전체 글 (101) 썸네일형 리스트형 Airflow 분리 후에도 데이터 생산자를 찾을 수 있는 코드 구조 Airflow 실행 환경을 팀별로 나눠도 데이터 의존 관계까지 끊을 수는 없다. 다른 팀 테이블의 생산자를 코드에 남기고, 실제 적재 완료는 생산 시스템의 상태로 확인해야 한다. 이 구분이 있어야 사람과 AI가 같은 저장소에서 데이터의 흐름을 따라갈 수 있다.SQL에 테이블 이름이 있어도 생산자는 보이지 않는다SQL에서 읽는 테이블을 찾은 다음에는 생산 주체를 따로 추적해야 한다. 원천 DB에서 적재하는지 다른 팀의 배치가 만드는지는 별도 시스템에 있을 수 있다. 사람은 담당자에게 물어볼 수 있지만 코드만 읽는 에이전트는 그 지점에서 탐색이 끊긴다.토스의 DW Airflow 개편 사례는 이 간극을 보여준다. 테이블 하나를 이해하는 데 DAG, SQL, 품질 규칙, 데이터 카탈로그, 적재·영향도 시스템을 .. 코딩 에이전트 평가: 같은 요구사항도 나눠 주면 비용이 달라진다 코딩 에이전트의 비용을 비교할 때는 같은 모델·같은 문제만 맞추면 부족하다. 요구사항을 한 번에 알려주는지, 작업이 진행된 뒤 차례로 공개하는지도 비용에 영향을 준다. 최종 코드가 같은 테스트를 통과해도 그 결과에 도달하는 비용은 달라질 수 있다.요구사항을 나눴더니 작업당 비용이 2.0~2.6배 늘었다JetBrains Research의 분석은 실제 IDE의 에이전트 대화 4,782개를 살핀 뒤, 이슈 하나를 완성된 메시지로 주는 벤치마크와 개발자의 대화 흐름을 비교했다. 실제 세션의 50.9%는 개발자 메시지 하나로 끝났지만, 나머지는 여러 메시지로 이어졌다. 한 메시지 평가는 실제 사용의 일부를 보여주지만 전부를 대표하지는 않는다.연구진은 기존 문제의 저장소·환경·테스트·요구사항을 유지한 채 사용자 메.. Java API 삭제 전 영향 분석: 호환성 경고 다음에 확인할 사용처 Java 라이브러리의 오래된 API를 지우려면, 호환성 경고와 실제 사용처를 따로 확인해야 한다. 경고는 무엇이 깨질 수 있는지 알려주고, 호출부와 사용 버전은 누구와 마이그레이션을 조율할지 알려준다. 검색 결과가 없을 때도 조사 범위가 충분했는지 봐야 한다.자체 테스트는 통과했고 대체 API도 이미 제공하고 있는데, 이전 메서드를 삭제해도 될지 확신하기 어려운 순간이 있다. 라이브러리 저장소 안에서는 보이지 않는 다른 서비스의 호출부가 문제다. Netflix의 Quasar 개발 사례는 이 간극을 코드 리뷰 단계에서 메우는 방법을 다룬다.호환성 검사는 변경을 찾고, 사용처 조사는 할 일을 찾는다공개 메서드를 삭제하면 호환성 검사기는 API 계약이 달라졌다는 신호를 낼 수 있다. 하지만 그 경고만으로 실제.. Git 저장소의 쓰기 병목, 잠금을 브랜치별로 나누면 달라지는 것 Git 저장소를 원격 리전으로 복제할 때, 쓰기 지연은 네트워크 거리만으로 결정되지 않는다. 복제를 기다리는 동안 저장소 전체를 잠그면 다른 브랜치의 push까지 밀린다. 서로 독립적인 참조의 쓰기를 병렬로 진행하면 이 대기열을 줄일 수 있다.GitHub가 공개한 저장소 인프라 변경은 이 차이를 보여 준다. 여기서 다루는 것은 개발자 PC의 Git 설정이 아니라, 서버가 여러 복제본의 갱신 순서를 조정하는 방식이다.원격 복제를 기다리는 동안 다른 push도 멈췄다GitHub는 AI 에이전트 사용에 따른 트래픽 증가와 데이터센터 용량 제약 속에서 저장소 복제본을 Azure로 옮기고 있다. GitHub의 인프라 설명에 따르면 기존 데이터센터와 대상 Azure 리전 사이의 네트워크 왕복은 약 25ms이며, 한.. LLM 모델 교체 후 비용 증가: 프롬프트 캐시 경계가 바뀌었을 수 있다 LLM 모델을 바꾼 뒤 비용이 늘었다면 단가와 함께 프롬프트 캐시를 확인해야 한다. 