GeekNews Weekly

11명에서 시작해 150명 규모로 성장한 PostHog가 5년간 겪은 시행착오를 정리했습니다. 핵심은 더 많은 채용보다 작은 팀의 효과성과 명확한 책임 구조를 유지하는 것이며, AI나 마케팅보다 ‘가치 있는 문제 정의’와 ‘사용자 대화’ 가 진짜 성장의 동력임을 강조합니다. 또한 브랜드가 커질수록 의견과 개성을 잃지 않는 것이 ICP(Ideal Customer Profile)의 관심을 붙잡는 비결이라 말합니다. 스타트업이 스케일업 단계에서 흔히 놓치는 균형점을 날카롭게 짚고 있어서, 성장통을 겪는 팀이라면 곱씹어볼 만한 글입니다.

바이브코딩과 GenAI를 결합해 자녀를 위한 맞춤형 영어학습 앱을 직접 만든 사례입니다. 읽기·듣기·단어·문제·쓰기까지 하나의 루틴으로 연결하고, LLM이 수준별 지문과 피드백을 자동 생성해 학원식 커리큘럼을 대체했습니다. Google TTS API를 활용한 여러 국가별 발음, 단어장 자동화, 플래시카드 미니앱 등 실용적인 구성이 흥미로운데요. “가장 좋은 경험은 결국 사용자를 가장 잘 아는 사람이 만든다”는 점을 느끼게 합니다.

엔지니어링 관리의 ‘정답’은 시대마다 달라졌습니다. 2000년대의 기회 탐색형 리더, 2010년대의 채용 중심 매니저, 2020년대의 hands-on 실무형 관리자까지 달라져온 변화의 배경은 언제나 비즈니스 환경과 기술 생산성 기대치였습니다. 그래서 이 글은 유행을 따르기보다 실행, 팀, 오너십, 얼라인먼트 같은 핵심 역량과 안목, 명확성, 모호함 탐색, 단기와 장기 시간에 알맞는 사고를 균형 있게 키워야 한다고 강조합니다. 결국 좋은 매니저는 시대의 흐름을 읽되, 자신의 에너지와 커리어 지속성을 설계할 줄 아는 사람입니다.

터미널에서 바로 Docker 개념을 실습 중심으로 익힐 수 있는 TUI 학습 도구입니다. Bubble Tea 기반 인터랙티브 UI로 명령을 실행하면 즉시 피드백을 받아, 단순한 이론이 아닌 실수를 통해 배우는 경험형 학습을 제공합니다. 컨테이너 실행부터 Dockerfile 작성, 볼륨·네트워크·Compose까지 15개 이상의 과제를 단계적으로 익힐 수 있어, 실무 감각을 빠르게 쌓고 싶은 개발자에게 특히 유용합니다.

뛰어난 디자이너는 단순히 재능이 아니라 아이디어를 현실로 구현하는 실행력과 조직 안에서 영향력을 만드는 사회적 감각을 갖춘 사람입니다. 이 글은 이상보다 현실을 정확히 읽고, 문제를 리프레이밍하며, 동료와 함께 움직일 수 있는 실용적 이상주의를 강조합니다. 특히 “왜 우리 일을 이해하지 못하느냐”는 분노 대신, 전문성을 설명할 책임을 받아들이는 태도가 진짜 신뢰를 만든다고 말하죠. 디자인을 ‘예술’이 아닌 ‘조직적 설계 행위’로 바라보는게 중요합니다.

앞의 글에 연결해서 디자인 실력보다 조직을 읽는 감각과 관계를 다루는 태도가 영향력을 좌우한다는 통찰이 돋보입니다. 이 글에서는 ‘최악의 디자이너’의 비효과적인 습관이 어떻게 신뢰를 잃고 스스로를 고립시키는지를 짚습니다. 특히 학습된 무기력과 호기심 결여가 경력을 잠식하는 과정을 조직 맥락 속에서 분석하며, 디자이너라는 소수 직군이 처한 구조적 취약성도 설명합니다. 결국 기술보다 태도가 커리어를 결정짓는다는 점에서, 다른 직군의 리더나 PM에게도 도움이 되는 글입니다.

