낸 거였어요. 숫자가 늘었다고 행동이 바뀐 게 아니고. 지표 볼 때 이런 거 조심해야죠.

2026-07-16 02:40:59 UTC

공시 하나가 다른 딜의 신호일 때가 있어요.
두나무가 감자 일정을 통째로 미뤘어요. 기준일이 9월 29일에서 12월 30일로. 정정 사유에 "주식교환 일정 등 변경에 따른 정정"이라고 적혀 있고요.
감자는 주식교환의 선행 절차거든요. 그러니까 이건 감자 얘기가 아니라 네이버-두나무 딜 전체가 3개월 밀렸다는 얘기죠.
같은 날 네이버파이낸셜·네이버·두나무가 나란히 주식교환 정정을 냈고요. 앞뒤가 맞더라고요.

2026-07-16 02:31:38 UTC

맥락 많이 주는 게 미덕인 줄 알았는데 아니었어요.
로봇 실험에서 이전 상호작용을 일부러 지워봤는데, 대부분 성능이 안 떨어졌고 일부는 오히려 좋아졌대요. 먼 과거 맥락이 모델을 혼란시키는 거, 이름이 맥락 부패(context rot)라네요.
배우지 못할 정보면 지우는 게 낫다는 거죠. 저 로그 다 물려주고 있었는데 반성합니다.
https://dbhyeong.github.io/blog/anthropic-embody-benchmark-llm-robot-control

2026-07-16 02:30:19 UTC

회계 하시는 분들 이건 알고 계셔야 할 듯.
감사 감리주기를 평균 20년에서 코스피 10년, 코스닥 5년으로 줄이는 걸 추진 중이에요.
감리 확률이 2~4배로 뛴다는 뜻이죠. 여기에 감사보수 덤핑 제동("부실감사 즉시 감리")이랑 ESG 공시 의무화까지 같이 굴러가고 있고요.
영풍·고려아연 과징금이 예외적인 사건이 아니라 앞으로의 기본값이 된다는 신호로 읽었어요. 회계 리스크의 기대값 자체가 올라가는 국면입니다.

2026-07-16 02:15:55 UTC

이거 처음 읽고 오타인 줄 알았어요.
CoreWeave가 메모리 가격 "떨어지는" 걸 헤지하려고 파생상품 본대요. 다들 오를까 봐 걱정인데?
이유가 명쾌하더라고요. 장기계약에 가격 하한이 박혀 있어서, 값이 떨어져도 약속한 바닥값을 내야 한대요. 2028년 신규 캐파 다 돌면 떨어질 거라고 보는 거죠.
똑똑한 돈은 이미 반대편에 서 있네요.
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-07-16

2026-07-16 02:13:34 UTC

영풍 회계 과징금이 확정됐는데, 지적 내용이 좀 새로워요.
204억 7천만원에 감사인지정 3년. 그런데 걸린 게 전부 환경 관련 충당부채예요. 제련소 주변지역, 주변 임야, 제련소 하부, 지하수까지 네 갈래로 정화충당부채를 빠뜨렸다는 거죠.
합치면 연도별로 2천~3천억대가 재무제표에서 빠져 있었어요.
계산 실수가 아니라 "법적 의무가 명확한데 인식을 안 했다"는 판단이라 결이 다릅니다.

2026-07-16 02:09:55 UTC

IBM이 어제 25% 빠졌어요. 사상 최악. 블랙먼데이보다 더 빠졌습니다.
이유가 진짜 의외인데 — 메모리 때문이에요. 고객들이 가격 오르기 전에 서버랑 메모리를 사재기하느라 같은 분기 예산에서 소프트웨어를 미뤘대요. CEO가 "영향은 예상했는데 규모를 예상 못했다"고 썼고요.
AI 데이터센터가 폰값 올린 건 알았는데, 이젠 남의 회사 분기를 날리네요.
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-07-16

2026-07-16 02:08:15 UTC

이번 반도체 급락장에서 제일 흥미로웠던 건 환율이었어요.
7월 8일, 코스피가 5.4% 빠진 날인데 원달러는 오히려 30원 내려서 1,498원. 보통 주가 빠지면 환율은 오르잖아요. 반대로 갔어요.
이유가 하이닉스 ADR이었더라고요. 40조어치 달러가 들어와서 환전될 거란 기대가 외환시장에 먼저 반영된 거죠.
지수보다 환율이 먼저 알고 있었던 셈이에요.

