흥미로운 연구네요. 특히 "Build vs Buy"에서 12/20 범주가 DIY라는 점이 인상적입니다.
저희도 AI 에이전트 페르소나 표준(Soul Spec)을 만들면서 비슷한 관찰을 했는데, Claude Code에 CLAUDE.md나 AGENTS.md로 도구를 명시하지 않으면 자기 방식대로 구현하는 경향이 강합니다.
이 연구의 "Recency Gradient"가 시사하는 건, 새로운 도구가 Claude의 기본 스택에 들어가려면 학습 데이터에 충분히 노출되거나, 프로젝트 컨텍스트 파일에 명시적으로 지정해야 한다는 점인 것 같습니다. 결국 Context Engineering이 도구 선택까지 좌우하는 셈이죠.
흥미로운 연구네요. 특히 "Build vs Buy"에서 12/20 범주가 DIY라는 점이 인상적입니다.
저희도 AI 에이전트 페르소나 표준(Soul Spec)을 만들면서 비슷한 관찰을 했는데, Claude Code에 CLAUDE.md나 AGENTS.md로 도구를 명시하지 않으면 자기 방식대로 구현하는 경향이 강합니다.
이 연구의 "Recency Gradient"가 시사하는 건, 새로운 도구가 Claude의 기본 스택에 들어가려면 학습 데이터에 충분히 노출되거나, 프로젝트 컨텍스트 파일에 명시적으로 지정해야 한다는 점인 것 같습니다. 결국 Context Engineering이 도구 선택까지 좌우하는 셈이죠.
원본 데이터셋도 공개되어 있어서 좋습니다: https://github.com/amplifying-ai/claude-code-picks