GeekNews Weekly

2014년에 쓰인 글이지만, AI로 인해 커리어의 변화가 빨라진 지금 다시 읽어볼 만한 내용입니다. 한 해의 흐름을 돌아보며, 커리어에 대한 짧은 성찰을 해보시길 권해드립니다.

HN 댓글에 추천된 블로그 및 큐레이션 사이트들까지 모두 정리해두었습니다. RSS 리더에 등록하고 보시는 걸 추천드립니다만, 요즘 RSS 리더는 점점 사용을 안 하게 되네요. 긱뉴스 에서 더 많은 글들을 소개할 방법을 고민해보겠습니다.

시니어 엔지니어의 핵심 역량은 뛰어난 코딩이 아니라 모호함을 명확함으로 전환하는 능력에 있습니다. 불분명한 요구사항을 구체적인 실행 계획으로 바꾸고, 프로젝트 리스크를 사전에 제거하는 과정이 진짜 실력의 무대입니다.

현대 분산 시스템에서의 로깅은 여전히 단일 서버 시대의 관성에 머물러 있습니다. 서비스·DB·캐시를 거치는 요청의 컨텍트스가 분절되어, 문자열 검색만으로는 원인 추적이 거의 불가능합니다. 이를 해결하기 위해 제안하는 Wide Event(또는 Canonical Log Line) 방식은 요청 단위로 모든 컨텍스트를 담은 단일 이벤트를 기록해, 로그를 단순 텍스트가 아닌 분석 가능한 데이터 자산으로 전환합니다. 결과적으로 디버깅은 ‘grep 탐사’가 아니라, 쿼리 기반의 실시간 분석으로 진화하게 됩니다.

Tom Whitwell이 11년째 이어온 ‘52 Things I Learned’ 시리즈는 기술·사회·문화 전반의 변화를 압축한 연말 기록입니다. 매년 흥미롭게 보고있네요. 이전 글들도 함께 살펴보시기 바랍니다.

Durable Streams는 HTTP 위에서 동작하는 내구성 스트리밍 프로토콜로, 브라우저·모바일·네이티브 클라이언트 간 데이터를 안정적으로 동기화합니다. 오프셋 기반 재개 기능을 통해 연결이 끊겨도 중단 지점부터 이어받을 수 있으며, CDN 캐시를 활용해 수백만 동시 구독자도 단일 오리진에서 처리합니다. 기존 WebSocket·SSE의 불안정성을 보완하면서, AI 대화 스트리밍이나 데이터베이스 실시간 동기화 등 다양한 실시간 시나리오에 적용할 수 있습니다.

Redis 개발자 Antirez의 올해 AI 회고인데요. Chain of Thought(CoT) 와 RLVR(Reinforcement Learning from Verifiable Rewards) 기술이 중요해졌다고 강조합니다. 얼마전 Andrej Karpathy의 2025년 LLM 연간 리뷰 와 같이 보면 좋습니다.

2025년은 에이전틱 코딩 도구가 프로그래밍의 주체를 바꾼 해로, 개발자는 직접 코드를 작성하기보다 가상 인턴을 지휘하는 엔지니어링 리드로 이동하는 모습을 많이 보이고 있습니다. LLM과 도구 실행의 결합은 코드 생성에서 일상 업무 관리로 확장되며, 인간과 기계의 관계를 다시 묻고 있고요. 기존 버전 관리·코드 리뷰 시스템이 AI 생성 코드를 다루기에 한계를 드러내면서, 프롬프트 이력과 실패 경로까지 추적하는 새로운 협업 인프라가 필요하다고도 이야기 합니다. 올해의 AI 트렌드 정리는 다들 비슷한 느낌인 것 같아요.

Steam Deck용으로 설계된 SCX-LAVD 스케줄러가 Meta의 대규모 서버 환경에서도 안정적으로 동작하며, 기존 EEVDF 스케줄러와 유사하거나 더 나은 성능을 보인다는 결과가 공개되었습니다. 게임 콘솔 수준의 레이턴시 민감도 인지 구조가 하이퍼스케일 서버에서도 효과를 보여, Meta는 이를 범용 서버 스케줄러 후보로 검토하고 있습니다. Valve의 휴대용 게임기 기술이 대형 데이터센터 운영으로 확장된 드문 사례로 평가됩니다.