AI가 Git 히스토리를 읽고 커밋 메시지를 재작성해주는 도구로, 오픈소스 프로젝트를 공개하기 전이나 PR 직전에 히스토리를 깔끔하게 정리하고 싶은 개발자에게 특히 유용합니다. Conventional Commits 규칙, 스마트 필터링, 품질 점수 시스템을 통해 이미 잘 작성된 커밋은 건너뛰고, 개선이 필요한 부분만 정교하게 다듬습니다. Git Hooks와 CI/CD 통합으로 워크플로우에 자연스럽게 녹아들며, 로컬 LLM(Ollama) 지원 덕분에 코드 유출 걱정 없이 사용할 수 있습니다.

비밀번호를 ‘저장’하지 않고 계산으로 재현한다는 발상이 흥미롭습니다. Cloudflare의 Go 기반 CLI 도구 gokey는 마스터 비밀번호와 realm 문자열만으로 항상 동일한 비밀번호나 키를 즉석 생성해, 동기화나 저장소 유출 걱정을 완전히 없앱니다. 단순한 로그인 비밀번호부터 ECC·RSA·Curve25519 키까지 생성할 수 있어, 개발자 입장에선 보안 토큰이나 테스트용 키를 빠르게 만들어 쓸 때도 유용합니다. 실제로 사용하기엔 여러 난점이 있을 것 같기는 합니다만, “신뢰할 저장소 대신, 신뢰할 수 있는 수학”을 택한 접근이라 보안 설계 관점에서도 꽤 매력적입니다.

인간의 뇌가 출생부터 90세까지 다섯 개의 ‘시대’ 를 거치며 변한다는 대규모 연구인데요. 특히 약 32세 전후에 가장 큰 구조적 전환이 일어나며, 뇌가 안정된 성인기 모드로 진입한다는 점이 흥미롭습니다. 이 연구는 신경 연결망의 효율성과 분화도를 정량화해, 청소년기(9~32세)가 정신건강 취약성과 깊이 연결된 시기임을 보여줍니다. 뇌 발달을 단순한 성장 곡선이 아닌 네 번의 전환점을 지나는 네트워크 재구성 과정으로 본다는 점에서, 인간 발달을 데이터로 읽는 새로운 시각을 제시합니다.

Anthropic이 Claude Developer Platform에 공개한 세 가지 신규 기능은 AI가 수천 개의 외부 도구를 필요할 때만 탐색·호출·학습하도록 설계된 고급 오케스트레이션 구조를 제시합니다. Tool Search Tool은 필요한 시점에만 도구 정의를 불러와 토큰 사용량을 최대 85% 줄이며, Programmatic Tool Calling은 코드 실행 기반 병렬 호출로 지연 시간과 비용을 동시에 절감합니다. 여기에 Tool Use Examples가 더해져 모델이 실제 사용 패턴을 학습함으로써 복잡한 매개변수 처리 정확도를 크게 높입니다. 거대한 에이전트 생태계를 효율적으로 제어하려는 개발자라면, 이 조합이 “AI가 도구를 다루는 방식” 자체를 어떻게 재정의하는지 주목할 만합니다.

AI 프로토타이핑이 제품 개발의 새로운 표준으로 부상하고 있습니다. 요즘 팀들은 긴 스펙 문서 대신 실제 인터랙션이 가능한 프로토타입으로 아이디어를 검증하고, 즉시 문제/해결 조합을 실험하는 product shaping 루프를 통해 우선순위를 정합니다. 이를 위한 AI 도구 생태계는 AI App Builder·프로토타이핑 도구·AI 코딩 도구로 나뉘며, Bolt·v0·Reforge Build·Claude Code 등의 도구들은 각기 다른 기술 깊이와 협업 방식을 제공합니다. 제품 팀들은 자신의 기술 수준에 맞게, 원하는 범위에 해당하는 도구를 찾고 이를 빠르게 활용하는 것이 중요합니다.

지난 3년간의 LLM 확장 실험은 플러그인에서 프로토콜, 그리고 다시 자연어 중심의 에이전트 구조로 순환하며 진화해왔습니다. 복잡한 ChatGPT Plugins와 MCP가 보여준 기술적 가능성은 컸지만, 결국 개발자들이 원하는 건 단순하고 유연한 “지시 기반 확장성” 임이 드러났습니다. 최근의 Agent Skills는 이 흐름을 집약해, 별도 프로토콜 없이 폴더 단위로 스킬을 정의하고 일반 도구를 활용하는 방향으로 돌아왔습니다. 결국 LLM의 미래는 거대한 플랫폼보다, 컴퓨터와 자연어가 직접 맞닿는 실행 경험을 얼마나 매끄럽게 설계하느냐에 달려 있는 듯합니다.