2026-07-16 02:04:41 UTC

OpenAI가 자기 모델 부수는 모델(GPT-Red)을 만들었는데요, 숫자가 좀 셉니다. 인간 레드팀이 13% 뚫을 때 얘는 84% 뚫어요.
근데 제일 웃긴 건 사무실에 진짜로 돌아가던 자판기 에이전트를 털었다는 거. 비싼 물건을 0.5달러로 내리고, 남의 주문을 취소했대요.
자판기라 웃긴데 이게 커머스 백오피스면 그냥 사고죠.
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-07-16

2026-07-16 01:59:26 UTC

오늘 제일 불편했던 뉴스.
Cursor에 윈도우 원격코드실행 결함이 있어요. 레포 루트에 악성 git.exe 심어두면 폴더 여는 것만으로 실행됨. 작년 12월에 제보됐는데 "취약점 아님"으로 닫혔고, 7개월 뒤인 어제 연구자가 전체 공개했어요. 아직 미패치.
근데 진짜 질문은 이거인 듯. 누가 무엇을 취약점으로 정의하나요? 지금은 벤더가 정합니다.
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-07-16

2026-07-16 01:56:51 UTC

SK하이닉스 나스닥 ADR 납입이 끝났는데 숫자를 보고 좀 놀랐어요.
265억 700만 달러. 원화로 39조 8,905억. 외국기업 미국 IPO 사상 최대라고 합니다. 알리바바 250억 달러를 넘겼어요.
1,779만 주가 예정 물량 그대로 전량 소화. 신주를 씨티은행에 제3자배정하고 그걸 기초로 ADR을 찍는 구조더라고요.
한국 회사 자금조달 무대가 어디로 옮겨가는지 보여주는 장면 같습니다.

2026-07-16 01:16:11 UTC

OpenKnowledge를 내 마크다운 볼트에 붙일지 보다가, GPL-3.0 옆에 CLA가 같이 있는 걸 봤다. 2조에 sublicense 권한이 있더라.
근데 따져보니 내 리스크는 작았다. 데이터가 평문 .md라 나갈 비용이 0이니까.
락인이 없으면 라이선스 리스크도 작아진다.
https://dbhyeong.github.io/blog/openknowledge-local-markdown-llm-wiki-editor

2026-07-16 01:15:50 UTC

Anthropic이 언어 모델 12종에게 진짜 로봇을 쥐여준 Embody 벤치마크를 뜯어봤다.
제일 도움이 된 도구가 깊이 지도도 분할 마스크도 아니었다. 방위를 각도로 알려주는 나침반 한 줄이었다. 커서 도구는 성공률을 6%에서 32%로 올렸다.
모델에게 필요한 건 더 많은 그림이 아니라 방향 감각이었다.
https://dbhyeong.github.io/blog/anthropic-embody-benchmark-llm-robot-control

2026-07-16 01:15:29 UTC

오늘 AI 이슈를 훑다가 공통점 하나를 봤다. 경고는 전부 문서에 이미 적혀 있었다는 것.
GPT-5.6 솔이 파일을 지웠는데 시스템 카드가 미리 경고했고, Cursor의 RCE는 7개월 전 제보됐고, IBM은 "규모를 예상 못했다"고 했다.
몰라서가 아니라 알고도 늦었다.
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-07-16

2026-07-15 06:02:18 UTC

pdf-inspector — OCR 청구서를 절반으로 줄이는 라우터, 그리고 단일 의존성이라는 말
Firecrawl이 만든 Rust 라이브러리다. PDF가 텍스트 기반인지 스캔본인지 밀리초에 판별해 OCR로 보낼지를 라우팅한다. 발상이 정확하고 오늘도 커밋이 도는 살아있는 프로젝트다.
다만 벤치마크는 이겼다기보다 졌는데 잘 진 것이고, 의존성이 lopdf 하나라는 소개는 Cargo.toml과 다르다. 실제로는 9개다.
벤치마크 표에 내가 쓰는 도구가 두 개 있어서 남 얘기가 아니었다.
https://dbhyeong.github.io/blog/pdf-inspector-ocr-routing-rust

2026-07-13 09:48:19 UTC

게임 데이터 30편 시리즈 세 번째 앵커 — 가챠 천장(피티) 비용을 몬테카를로로 감 잡기. 공개 확률표를 가정해 목표 획득까지 기대 시도·비용 분포를 시뮬레이션했어요. 평균만 보면 안 되고 운 나쁜 꼬리를 봐야 한다는 얘기. (사행성 조장 아님, 확률 감각 기르는 데이터 실습)
https://dbhyeong.github.io/blog/gacha-montecarlo-pity-cost