해커뉴스에서 2025년에 가장 많이 언급된 책들을 한눈에 볼 수 있는 비공식 아카이브가 공개되었습니다. 언급 횟수로 정렬된 목록에서 책을 클릭하면, 해당 도서를 추천한 댓글을 추천순·최신순 등으로 탐색할 수 있습니다. 프로그래밍 분야에서는 SICP와 Clean Code가 상위를 차지했으며, 전체 순위에서는 해리포터와 성경이 나란히 이름을 올렸습니다. 월간 업데이트를 메일로 받아볼 수도 있습니다.

로컬 코딩 모델은 비용 절감과 보안성 면에서 매력적이지만, 실무 환경에서는 여전히 프론티어 모델의 정밀도가 필요합니다. 약 90%의 개발 작업은 로컬 모델로 충분히 처리되지만, 나머지 10%의 고난도 작업이 생산성의 핵심을 좌우합니다. 최근 Google의 무료 AI 코딩 도구 등장으로 로컬 모델의 경제적 이점이 줄어들었으며, 현실적으로는 클라우드 모델과 병행하는 보완적 활용이 가장 합리적인 선택으로 평가됩니다.

중국의 AI 덤핑 전략이 미국의 관세 혼선과 맞물리며, 과열된 AI 주식 시장의 조정 가능성이 커지고 있습니다. 데이터센터와 전력 인프라의 한계가 현실로 드러나면서, 막대한 투자 약속이 실제로는 불가능한 ‘전력의 병목’에 부딪히고 있습니다. 한편 Nvidia·OpenAI 중심의 과점 구조는 중국 모델과 Anthropic, Alphabet의 반격으로 균열을 보이며, AI 산업의 권력 지형이 재편되는 조짐을 보입니다.

AI와 로보틱스 결합으로 비트를 아톰으로 전환하는 역량을 강화한 Amazon이 차세대 실물 혁신의 중심이라고 평가했네요. 2024년도 예상글에 알파벳을 권했었는데 2년만에 주가가 2배로 뛰었는데요. 아마존도 과연 그렇게 될까요?

트랜스포머는 어텐션 메커니즘을 중심으로 한 병렬 학습 구조로, 문장 내 단어 간 관계를 효율적으로 학습합니다. 이 자료는 트랜스포머의 구조와 작동 원리를 명확히 보여주는 대표적 학습 자료로, 인코더와 디코더 스택, 셀프 어텐션·멀티헤드 어텐션·포지셔널 인코딩 등 핵심 구성 요소를 시각적으로 풀어내어, 복잡한 수식을 직관적으로 이해할 수 있도록 돕습니다.

Claude Code가 이제 LSP(Language Server Protocol) 를 네이티브로 지원하며, 터미널 환경에서도 IDE 수준의 코드 인텔리전스를 제공합니다. 이제 정의 이동, 참조 찾기, 호버 문서 표시가 가능해졌고, /terminal-setup 명령으로 Kitty·Alacritty·Zed·Warp 터미널을 손쉽게 설정할 수 있습니다. 또한 /context 출력이 출처별 그룹화와 토큰 사용량 기준 정렬로 정돈되어, 대화형 코딩 세션의 맥락 관리가 한층 명확해졌습니다.

허슬 문화는 SNS 알고리듬이 만든 경쟁 구조 속에서 ‘성과’보다 ‘노력의 양’을 과시하는 방향으로 변질되고 있습니다. 트위터(X)와 LinkedIn에 넘치는 새벽형 근무 자랑과 ‘아침 인사’ 포스트는 참여율을 높이기 위한 장치일 뿐, 실제 생산성과는 무관합니다. 인간은 기계처럼 선형적으로 움직이지 않으며, 진짜 최적화의 기준은 속도·효율·품질 같은 본질적 가치에 있습니다. 맹목적 근면 대신 전략적 사고와 자기 이해가 필요한 시점입니다.

지연(latency) 문제를 추적할 때는 언제나 TCP_NODELAY부터 확인해야 합니다. 1980년대 저속 네트워크를 위해 설계된 Nagle 알고리듬은 작은 패킷을 묶어 전송 효율을 높였지만, 오늘날의 짧은 RTT 환경에서는 오히려 지연을 유발합니다. 특히 delayed ACK와 결합될 경우 송수신이 서로를 기다리며 멈추는 교착 상태가 발생하므로, 현대 분산 시스템에서는 TCP_NODELAY를 기본으로 활성화하는 것이 합리적입니다.