Git 3.0에서는 새 저장소의 기본 브랜치가 드디어 main 으로 전환됩니다. 2020년부터 이어진 커뮤니티의 논의가 공식 릴리스에 반영된 셈이죠. 이번 버전은 단순한 명칭 변경을 넘어 SHA-256 해시 전환, 저장 형식 개선, Rust 기반 빌드 통합 등으로 Git의 보안성과 구조적 완성도를 한 단계 끌어올립니다.

약 45명의 엔지니어가 분기마다 일주일간 로드맵과 회의를 멈추고 오직 버그 수정과 생산성 개선에 몰입하는 ‘Fixit 주간’을 수행한 경험을 공유하는 글인데요. 2일 이내 해결 규칙, 포인트·리더보드 시스템, 그리고 AI 도구의 코드 탐색 지원 덕분에 189개의 버그가 빠르게 수정되며 팀 전체가 즉각적인 성취감을 느끼게 했다고 합니다. 단순히 기술 부채를 줄이는 행사가 아니라, “무언가를 고치는 즐거움”을 되살려 제품 완성도와 팀 결속을 동시에 높이는 문화적 장치인 것 같습니다. 이런 리듬을 주기적으로 도입하는 건, 바쁜 스타트업에도 꽤 유효한 리셋 버튼이 될 듯합니다.

OpenWorkflow는 PostgreSQL 하나만으로 동작하는 TypeScript 기반 워크플로 자동화 플랫폼으로, 서버 재시작이나 배포 후에도 정확히 마지막 단계부터 복구되는 내구성 있는 실행 모델을 제공합니다. 각 스텝이 한 번만 실행되고 결과가 메모이즈되기 때문에, 결제나 이메일 발송 같은 부작용을 안전하게 제어할 수 있습니다. 별도 서버 없이 워커 프로세스만 띄워도 고가용성과 스케일아웃이 가능하며, OpenAI·Slack·GitHub·Notion 등 주요 SaaS와의 통합도 지원합니다. 단일 DB로 워크플로 엔진을 구현했다는 점이 특히 흥미로운데, 복잡한 인프라 없이 신뢰성 있는 자동화 시스템을 구축하려는 팀에게 매력적인 선택이 될 듯합니다.

AI 시대에는 단순히 총마진이 높은 기업보다 지속 가능한 해자(Moat) 를 가진 기업이 더 강력한 경쟁력을 보입니다. 제품 개발 속도가 빨라진 지금, 모멘텀 확보가 해자를 쌓기 위한 전제 조건이 되었고, 네트워크 효과·규모의 경제·브랜드·차별화된 기술 같은 전통적 방어력은 여전히 유효합니다. 흥미로운 점은, 높은 총이익률이 오히려 AI 활용 부족의 신호일 수 있다는 새로운 시각입니다. 결국 진짜 승자는 빠르게 실행하며 사랑받는 제품을 만들고, 그 위에 자신만의 해자를 구축하는 팀일 것입니다. 총마진보다 방어력의 설계 능력이 더 중요한 시대가 왔습니다.

NPM 레지스트리에서 1,000개 이상의 패키지가 몇 시간 만에 감염되어, Bun 런타임 설치 스크립트로 위장한 악성 코드가 퍼지는 대규모 공급망 공격이 다시 발생했습니다. 이 코드는 TruffleHog을 이용해 개발 환경의 AWS·GCP·GitHub·NPM 토큰을 탈취하고, GitHub Actions 러너(SHA1HULUD) 를 통해 외부로 유출하며, npm publish를 자동 실행해 웜 형태로 자기 복제까지 수행했습니다. 결과적으로 27,000개 이상의 GitHub 저장소가 감염되며, 오픈소스 생태계 전반의 신뢰 체계가 다시 흔들리고 있습니다.

200개의 AI 스타트업을 리버스 엔지니어링한 결과, 무려 73%가 OpenAI나 Claude API를 단순 호출하는 구조로 드러났습니다. 겉으로는 “고유 LLM”과 “독자 인프라”를 내세우지만, 실제로는 GPT-4 래퍼와 표준 RAG 스택을 포장해 수십 배 마진을 붙이는 경우가 많았다고 합니다. 흥미로운 점은, 이런 현실이 단순한 기술 문제가 아니라 투자자와 시장의 ‘고유 AI’ 기대가 만든 인센티브 왜곡이라는 점입니다. 아마도 당분간은 이런 흐름이 계속 되지 않을까 한데요. 결국 중요한 건 모델이 아니라 정직하게 문제를 해결하는 태도입니다.