2026-07-13 09:47:36 UTC

게임 데이터 30편 시리즈 두 번째 앵커 — 시세 급등락을 자동으로 잡는 이상탐지 입문. 롤링 z-score와 IQR로 비정상 변동일을 플래그하고, 계절성이 있으면 왜 오탐이 터지는지·STL 보완책까지 합성 데이터로 풀었어요. 화려한 모델보다 매일 도는 단순한 탐지가 먼저.
https://dbhyeong.github.io/blog/price-anomaly-detection-zscore-iqr

2026-07-13 09:46:22 UTC

게임 데이터 분석 시리즈를 새로 30편 올렸어요. 그 첫 앵커 — 동적 페이지 크롤링에서 requests·Selenium·내부 JSON API 중 뭘 고를지. 같은 매물 페이지에 세 방법을 다 적용해 속도·안정성·유지보수를 비교했습니다. 결론은 브라우저는 최후의 수단, 개발자도구 Network부터 까보기. (합성/공개 데이터 기준)
https://dbhyeong.github.io/blog/crawling-requests-vs-selenium-vs-json-api

2026-07-13 05:44:10 UTC

숏폼이 B2B 검색과 AI 답변에 올라타고 있어요. 유튜브 쇼츠·인스타·틱톡 세로영상이 "best 000 software" 검색 상위로 올라오고, 구글이 그 자막을 읽어 AI Overviews·Gemini 답변에 인용합니다(Gemini는 유튜브를 인스타의 7배·틱톡의 10배 인용). 클릭이 안 나도 "존재와 인용"이 가치가 되는 시대. 처방은 하나 — 하이라이트가 아니라 바이어의 실제 질의로 잘라라. Foundation 리포트 정리.
https://dbhyeong.github.io/blog/short-form-video-b2b-search-ai-answers-geo

2026-07-12 08:47:29 UTC

왜 프런티어 랩들은 비싼 실시간 오용 분류기를 넣을까? 케임브리지 CASP 보고서를 방어·정책 관점에서만 정리했습니다. 프런티어 AI 오용은 이미 현실이고 온라인 흔적 기반 추정은 과소평가였다는 요지. 핵심은 uplift는 입증 아닌 지각, 2024 안전장치의 한계, 취약성은 구조적이라는 것 — 개발자·정책·정보기관 협력이 숙제입니다. (조작 가능한 구체 내용은 배제) 👉 https://dbhyeong.github.io/blog/frontier-ai-misuse-cambridge-report-defensive-lessons

2026-07-12 08:27:54 UTC

임베딩 없이 500ms. Mantic은 벡터DB·외부 API 없이 파일 구조·메타데이터로 코드를 검색하는 구조적 검색 엔진이다. 결정적 점수화로 Chromium 48만 파일에서도 일관, 벡터 대비 최대 25배 빠르고 토큰 63% 절감. MCP로 Claude·Cursor·VS Code에 붙고 Impact Analysis(영향 범위)까지. AGPL+상용 이중 라이선스는 확인 필수. 👉 https://dbhyeong.github.io/blog/mantic-structural-code-search-for-ai-agents

2026-07-12 08:15:31 UTC

데이터프레임에 LLM을 넣으면? typedef-ai의 fenic은 PySpark/SQL 스타일 연산과 LLM 시맨틱 연산자(extract·classify·summarize·embed·시맨틱 조인)를 하나의 쿼리 모델에 합쳤다. 일반 필터를 먼저 돌려 비용을 줄이고, 파이프라인 자체가 lineage·토큰/비용 지표를 가진 산출물로 남는다. 사람과 에이전트가 같은 파이프라인을 MCP 도구로 쓴다. 👉 https://dbhyeong.github.io/blog/fenic-semantic-dataframes-for-humans-and-agents

2026-07-12 06:19:44 UTC

OpenAI가 GPT-5.6 공식 활용 가이드를 냈다. 핵심은 마이그레이션을 슬러그 교체가 아니라 튜닝 패스로 취급하라, 그리고 프롬프트는 쌓지 말고 걷어내라. 내부 평가에선 최소 프롬프트로 점수 10~15% 향상에 토큰 41~66%·비용 33~67% 절감. Sol·Terra·Luna 네이밍, 추론강도 6단계, Pro모드·PTC, 지식은 스킬로 주입하는 흐름까지 정리했습니다. 👉 https://dbhyeong.github.io/blog/gpt-5-6-model-guidance-prompt-diet-and-agent-skills

2026-07-11 22:45:07 UTC

비정형 공공문서를 AI가 읽게 만들기 — 관보 12.8만 건을 PDF에서 마크다운으로 되살리고, 법령 별표 HWP를 파서로 뜯어 구조화한 시빅테크 3사례를 해부했습니다. 파싱→보정→구조화→인덱싱 다섯 단계, PDF를 왜 그냥 못 긁는지, OCR로 깨진 글자를 사전 보정으로 살리는 법까지 도식으로.

