출처: Anthropic 문서유형: 번역·해설 #Anthropic #Claude #MultiAgent #AIAgent #Research 핵심 요약 Anthropic이 Claude Research를 만들며 얻은 결론은 분명합니다. 복잡한 리서치에서는 “하나의 똑똑한 에이전트”보다, 여러 하위 에이전트가 각자 다른 방향을 탐색하고 핵심만 압축해 올리는 구조가 더 강합니다. 다만 이 방식은 토큰과 조율 비용이 크기 때문에, 모든 작업이 아니라 넓은 정보 탐색이 필요한 고부가가치 작업에 맞습니다. ...
출처: Anthropic 문서유형: 번역·해설 #Anthropic #ProjectGlasswing #ClaudeMythos #Cybersecurity #ZeroDay #AIAgent 핵심 요약 Anthropic이 Project Glasswing을 발표했습니다. AWS, Apple, Google, Microsoft, NVIDIA, Cisco, CrowdStrike, Linux Foundation, JPMorganChase 등 주요 기업이 참여하는 사이버보안 협력 프로젝트입니다. ...
출처: Import AI 454 문서유형: 번역·해설 #ImportAI #AIResearch #Alignment #AutomatedResearch #AI안전 #Huawei #Kimi 핵심 요약 이번 Import AI 454의 가장 자극적인 신호는 분명합니다. AI가 AI 연구를 자동화하기 시작했다는 것입니다. Anthropic의 자동화된 정렬 연구 실험은 Claude 기반 에이전트들이 아이디어를 제안하고, 실험을 돌리고, 결과를 분석하며, 인간 연구자보다 높은 성과를 낸 사례를 보여줍니다. ...
출처: Addy Osmani 문서유형: 번역·해설 #AgentHarness #HarnessEngineering #AIAgent #OpenClaw #TechLLM #Subagent 핵심 요약 AI 에이전트의 성능은 모델 하나로 결정되지 않습니다. 모델을 둘러싼 프롬프트, 도구, 파일 시스템, 샌드박스, 메모리, 훅, 서브에이전트, 검증 루프까지 합쳐져야 실제로 일을 끝내는 에이전트가 됩니다. Addy Osmani는 이 전체 구조를 **하네스(harness)**라고 부릅니다. ...
출처: TechLLM 문서유형: 블로그 포스트 #AI에이전트 #AI활용 #프롬프트 #업무자동화 #생산성 #AgenticWorkflow #TechLLM 핵심 요약 AI 에이전트 시대에는 좋은 프롬프트 문장보다 업무 구조를 설계하는 능력이 더 중요해지고 있다. 목표, 입력자료, 판단 기준, 검증 루프가 잡혀 있어야 AI는 단순히 그럴듯한 답을 내는 수준을 넘어 실제 업무 흐름 안에서 안정적으로 결과를 만든다. ...
Claude Code가 정말 나빠졌던 이유: Anthropic이 밝힌 세 가지 원인 메타 설명: Claude Code 품질 저하가 단순한 체감이 아니었다. Anthropic이 공개한 세 가지 원인, 추론 강도 변경, thinking 삭제 버그, 과도한 길이 제한 프롬프트를 시간순으로 정리한다. ...
GPT-5.5는 왜 그냥 더 좋은 모델이 아니라, 일을 끝내는 방식 자체를 바꾸는 모델처럼 보일까 메타 설명: GPT-5.5는 단순히 답을 더 잘 만드는 모델이 아니다. 복잡하고 애매한 업무를 계획하고, 툴을 넘나들고, 검증하며 끝까지 밀어붙이는 업무 수행형 AI에 가까워졌다. GPT-5.4 대비 같은 지연 시간에서 더 높은 성능, 더 적은 토큰, 더 강한 에이전트형 작업 능력이 왜 중요한지 실무 관점에서 정리한다. ...
TechLLM 블로그를 시작하며 원문: 자체 작성 문서 유형: 블로그 소개 #TechLLM #블로그 #AIAgent 먼저 핵심만 보면 이 블로그는 LLM과 AI 에이전트를 실전 관점에서 다룹니다 단순 뉴스 요약보다 적용과 운영에 더 집중합니다 OpenClaw, Claude, 자동화, 제품화가 핵심 주제입니다 TechLLM은 화려한 발표보다, 실제로 써보고 부딪히며 정리한 내용을 쌓아가는 공간입니다.