공통 지침을 매번 똑같이 보내도, 재사용할 구간의 끝에 캐시 경계가 없으면 입력이 바뀔 때 다시 처리할 수 있다.단가는 내려갔는데, 요청당 비용은 3.2배가 됐다당근 커뮤니티홈팀은 게시글의 주제를 분류하는 작업에서 이 문제를 겪었다. 매번 같은 지시문과 카테고리 목록을 보내고, 뒤에 분류할 글을 붙이는 요청이었다. 당근의 기술 글에 따르면, 이 팀은 2026년 8월 Gemini에서 단가가 20% 낮은 GPT-5.6으로 옮겼지만 닷새 뒤 요청당 비용이 3.2배로 늘어난 것을 확인했다.응답은 정상이고 오류도 없었다. 달라진 것은 입력 토큰 중 캐시에서 읽은 비율이었다. 교체 전 85.8%였던 값이 2.3%로 떨어졌다. 이 숫.. 추천 AI의 콜드스타트: 새 상품을 의미 토큰으로 읽는 방법 클릭 기록이 없는 새 상품을 추천하려면, 그 상품과 기존 상품 사이의 연결부터 필요하다. 상품마다 별도 ID만 학습하는 대신 내용이 비슷한 상품끼리 의미 토큰을 공유하게 만들면, 새 상품에도 기존에 배운 패턴을 연결할 수 있다. Meta의 GenRecs Tokenization은 이 입력 표현을 바꾸는 접근이다.상품 번호만으로는 알 수 없는 것온라인 쇼핑몰에 새 운동화가 등록됐다고 해보자. 상품 번호는 발급됐지만 아직 조회·클릭·구매 기록은 없다. 사용자 반응이 적어 추천에 필요한 학습 신호가 부족한 상황을 콜드스타트라고 부른다.상품 번호가 다르다는 사실만으로 두 운동화의 관계를 알 수는 없다. 반면 설명과 사진에는 산길용인지, 도로 주행용인지처럼 연결의 단서가 있다. 새 상품을 완전히 낯선 번호로만 처리.. AI 리뷰가 끝났는데 비용이 계속 나간다면: 완료·취소·시간 초과 구분하기 AI 코드 리뷰 비용을 줄이려면 모델 단가보다 먼저 실행이 끝나는 조건을 확인할 필요가 있다. 리뷰 게시 뒤의 추가 호출, CI 취소 뒤 살아 있는 작업, 시간 초과 뒤의 재시도를 구분해야 이미 끝난 일에 토큰을 쓰지 않는다.Cloudflare의 리뷰 시스템에서는 실제로 이 세 경계에서 낭비가 생겼다. 모델을 더 작게 바꾸는 문제와는 다르다. 리뷰를 언제 완료로 볼지, 취소를 어디까지 전달할지 정하는 실행 제어의 문제다.리뷰를 올린 뒤에도 모델이 한 번 더 돌았다리뷰가 게시되면 할 일이 끝났다고 생각하기 쉽다. 하지만 에이전트가 도구를 호출하는 구조에서는 게시 결과도 다시 모델 입력으로 들어갈 수 있다. 모델은 그 결과를 읽고 다음 답변을 만들기 때문이다.Cloudflare의 최적화 사례에서는 OpenC.. AI 에이전트가 엉뚱한 UI를 고친다면, 현재 화면부터 읽게 하자 AI 에이전트가 엉뚱한 앱 화면을 수정한다면, 행동 전에 실제 화면 상태를 조회하는 도구를 붙일 필요가 있다. Meta는 Forum 개발에서 시뮬레이터의 화면 계층과 실제 요소, 대상 화면으로 가는 경로를 읽게 해 이런 혼동을 줄였다고 설명한다.Forum 개발 사례에는 구체적인 실패 장면이 나온다. 그룹 홈 화면을 고치라고 했는데 에이전트는 전체 홈 피드를 수정하거나 화면 좌표를 추측했다. 요구한 기능을 이해하는 일과 지금 어느 화면을 다루는지 아는 일이 따로였던 셈이다.화면 설명을 행동 직전의 조회로 바꾼다Meta가 제공한 도구는 실행 중인 화면을 직접 확인하는 쪽이었다. 시뮬레이터는 앱을 띄워 동작을 확인하는 환경이고, 뷰 계층은 그 화면을 이루는 요소들이 어떤 부모·자식 관계로 배치됐는지 보여 주는.. 이전 1 2 3 4 ··· 13 다음