2026-07-11 22:44:53 UTC

[오늘의 IT 이슈] 2026년 7월 12일 — 이번엔 자본이 판을 다시 짠다. SK하이닉스 나스닥 ADR 입성, 삼성 사상최대 실적에도 주가 냉담, 구글 약 847억 달러 조달(버크셔 앵커), OpenAI GPT-5.6·ChatGPT Work, 애플의 OpenAI 제소까지 — 1차 출처 교차검증(maker≠checker)으로 정리했습니다.

2026-07-11 06:40:43 UTC

라이브 게임 매출은 DAU × PU(%) × ARPPU 곱셈으로 분해된다. 신규/복귀/기존 유형까지 쪼개두면 KPI 미달 때 '어느 변수·어느 층에서 샜나'가 30분 안에 보인다. 예측기가 아니라 진단기로 쓰는 법.
https://dbhyeong.github.io/blog/revenue-decomposition-dau-pu-arppu-simulator

2026-07-11 06:40:13 UTC

ARPPU vs ARPU vs PU(%). 이름은 비슷한데 뜻은 완전히 다르다. ARPU = PU% × ARPPU. ARPPU만 보면 '잘된다' 착각하는 함정(결제 저변 축소)을 가상 수치로 풀었다. 과금 지표 입문 정리.
https://dbhyeong.github.io/blog/arppu-vs-arpu-vs-pu-paying-metrics

2026-07-11 06:40:02 UTC

게임 현금시세 모니터링을 크롤링→적재→정제→리포트→대시보드 엔드투엔드로. Selenium+BeautifulSoup → pymssql(한글 charset/codepage) → SMTP·Drive → Metabase. robots·약관·레이트리밋 준수.
https://dbhyeong.github.io/blog/game-data-collection-flow-end-to-end

2026-07-11 06:39:51 UTC

매일 손으로 짜던 접속·과금·매출분포 쿼리를 MS-SQL Stored Procedure 하나로 묶어 자동 산출. 반복은 DB에, 판단은 사람에게. 라이브 게임 일간 리포트 자동화 패턴.
https://dbhyeong.github.io/blog/stored-procedure-daily-game-report-automation

2026-07-11 06:39:39 UTC

가챠가 매출 큰 비중을 차지하는 게임에서 BM 우선순위는 어떻게 정하나. 컨텐츠별 매출 분포로 가챠 > 소모품 > 편의재를 데이터로 확인하고, 이벤트 전략으로 연결한 의사결정 과정을 정리했다.
https://dbhyeong.github.io/blog/gacha-heavy-bm-design-priority

2026-07-11 06:39:28 UTC

"신규 영웅, 유저가 쓰긴 쓰냐?"는 그대로 답 못 한다. 픽률(출현수÷전체매치)로 환원해야 답이 나온다. 근데 픽률 단독은 위험 — 이용률·솔플비율·재구매율과의 '격차'에서 진짜 신호가 나온다. 채택률↑ ≠ 매출↑.
https://dbhyeong.github.io/blog/pick-rate-content-concentration-analysis

2026-07-11 06:39:17 UTC

2026-07-11 00:09:33 UTC

좋은 프롬프트는 특별한 문법이 아니라 원하는 결과를 내 말로 설명하는 것이더라. OpenAI 프롬프팅 가이드를 데이터·마케팅 실무 관점에서 다시 정리했다. 큰 작업의 뼈대 GOCB(Goal·Context·Output·Boundaries), 단계 말고 결과부터 말하기, 경계로 사고 막기, Chat/Work/Codex 언제 무엇을.
https://dbhyeong.github.io/blog/prompting-guide-goal-context-output-boundaries-chat-work-codex

2026-07-11 00:09:18 UTC

PDF 병합·이미지 압축·영상 변환을 웹에 올릴 때마다 파일이 남의 서버로 나간다. SnapOtter는 그 작업을 통째로 내 서버 안에서 끝내는 셀프호스팅 도구 모음이다 — 이미지·영상·오디오·PDF·파일 200+ 도구에 로컬 AI, 도커 한 줄 설치. GitHub로 팩트체크해 정리했다.
https://dbhyeong.github.io/blog/snapotter-selfhosted-local-file-processing

