three.js로 3D 화면을 만들 때 가장 오래 걸리는 구간은 아이디어가 아니라 첫 화면이 제대로 도는 상태까지 가는 과정입니다. 카메라 위치, 조명, 재질, 애니메이션 루프가 서로 얽혀 있어서 하나를 건드리면 다른 하나가 틀어지기 때문입니다. ThreeUI는 이 출발점을 건너뛰게 해 주는 리소스입니다. 이 글에서는 ThreeUI가 무엇을 제공하는지, 왜 처음부터 생성하는 것보다 기존 컴포넌트를 고치는 편이 안정적인지, 그리고…
바이브코딩을 시작하면 AI가 코드를 만들어 주는 속도는 빠른데, 어느 순간부터 수정할수록 결과가 불안정해지는 구간이 옵니다. 이때 문제를 프롬프트 탓으로 돌리기 쉽지만, 비개발자에게 반복해서 나타나는 원인은 대체로 따로 있습니다. 무엇을 만들지 충분히 좁히지 않았거나, 여러 변경을 한 번에 요청했거나, 화면이 보이는 상태를 완성으로 착각한 경우입니다. 특히 판매 페이지나 신청 서비스처럼 입력, 결제, 관리자 확인이 연결된 작업은…
메타가 2026년 8월 6일 코딩 에이전트 Muse Code 베타와 이를 구동하는 Muse Spark 1.2를 함께 공개했습니다. Muse Code는 터미널에서 실행되며 저장소 전체를 분석하고, 변경 계획을 세운 뒤 코드를 작성하고 테스트까지 수행하는 도구입니다. 수치만 보면 Muse Spark 1.2는 최상위권 모델입니다. 다만 이번 발표에서 더 중요한 부분은 모델의 점수 자체가 아니라, 모델과 에이전트 하네스(harness), 실행 환경을 하나의…
AI 코딩 도구를 사용하다 보면 기능 자체보다 작업 범위가 더 큰 문제가 될 때가 있습니다. 버그 하나를 고쳐 달라고 했는데 관련 파일을 대거 수정하거나, 간단한 기능에 여러 추상화 계층을 만들고, 테스트도 실행하지 않은 채 “수정했습니다”라고 끝내는 식입니다. andrej-karpathy-skills는 이런 문제를 줄이기 위한 Claude Code 규칙 파일 모음입니다. 새로운 프레임워크나 별도의 실행 엔진이 아니라, AI 에이전트가…
Claude Code를 오래 사용할수록 프로젝트의 CLAUDE.md가 비대해지기 쉽습니다. 코딩 규칙, 테스트 방법, 커밋 형식, UI 가이드, 문서 작성법을 한 파일에 계속 추가하다 보면 매번 모든 내용이 대화 맥락에 들어갑니다. 작업에 필요하지 않은 지침까지 읽히면서 토큰을 소비하고, 정작 중요한 요구사항이 묻히는 문제도 생깁니다. 최근 소개된 맥락 설계 방식의 핵심은 프롬프트를 많이 쓰는 것이 아니라 필요한 정보를…
Codex에서 GPT-5.6 Luna를 서브에이전트로 사용하려면 단순히 모델 이름을 요청하는 것만으로는 부족합니다. Codex가 Luna를 멀티 에이전트용 모델로 인식하도록 로컬 모델 카탈로그를 연결하고, 기능을 활성화한 뒤 새 작업에서 실제 자식 세션을 확인해야 합니다. 아래 내용은 2026년 8월 1일 기준으로 실행을 확인한 구성을 바탕으로 정리한 것입니다. 당시 메인 모델은 gpt-5.6-sol, 서브에이전트는 gpt-5.6-luna였으며, 데스크톱 Codex는 0.146.0-alpha.9.2, 터미널 Codex는 0.146.0이었습니다….
딥시크가 V4-Flash 정식판 가중치를 MIT 라이선스로 공개했습니다. 4월 프리뷰를 대체하는 버전이며, 상업적 이용·수정·재배포가 가능한 형태입니다. API는 공개 베타로 제공되고 입력 가격은 100만 토큰당 0.14달러, 출력은 0.28달러입니다. 모델을 직접 내려받아 서버나 로컬 장비에서 실행하면 토큰 사용량에 따른 API 비용은 발생하지 않습니다. 이번 공개에서 중요한 부분은 단순히 가격이 싸다는 점이 아닙니다. 같은 규모와 구조를 유지하면서 코딩 에이전트,…
앤트로픽이 Claude Code의 시스템 프롬프트를 80% 넘게 줄였는데도 코딩 평가 점수에서 측정 가능한 하락이 없었다는 내용이 공개됐습니다. 이 사례가 흥미로운 이유는 단순히 프롬프트를 짧게 만들었다는 데 있지 않습니다. 오랫동안 코딩 에이전트 설정에 추가해 온 세부 규칙 중 상당수가 실제 품질을 높이기보다 모델의 판단을 묶는 장치였을 가능성을 보여주기 때문입니다. 다만 이 결과는 Opus 5와 Fable 5를…
바이브코딩으로 웹사이트를 만들고 나면 보통 마지막 단계에서 AI에게 “잘 만들었는지 확인해줘”라고 묻게 됩니다. 하지만 이 질문에는 좋은 답이 나오기 어렵습니다. 코드를 생성한 AI가 스스로 만든 결과물을 평가하면, 눈에 띄는 오류가 없는지만 보고 실제 사용자의 실패 경로를 놓치기 쉽기 때문입니다. 배포 버튼을 누르기 전에는 칭찬을 요구하기보다 출시를 보류할 권한이 있는 QA 리드처럼 행동하라고 지시하는 편이 낫습니다….