Google의 Gemini CLI는 단순한 AI 채팅 도구를 넘어, 터미널에서 코드 작성·디버깅·자동화를 수행하는 에이전틱 개발 플랫폼으로 진화하고 있습니다. GEMINI.md를 통한 지속적 컨텍스트 관리, 사용자 정의 명령과 MCP 서버 확장, VS Code 통합 등으로 개발 환경 전반을 하나의 대화형 인터페이스로 묶어내죠. 특히 GitHub Action, 텔레메트리, 확장 모듈까지 지원하며 AI 중심의 워크플로우 자동화를 현실화하고 있습니다. 지난주에 말씀 드렸듯이, 이제 개발자에게는 Gemini도 주요 선택지가 되었습니다.

요즘 해커 커뮤니티에서도 AI 사용의 자기정당화가 일상화되고 있습니다. 능숙한 개발자들조차 vibecoding에 의존하며 통제력을 잃고, 결국 기계가 만든 결과를 인간이 치우는 노동으로 역할이 재편되는 현실이 드러납니다. 글은 LLM이 단순한 도구가 아니라 사고와 표현 과정 자체를 재구성하는 인프라로 작동하며, 그 배후에는 자본과 권력 집중이라는 구조적 목적이 있음을 짚습니다. 결국 우리가 지켜야 할 것은 기술이 아니라 사유와 창작의 주체성이며, 이를 위해 관계·노동·학습·창작을 통한 작은 저항이 필요하다는 메시지가 인상적입니다.

창업자의 커뮤니케이션을 ‘잘 말하는 법’이 아니라 자신의 성향에 맞게 조율하는 전략적 기술로 바라보는 관점이 흥미롭습니다. 이 글은 내부 감사(Internal Audit) 를 통해 자신의 말투·기질·에너지 흐름을 점검하고, 짧은 30초 준비 습관으로 메시지를 구조화하며, 실제 현장에서 피드백 해석과 반응 관찰(Read the room) 로 조정하는 과정을 제안합니다. 특히 창업자의 고유한 스파이크(spiky opinion) 를 약점이 아닌 설득력 있는 자산으로 다듬는 접근은, 리더십을 ‘정답형 스타일’이 아닌 ‘적합한 표현 방식’으로 재정의합니다. 자신의 커뮤니케이션이 왜 통하지 않는지 고민해본 창업자라면, 이 프레임워크가 꽤 실용적인 나침반이 될 듯합니다.

SafetyCulture는 AI 에이전트를 GTM 전반에 녹여 리드 보강·아웃바운드·기능 추천·데이터 통합까지 완전히 재설계했습니다. 여러 데이터 소스를 병렬로 검증하는 AI 리드 보강 시스템과, Salesforce·HubSpot·ZoomInfo를 엮은 AI BDR 워크플로우는 리드 품질과 미팅 전환율을 폭발적으로 끌어올렸거. 여기에 AI 라이프사이클 엔진으로 고객별 기능 추천과 메시지 개인화를 자동화해 리텐션까지 개선했는데요. 단순 자동화가 아니라, 코파일럿 형태로 팀의 의사결정과 실행을 가속화한 점이 특히 인상적입니다. “AI를 어디에 쓸 것인가”보다 “어떻게 조직의 흐름에 녹일 것인가”가 진짜 경쟁력이 된다는 걸 보여줍니다.

공개 이후 SNS에 화제가 되었던 나노바나나 프로의 활용 사례를 모은 것으로, 최신 생성형 비주얼 모델의 실제 활용감을 한눈에 보여주는 흥미로운 자료입니다. 118페이지 분량의 PDF에 다양한 프롬프트와 결과 이미지, 그리고 일부 원작자 링크가 함께 정리되어 있어, 모델의 표현력을 직관적으로 파악할 수 있습니다. 단순한 데모 모음이 아니라, 프롬프트 엔지니어링과 스타일 실험의 참고서로도 쓸 만합니다.