2026-07-10 06:08:50 UTC

네이버 블로그 관리 페이지가 예쁜 차트만 주고 원본은 안 줘서, 로그인 세션 뒤에서 도는 통계 API를 패킷으로 캡처해 3개월을 데이터로 뜯었다. 하루 조회수 7,700에서 15,000으로 2배, 근데 유입 82%가 검색이 아니라 네이버 메인 노출이라는 위험 신호에 재방문율 2.5%, 그 밑에 검색으로 30-60일 버티는 상록수 롱테일이라는 숨은 자산까지. 대시보드로는 못 뽑는 인사이트를 도식으로 정리했다. #데이터분석 #네이버블로그 #마케팅 #패킷분석

2026-07-10 01:15:13 UTC

AI가 지어낸 가짜 조문을 잡는 MCP. 법제처 42개 API를 10개 도구로 감싸고, LLM 인용을 실존과 내용까지 교차검증하고, 폐기된 판례를 살아있는 것처럼 인용하는 사고를 막는다. 법제처 수백 번 검색에 지친 공무원이 만들었다. #AI #MCP #법률 #LLM

2026-07-10 01:15:02 UTC

SRT 예매부터 쿠팡 가격비교, 사업자 실사, DART, KOSIS 통계, 한국어 윤문까지 100개 넘는 한국 생활 에이전트 스킬 모음 k-skill(스타 6.1k). 데이터 분석·마케팅 하는 내가 실제로 켤 만한 것만 골라 정리했다. #AI #에이전트 #스킬 #자동화

2026-07-10 01:14:51 UTC

Self-Harness가 하네스만 고쳤다면, 샤오미 HarnessX는 하네스와 모델을 함께 진화시킨다. 조립 가능한 타입 객체로 보는 파운드리, 4단계 엔진 AEGIS, 크로스 하네스 GRPO 공진화까지. 5개 벤치 평균 14.5% 향상, 소형 모델일수록 크게 올랐다. #AI #에이전트 #LLM #샤오미

2026-07-10 01:14:40 UTC

모델은 한 글자도 안 바꾸고, AI가 자기 실행 로그에서 반복 실패를 캐내 규칙을 스스로 고쳐 쓴다. Self-Harness 논문(arXiv:2606.09498)을 Terminal-Bench 실측치 40.5에서 61.9%까지 뜯었다. 세 모델이 각기 다르게 실패하고 각기 다른 처방을 만든 대목이 백미. #AI #에이전트 #LLM #논문

2026-07-10 01:14:28 UTC

같은 주에 정반대 이야기가 나왔다. 한쪽은 하네스 무용론(차세대 모델이 흡수한다), 다른 쪽 릴리언 웽은 재귀적 자기개선(RSI)이 가중치가 아니라 하네스에서 먼저 시작된다고 본다. 둘이 진짜 모순인지, 웽이 논문 35편을 5개 서랍으로 묶은 최적화 사다리를 원문 기준으로 정리했다. #AI #하네스 #LLM #에이전트

2026-07-09 08:41:24 UTC

감으로 올리던 유튜브 롱폼 길이를 내 채널 Analytics 데이터로 정해봤습니다. 최근 180일 성과를 보니 5-8분이 평균 시청률 29.9%로 압도적이더군요. 그래서 29분 녹화본 한 편을 SRT 타임코드 기준 5편의 독립 롱폼으로 쪼개고, 설명·타임라인·키워드·해시태그를 자동 생성해 API로 예약 업로드까지 자동화한 기록입니다. 데이터 분석가의 콘텐츠 운영 루프.
▶ https://dbhyeong.github.io/blog/youtube-analytics-driven-longform-split-upload
#유튜브 #데이터분석 #YouTubeAPI #콘텐츠자동화

2026-07-08 02:48:48 UTC

블로그 벤치마킹을 감이 아니라 데이터로. 한 니치의 상위 블로그 13개를 크롤링해 성공 문법과 리스크를 뽑았다.

2026-07-08 02:48:33 UTC

AI가 지식노동을 가져가면 취미가 도메인 지식이 된다는 에세이에 대한, 데이터쟁이의 반론과 보론.

2026-07-08 02:48:17 UTC

Anthropic ClaudeDevs가 루프 입문 아티클을 냈다. 지시에서 목표로, 루프의 최소 구성요소와 시작법을 내 루프 시리즈로 정리했다.

2026-07-08 02:48:02 UTC

MaxKB: RAG와 워크플로우, MCP 도구 사용을 한 컨테이너에 담은 기업용 오픈소스 에이전트 플랫폼. 내 무벡터 볼트와 대조해봤다.

2026-07-08 02:47:47 UTC

지식 볼트에 검색엔진을 얹었다. 라우터가 폴더를 찾으면 FTS5와 관계 그래프를 MCP로 정밀검색하는 2계층 설계 이야기.

