Essays#

여기는 Notes 안에서 생각/의견/관찰/회고/방향성 성격의 글을 모아두는 곳입니다.

• 사건이나 현상에 대한 개인적인 의견
• 블로그/일/삶에 대한 방향성 정리
• 짧은 관찰부터 긴 에세이까지

최신 글

AI 구독은 왜 값싼 API가 아닌가

AI 구독제가 API보다 저렴한 이유와 그 경제성이 개인용 제품의 경계 안에서만 성립하는 이유를 살펴봅니다. Claude, Codex, Gemini 구독 계정을 서드파티 에이전트에 연결하며 확인한 인증과 과금의 차이도 정리했습니다.

프롬프트 캐싱을 제대로 파고들었더니, 히트율은 목표가 아니었습니다

LLM 프롬프트 캐싱이 모델 안에서 무엇을 재사용하는지, 캐시 히트율이 왜 비용 지표로 부적절한지 파고든 기록입니다. KV 캐시의 정체부터 지층 설계 원칙, 코딩 에이전트의 자동 캐싱 동작까지 정리했습니다.

에이전트에게 브라우저를 맡길 때 만나는 두 개의 벽

코딩 에이전트가 브라우저로 직접 검증하게 하는 워크플로우에서 부딪힌 두 가지 문제 — 다중 세션의 크롬 충돌과 구글 로그인 차단 — 의 원인을 분석하고, --isolated 옵션과 attach 패턴으로 해결한 과정을 정리합니다.

AI 에이전트 시대의 컨텍스트 스위칭 — 사람이 스케줄러가 될 때

AI 에이전트가 최종 작업을 대신하는 시대, 사람의 병목은 여러 에이전트 사이를 오가는 컨텍스트 스위칭으로 옮겨왔습니다. 주의 잔류와 재개 지연 연구를 근거로, 알림 즉시 전환 금지·재개 메모·대화형 작업 수 제한이라는 세 가지 운용 규칙을 정리합니다.

활성 사용자 급락의 범인을 찾아서 — 봇, 착시, 그리고 색인 붕괴

Google Analytics 활성 사용자 그래프가 가파르게 떨어졌을 때, 그 숫자를 그대로 믿는 대신 데이터를 한 겹씩 벗겨가며 진짜 원인을 찾은 과정을 정리합니다. 봇 트래픽 판별법, 도메인 이전 후 색인 붕괴 진단, 그리고 색인 다이어트까지의 기록입니다.

코딩 에이전트의 디자인은 왜 비슷비슷한가 — 디자인 스택을 고르기까지의 조사와 결정

코딩 에이전트가 만드는 웹 디자인이 비슷비슷하고 어설픈 이유를 짚고, 이를 해결하기 위한 스킬·MCP·하네스 지침을 조사하여 실제 프로젝트의 디자인 스택을 결정하기까지의 과정을 정리한 에세이입니다.

LLM Wiki, 직접 열어보니 — '자동 기억'이라는 오해와 몇 줄짜리 스키마

Andrej Karpathy가 제안한 LLM Wiki를 실제로 저장소에 적용해 보며 깨달은 것들을 정리했습니다. '알아서 갱신되는 자동 기억'이라는 오해를 바로잡고, 이 패턴의 핵심이 사실은 '몇 줄짜리 스키마'라는 점, 그리고 그것을 어떻게 저장소에 들였는지를 다룹니다.

feature flag는 무엇을 해결하는가 — 단일 브랜치 협업과 구글식 트렁크 개발의 오해

여러 사람이 하나의 브랜치에 직접 push하는 협업 방식의 문제를 feature flag로 풀 수 있는지 검토한 에세이입니다. feature flag가 실제로 해결하는 문제와 그렇지 못한 문제, 그리고 구글식 트렁크 개발이 작동하는 진짜 조건을 정리합니다.

AWS Bedrock은 모델을 중계하는 줄 알았는데, 알고 보니 직접 돌리고 있었습니다

AWS Bedrock이 Claude·GPT 같은 외부 LLM을 어떻게 제공하는지 파고든 기록입니다. 전용선 중계가 아니라 직접 호스팅이며, 암호학적 봉인과 무운영자접근으로 모델 자산을 보호하는 구조를 정리했습니다.