Umami는 복잡한 추적 코드와 쿠키 의존도를 벗어나 프라이버시 중심의 웹 트래픽 분석을 가능하게 하는 오픈소스 대안입니다. Next.js + PostgreSQL 기반의 단일 앱 구조로 구성되어 있으며, Docker Compose로 손쉽게 배포하고 pnpm으로 개발 환경을 빠르게 세팅할 수 있습니다. 특히 쿠키 없는 데이터 수집과 MIT 라이선스 덕분에 스타트업이나 개인 개발자가 자사 서버에 안전하게 자체 분석 시스템을 구축하기에 적합합니다.

Anthropic이 공개한 Claude Opus 4.5는 코드 작성과 에이전트 실행, 복잡한 추론에서 현존 최고 수준의 성능을 보여주는 모델로, SWE-bench Verified 테스트에서 인간 상위권을 넘어서는 결과를 냈습니다. 새롭게 추가된 effort 매개변수와 맥락 관리 기능 덕분에 개발자는 속도·비용·정확도 간 균형을 세밀하게 조정할 수 있으며, 토큰 효율성도 크게 개선되었습니다. 새로운 모델들이 비슷한 시기에 공개되며 엎치락 뒤치락 하는게 재미나기도 합니다만, 쫓아가기가 버겁기도 하네요.

Anthropic의 Claude 4.5 Opus는 가격을 대폭 낮추면서도 Computer Use 기능과 컨텍스트 유지 능력을 강화해, 실제 작업 흐름에서 더 유연하게 활용할 수 있는 모델로 진화했습니다. 하지만 Simon Willison이 지적하듯, 이제는 SWE-bench 같은 벤치마크 점수만으로 모델의 우열을 가리기 어려운 시대가 되었습니다. 수치보다 중요한 건 “이 모델이 내 문제를 얼마나 잘 풀어주는가”라는 체감 성능이죠. 개발자 입장에선, 결국 LLM 평가의 기준을 다시 설계해야 할 시점이 왔다는 점이 흥미롭게 다가옵니다.

전 세계 IT 지출이 세 배 이상 늘었지만 대형 소프트웨어 프로젝트의 실패율은 여전하다는 분석입니다. 캐나다의 Phoenix 급여 시스템부터 영국 Horizon 사건까지, 기술보다 조직 문화·리더십·윤리 부재가 근본 원인으로 지목되는데요. AI나 Agile, DevOps도 이런 구조적 문제를 대체하지 못하며, 여전히 레거시 유지비와 관리 착오가 혁신을 가로막고 있습니다. 결국 중요한 건 기술이 아니라 투명성과 책임, 인간 중심의 설계 원칙을 지키는 일인 것 같습니다.

일리야 수츠케버는 이제 데이터·파라미터 확장의 한계를 넘어, 일반화와 지속학습을 중심으로 한 새로운 AI 연구의 전환기에 들어섰다고 진단합니다. 그는 인간의 학습이 가진 가치 함수와 감정 시스템을 AI가 통합해야 진정한 적응력과 판단력을 얻을 수 있다고 보고, SSI를 통해 ‘모든 일을 배울 수 있는 AI’ 를 실험 중입니다. 단순한 모델 성능 경쟁이 아니라, 윤리적 정렬과 자기 피드백 구조를 포함한 근본적 학습 원리를 탐구하는 흐름이 다시 중심으로 돌아온 셈입니다. 기술보다 ‘학습의 본질’을 다시 묻는 이 선언은, 지금의 AI 산업이 어디로 가야 하는지를 곱씹게 만듭니다.

애플리케이션의 상태나 데이터를 저장하는 방식을 새로 설계한다면, SQLite를 파일 포맷 자체로 사용하는 것이 가능하다는 접근이 흥미롭습니다. 단일 데이터베이스 파일로 구조화된 데이터를 담을 수 있어, 기존의 커스텀 바이너리 포맷이나 ZIP 기반 묶음 구조보다 훨씬 명확하고 유지보수가 쉽습니다. 트랜잭션·인덱스·SQL 스키마가 제공하는 안정성과 확장성 덕분에, 파일 입출력 로직을 직접 구현할 필요 없이 고수준의 데이터 접근이 가능하죠. 장기 보존성과 크로스플랫폼 호환성까지 확보된다는 점에서, “파일 포맷도 결국 데이터베이스 설계의 문제”라는 관점을 다시 생각하게 합니다.