2026-07-06 08:31:13 UTC

개발자가 알아두면 유용한 MCP 서버 7가지를 정리했습니다 — Context7, GitHub, Chrome DevTools, Terraform, Notion, Hugging Face, MongoDB. CLAUDE.md 컨텍스트 최적화, HWP/DOCX 포맷 파싱, 테스트 코드는 AI가 읽는 프롬프트 등 개발 글도 함께 올렸습니다.

2026-07-06 08:30:40 UTC

라이브 게임 데이터 분석 시리즈를 블로그에 올렸습니다 (10편). 핵심 지표 7종 정의부터 ARPU vs ARPPU, 매출 시뮬레이션(DAU×PU%×ARPPU), 코호트 리텐션, 픽률로 콘텐츠 획일화 잡기, 재구매율 이탈 경보까지 — 전부 합성 데이터와 도식으로 풀었습니다.

2026-07-06 06:38:14 UTC

오늘의 AI/IT/LLM 다이제스트 (7/6): Claude Sonnet 5 effort 파라미터, OpenAI Secure MCP Tunnel, 벤처비트 통제 격차 보고서, shadcn에서 Base UI로 기본 전환, 메모리 3분기 둔화, SKT 15GW, KAIST 에이전트 에너지 136.5배. 12건을 1차 출처로 팩트체크했습니다.

2026-07-05 07:27:57 UTC

코딩 실력보다 도메인 전문성. Anthropic이 클로드 코드 세션 40만 건을 분석했더니, 세션의 성패를 가른 건 코딩 경력이 아니라 '문제를 얼마나 깊이 이해하고 검증·조종하느냐'였다. 비개발자 데이터 분석가로서 읽은 기록. #ClaudeCode
https://dbhyeong.github.io/blog/anthropic-agentic-coding-returns-to-expertise

2026-07-05 07:27:26 UTC

코딩 에이전트도 파인튜닝·데이터셋·평가 같은 AI/ML 전문작업에선 은근히 헤맨다. Hugging Face Skills가 'SKILL.md + 스크립트' 폴더로 그 간극을 메우고, Claude Code·Codex·Gemini CLI에서 다 도는(ACP) 구조를 정리했어요. #HuggingFace #AgentSkills
https://dbhyeong.github.io/blog/huggingface-skills-agent-context-protocol

2026-07-05 07:26:56 UTC

한 번 쓰고 버리는 프롬프트 대신, 검증과 정지 조건이 박힌 '루프'를 카탈로그에서 복사해 쓴다. Loop Library(약 70개 루프)와 동반 스킬 Loopy를 뜯어보고 내 크롤링·재무 자동화에 대입해 정리했어요. #AI에이전트 #자동화
https://dbhyeong.github.io/blog/loop-library-repeatable-agent-loops-loopy

2026-07-04 12:09:30 UTC

무료 슬랙 봇은 채널까지, Business+ 봇은 기억·자동화·거버넌스까지. 봇에게 뭘 더 줄 수 있고 그걸 실제로 어떻게 여는지(봇 스코프 / 관리자 토큰 / 관리자 콘솔 3경로) 일반화해 정리했습니다.
https://dbhyeong.github.io/blog/slack-business-plus-bot-capabilities

2026-07-04 12:09:07 UTC

똑똑해진 모델에겐 규칙을 더 주는 게 아니라 걷어내야 한다 — Claude Fable 5 공식 프롬프팅 가이드를 정리했습니다. effort 고르기, 긴 자율 실행을 믿게 하는 안전장치, 짧은 지시 한 줄로 조종하기.
https://dbhyeong.github.io/blog/prompting-claude-fable-5-migration-guide

2026-07-04 11:43:30 UTC

1인 창업자가 급증한다는 Stripe 분석을 읽다가 든 생각. AI가 팀의 빈칸을 메우는 대신, 혼자일수록 '내 존재를 세상에 읽히게' 만드는 몫이 더 커진다는.
https://dbhyeong.github.io/daily/age-of-the-solopreneur

2026-07-04 11:43:06 UTC

AI 에이전트의 '4겹 루프'를 이번엔 '무슨 부품으로 만들고, 사람은 어디에 남기나'로 다시 읽었습니다. 문서 고치는 에이전트 하나로 끝까지 따라가 봤어요.
https://dbhyeong.github.io/blog/loop-engineering-in-practice-parts-and-people

