Pull Request 대신 "Prompt Request" 라니 놀랍네요.
아주 예전에 MDA 에 관심많았다가 비현실적이라 포기했었는데, 이게 이렇게 실현되는군요.

재밌는 프로젝트 같습니다!

Ix 명세 작성 -> Ix Tool로 lx 함수들을 진짜 함수로 대체 -> go 컴파일 하는군요
lx를 사용하는 레어어가 프로젝트에 생겨서
LLM으로 작성된 계층을 분리할 수 있을거 같아 나중에 유지보수 할때도 편하게 할 수 있을 것 같습니다.

LLM을 사용한 흥미로운 시도 같네요!

목표는 흥미로운데, 본문 전반에서 ai 특유의 문체가 강하게 느껴져서
신뢰하기 어렵네요.

사실 LLM은 데이터베이스입니다. 스키마를 알아야 질의가 가능하죠. 진실은 질문을 잘해야 하는 게 아니라 질의를 잘해야 한다는 겁니다.

스키마는 LLM이 학습한 데이터, 그것에 대한 사전 지식에서 찾을 수 있는 것입니다.

"빠르게 움직이고 부수기"

  • 구현 세부사항보다 결과물에 관심을 가진 엔지니어가 AI와 잘 협업
    • 알고리듬 퍼즐 풀기를 좋아하는 엔지니어는 "AI 네이티브" 전환에 어려움을 겪음
    • 제품 출시를 좋아하는 사람이 더 잘 적응

문장이 공감되네요

해당 기사 페이지 중간에 베스트 댓글 하나 선정된 게 "[...] 상태 바와 아래 바를 하나로 합쳐 통합형 바로 [...] 안드로이드 3.0 허니콤이 이걸 가지고 있었고 최고였다."에 격하게 공감이 갑니다.

lx.Generate 를 호출하는 코드가 커맨드 라인에서 명령을 내리면 LLM으로 작성한 코드로 변경되는 방식이 맞겠지요?
호출하는 부분이 일종의 타입 제약이 될 수 있는 부분은 좋은 아이디어 같습니다. 에디터 등에서 lx 명령이 자동으로 실행되어서 구현 코드를 대치해주는 방식도 고려하시는지 궁금하네요. (아울러 생성된 코드가 맘에 안들 때 재생성하는 방법이 있거나하면 좋을 것 같습니다.)
프로젝트 잘 보았습니다.

월드 모델은 환경의 역동성을 시뮬레이션하여 환경이 어떻게 진화하고 행동이 어떤 영향을 미치는지 예측합니다. 구글 딥마인드는 체스 나 바둑 과 같은 특정 환경을 위한 에이전트를 개발한 경험이 있지만 , 일반 인공지능(AGI)을 구축하려면 현실 세계의 다양성을 탐색할 수 있는 시스템이 필요합니다.

이러한 과제를 해결하고 인공 일반 지능(AGI) 개발이라는 목표를 달성하기 위해 저희는 Genie 3를 개발했습니다. 정적인 3D 스냅샷에서 탐색하는 경험과는 달리, Genie 3는 사용자가 움직이고 세상과 상호작용할 때 실시간으로 앞길을 생성합니다. 역동적인 세계의 물리 법칙과 상호작용을 시뮬레이션하는 동시에, 획기적인 일관성을 통해 로봇 공학, 모델링, 애니메이션, 픽션 제작부터 장소 탐색 및 역사적 배경에 이르기까지 모든 현실 세계 시나리오를 시뮬레이션할 수 있습니다.

다양한 산업 및 분야의 신뢰할 수 있는 테스터들과 함께 진행한 모델 연구를 바탕으로, 저희는 실험적인 연구 프로토타입인 '프로젝트 지니'를 통해 다음 단계로 나아가고 있습니다.

AI로 작성된 코드를 읽으려고 한 저의 잘못이 큽니다.

저는 그래서 Gemini instruction으로 "사용자를 과하게 칭찬하거나 띄우지 말 것. 중립적이고 과학적/학술적인 문체로 답변할 것. 항상 레퍼런스를 제시할 것."으로 설정하고 사용합니다. 여전히 지시사항을 어기는 경우(e.g., YouTube 비디오 포함 금지를 지시했지만 가끔 끼워넣음)가 왕왕 있지만 그래도 훨씬 깔끔하고 요점에 집중한 답변을 생성합니다.

AI가 개 고양이 구분했던 상황이 아주 조금 더 우리에게 밀접하게 다가왔을 뿐.. 그 이상의 가치가 있는지 모르겠습니다.

많이 공감하는 부분인데요. 클로드 코드는 명확한 지침이나 fine-code에 대한 모델(곤조?)을 가지고 있는것 같다는 느낌이 많이 들었습니다. 개입해서 문제해결하는 과정이 codex와는 정말 다르더군요.

미사일 쏘는데 통제권 없으니 들고 뛰자는 소리오 들리네요 ㅋㅋㅋ

인터페이스및 구조설계가 70%이고, 30%가 비지니스 로직인데...
Ai에게 30%만 시키겠다는 건가?
그리고 메소드 레벨이 10레벨 이라면 몇레벨부터 ai개 하는 것임?

본인이 메타 인지가 있어야 좋은 사고가 가능한거지, LLM이 있다고 해서 사고가 향상되진 않습니다. 그리고 LLM을 초반에 사용하는 사람은 메타인지도 박살나겠죠..

수능 끝나고 대학 입학 때까지 펑펑 논 기억 밖에 없는데... README 읽어보니 핵심적인 내용 잘 이해하신 거 같습니다. 저도 이 책 읽고, swift 로 구현해봤었네요. ㅎㅎ

글쎄요, 오히려 잘못된 아부성 응답들때문에 자신만의 사고관에 갇혀버리는 케이스도 생기는것 같습니다. 명확하게 정리해주는 툴로써는 유용하지만 AI의 응답에 대해서는 항상 비판적 관점으로 보는것도 중요하다고 봅니다.

에엥 요약이 잘못되었는데요 ㅋㅋ

생각해보셈, 점으로써의 빛.선으로써의 빛. 스펙트럼이나 필드로써의 빛. 구조나 원리로써의 빛. 법칙으로써의 빛. 섭리로써의빛. 코딩이나 데이터. 개념과 지식. 원리자체를 전부 이런식으로 바꾸면 사고의 패러다임이 격변함