2026-07-04 11:42:43 UTC

AI 뉴스 정리 한 편을 올리기까지의 무대 뒤. '쓰는 나'와 '따지는 나'를 갈라 원문까지 파고, 인과가 뒤집힌 기사·부풀린 숫자를 어떻게 걸러냈는지 도식으로 적었습니다.
https://dbhyeong.github.io/blog/ai-news-digest-maker-checker-behind-the-scenes

2026-07-04 11:42:20 UTC

오늘 AI·LLM·IT 이슈 9건을 1차 출처로 교차검증해 정리했습니다. 테슬라 AI 지출 상한, 알리바바의 클로드 코드 금지, 앤트로픽 탈옥 심각도(CJS)까지 — 자주 틀리게 옮겨지는 대목은 ⚠️로 짚었어요.
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-07-04

2026-07-03 02:33:12 UTC

클로드 코드 같은 에이전트형 AI 코딩 도구가 "속으로 어떻게 동작하는지"를 행동 관찰만으로 역설계한 저장소 agentic-ai-prompt-research를 1차 출처로 뜯어봤습니다.
· 유출이 아니라 "재구성 근사치"(저장소 스스로 명시)
· 커뮤니티 요약 "6영역" → 실제 README는 9섹션
· 생성 2026-03-31(신규 아님) · ⭐2,471 · LICENSE 없음
· 캐시 프리픽스/동적 서픽스, 다단계 권한 분류, 계층형 메모리 관찰
원문: https://dbhyeong.github.io/blog/agentic-ai-prompt-research-reconstructed-prompts

2026-07-03 02:12:00 UTC

지난 2주 AI·LLM·IT 이슈를 5개 줄기로 묶어 정리했습니다.
① 더 싸고 자율적인 모델(Sonnet 5·GPT-5.6)
② 규제·수출통제·거버넌스의 벽
③ 하네스·루프의 조직화
④ 사상 최대 인프라 투자
⑤ 지식관리·문서AI·GEO 도구
벤더 자체수치·언론 프레이밍은 1차 출처로 팩트체크해 분리했습니다.
원문: https://dbhyeong.github.io/blog/ai-llm-it-two-weeks-roundup-2026-07-03

2026-07-02 01:33:52 UTC

Fable 5가 나온 김에 정리한 일기. 벤치마크 말고 일하는 방식이 어떻게 바뀌는지 — 에이전트에게 매 스텝 지시하던 방식(skill.md·claude.md·agent.md)에서, 목표와 채점 기준을 주고 물러서는 루프 엔지니어링·다이나믹 워크플로로. Opus 시절과 뭐가 다른지 도식으로 비교했다.

2026-07-01 02:25:12 UTC

[7/1 AI·LLM·IT 다이제스트] 무게중심이 다시 모델·에이전트로 왔다. Sonnet 5·GPT-5.6이 더 싸고 자율적으로 내려오고, 메타는 사내 클로드코드·코덱스를 제한, 오픈AI는 코덱스 전용 하드웨어를 예고. 12건을 1차 출처로 팩트체크. + 하네스 3부작(기획·디자인·팀)도 함께 올렸습니다.

2026-06-30 09:23:37 UTC

☁️ 슬랙 Codex 봇 + OneDrive (시리즈 3편)
진짜 업무 파일이 있는 OneDrive를 봇에 연결.
• OneDrive 동기화 폴더를 일반 폴더처럼 (Graph API 인증 불필요)
• Input/Output/Backup으로 나누고 OneDrive 전체 말고 한 폴더만
• 온라인전용 파일·동기화 충돌 함정 주의
• 폴더별 read/write 권한 분리 + Output에만 쓰기
• 슬랙 채널 생성·초대·아카이브(conversations API) + preview→confirm 안전장치
https://dbhyeong.github.io/blog/slack-codex-cli-remote-bot-3-onedrive-channels
#자동화 #Slack #Codex #OneDrive

2026-06-30 09:13:02 UTC

💬 슬랙으로 내 PC의 Codex 부려먹기 (2편 시리즈)
텔레그램→Claude Code 봇의 자매편. Slack Socket Mode로 메시지 받아 codex exec 실행.
• Socket Mode = 슬랙판 롱폴링(공인 IP 불필요)
• 토큰 둘: xapp(연결)·xoxb(읽고쓰기)
• sandbox 권한: read-only → workspace-write
• 작업 큐 + 워커 1개로 충돌 방지
• 2편: 채널·Thread 협업 + grant/revoke 권한 설계
▶ 1편: https://dbhyeong.github.io/blog/slack-codex-cli-remote-bot-1-build
▶ 2편: https://dbhyeong.github.io/blog/slack-codex-cli-remote-bot-2-channels-permissions
#자동화 #Slack #Codex

2026-06-30 07:57:30 UTC

🤖 텔레그램으로 내 PC의 Claude Code 부려먹기
폰·웹·데스크탑 어디서 보내든, 집에 켜둔 PC의 Claude Code가 헤드리스로 실행되고 답이 돌아옵니다.
• 롱폴링 + subprocess + claude -p
• 권한은 Read부터 → Edit → Bash(최후)
• v2: 작업 큐·맥락유지(--resume)·로그·/new·/status
• 토큰은 비밀번호 — 노출 시 revoke
https://dbhyeong.github.io/blog/telegram-claude-code-remote-bot
#자동화 #ClaudeCode #텔레그램

2026-06-30 04:15:45 UTC

🧠 supermemory 뜯어보기 — AI에 장기 기억을 주는 메모리 엔진
• 'Memory ≠ RAG': 사용자 사실을 시간축으로 추적·갱신·만료
• 자가호스팅 단일 바이너리(localhost:6767) + Ollama로 완전 오프라인
• Claude Code 두 경로: 범용 MCP 서버 vs 플러그인
• ⚠️ '벤치마크 1위'는 벤더 자체 보고(MemoryBench도 자작)
• ⚠️ MIT는 코드만, 핵심 기능은 Supermemory Pro 유료
공식 저장소·문서로 팩트체크해 정리했습니다.
https://dbhyeong.github.io/blog/supermemory-ai-memory-engine-not-rag
#AI #LLM #메모리 #지식관리

2026-06-30 02:55:40 UTC

📰 2026년 6월 30일 AI·LLM·IT 이슈 정리
오늘 관통 주제는 'AI 구축의 경제학'.
• 돈 붓는 쪽: 하이퍼스케일러 capex 7,250억 달러, AI 회사채가 美 투자등급 발행의 약 15%
• 비용 깎는 쪽: 코인베이스가 중국 오픈웨이트(GLM·Kimi) 기본값+캐싱으로 AI 비용 거의 절반, 딥시크 추론가속 오픈소스
• 한국: 2000조 발표 다음 날 삼성전자 -4.86%, 수도권 데이터센터 적기 전력공급 1.9%
수치는 모두 1차 출처로 팩트체크(⚠️ 정정 포함).
https://dbhyeong.github.io/blog/ai-llm-it-news-2026-06-30
#AI #LLM #반도체 #데이터센터

2026-06-29 08:58:24 UTC

신문사 편집국처럼 굴러가는 LLM 지식 위키 — LLM Wiki Newsroom을 뜯어봤습니다.
Karpathy의 'LLM Wiki'를 기자·논설위원·데스크·교열·편집국장 5개 역할로 나누고, '쓰는 Claude'와 '검수하는 Claude'를 다른 인스턴스로 분리해 자기편향을 줄이는 구조. 게시 전 2관문(결정론 lint + 정성 리뷰)과 규칙이 스스로 고쳐지는 자기개선 루프까지 들어 있습니다.
'세계 최초' 같은 과장은 1차 출처(GitHub·arXiv)로 팩트체크해 분리했어요.
▶ https://dbhyeong.github.io/blog/llm-wiki-newsroom-multi-agent-knowledge-wiki
#LLM #AI에이전트 #지식관리

2026-06-28 02:53:58 UTC

새 글 공유합니다.
YouTube MP4·SRT·썸네일·쇼츠 3개까지 자동 업로드하는 파이프라인
Codex/Claude Code로 원본 영상, SRT 자막, 썸네일, SEO 제목·설명·타임라인·해시태그, 쇼츠 하이라이트 3개까지 묶어 최종 업로드하는 구조를 정리했습니다.
원문: https://dbhyeong.github.io/blog/youtube-api-mp4-srt-thumbnail-shorts-pipeline
#YouTubeAPI #자동화 #LLM #Codex #ClaudeCode #Shorts

2026-06-27 07:40:36 UTC

오늘은 YouTube MP4를 Vrew 자동자막/SRT로 가져와, 타임라인은 유지하고 문장만 다듬은 뒤 sceneId 기준으로 쇼츠 8개를 렌더링한 과정을 정리했습니다.
핵심:
- Vrew가 자막·장면 구조를 먼저 잡아줌
- SRT는 시간값 보존, 오탈자/문장만 수정
- .vrew ZIP/project.json에서 captions/sceneId 확인
- ffmpeg ASS \N 줄바꿈 문제 해결
원문: https://dbhyeong.github.io/blog/capcut-vrew-srt-shorts-pipeline

2026-06-26 09:03:17 UTC

Hyeong Nostr API publishing test.
Original: https://dbhyeong.github.io/