Walrus는 Rust로 구현된 분산 메시지 스트리밍 엔진으로, Kafka를 대체할 수 있는 고성능 로그 스토리지 기반 구조를 갖추고 있습니다. 세그먼트 단위로 토픽을 분할해 리더 노드를 자동 회전시키며, Raft 합의 프로토콜로 메타데이터 일관성과 장애 복구를 보장합니다. io_uring 기반 I/O와 단순한 텍스트 프로토콜을 결합해, 높은 처리량과 낮은 지연을 유지하면서도 운영 복잡도를 줄였습니다.

Codex에 새롭게 도입된 Agent Skills는 작업 단위의 전문 능력을 모듈 형태로 추가해, 개발 워크플로를 자동화하고 팀 간 지식을 재사용할 수 있게 합니다. 각 스킬은 SKILL.md 중심의 간단한 구조로 정의되며, CLI와 IDE 확장 모두에서 동일하게 동작해 개인·조직·시스템 수준의 확장성을 제공합니다. 이제 자신만의 스킬을 만들어 Codex를 맞춤형 개발 도우미로 발전시킬 수 있습니다.

오픈소스 470개 PR 분석 결과, AI가 작성한 코드는 인간이 작성한 코드보다 평균 1.7배 더 많은 문제를 포함하며, 특히 가독성과 예외 처리, 보안 취약점에서 차이가 두드러진다고 합니다. 연구팀은 이러한 원인을 비즈니스 로직 이해 부족과 표면적 정확성 중심 생성으로 분석하고, AI 코드에 맞춘 품질 관리·보안·테스트 체계 재설계를 권고합니다. 개발 속도 향상만큼이나 코드 품질을 유지하기 위한 AI 인식형 리뷰 프로세스를 도입해야 한다고 강조합니다.

현대 연구 환경은 속도와 가시성 중심의 평가 구조로 인해, 근본적 탐구보다는 빠른 결과를 내는 과제에 집중하도록 압박합니다. 그러나 진정한 연구는 명확한 계획 없이 불확실한 경로를 탐색하는 과정이며, 느림은 그 속에서 새로운 발견을 가능하게 하는 핵심 조건입니다. 지능을 ‘빠른 문제 해결 능력’ 으로만 정의하는 사회적 기준은 창의적 문제 선택 능력을 배제하고, 결국 제도 전체가 ‘잘 정비된 트랙’만을 달리는 구조로 고착되고 있습니다. "느린 사고"에 대한 고민과 실행이 필요한 시점입니다.

Apptron은 클라우드 서버 없이 브라우저 안에서 완전한 Linux 개발 환경을 실행할 수 있는 로컬 퍼스트 플랫폼입니다. VSCode 기반 에디터와 Go 언어 1급 지원을 갖추고, 웹 브라우저만으로도 코드 작성·빌드·테스트가 가능한 독립형 워크스페이스를 제공합니다. v86 기반 가상화와 Wanix를 통한 Wasm 실행, 브라우저 스토리지 기반 지속성 관리 등으로 확장성과 자급성을 모두 갖춘 새로운 형태의 개발 인프라를 제시합니다.

모든 조직에는 필요한 정보를 즉시 찾아내는 비공식 북마크 관리자가 존재합니다. 수많은 링크 관리 도구가 등장했지만, 진짜 효율은 시스템이 아니라 맥락을 읽고 큐레이션하는 사람에게서 나옵니다. ‘최고 북마크 책임자(Chief Bookmark Officer)’는 흩어진 자료를 연결해 팀의 기억을 자산으로 바꾸는 역할을 합니다. 완벽한 앱을 찾기보다, 그런 감각을 가진 사람을 발굴하는 일이 더 중요해지고 있습니다.

Vibium은 Selenium의 창시자 Jason Huggins가 21년 만에 다시 선보인 AI 중심 브라우저 자동화 인프라입니다. 단일 Go 바이너리 Clicker가 Chrome 실행부터 WebDriver BiDi 프록시, MCP 서버까지 통합 관리하며, AI 모델이나 JS 클라이언트가 별도 설정 없이 브라우저를 제어할 수 있습니다. npm install vibium 한 줄로 설치가 가능하고, Claude Code 같은 LLM 에이전트는 단일 명령으로 브라우저 제어 기능을 확장할 수 있습니다. AI 에이전트와 테스트 자동화 모두를 위한 새로운 표준형 브라우저 제어 환경을 지향합니다.

AI의 ‘가성비 혁명’이 본격화되며 모델 경쟁은 플랫폼 주도권 싸움으로 번지고 있습니다. 초거대 모델의 지능이 상향 평준화되자, 기업들은 이제 온디바이스 AI와 코딩 에이전트 같은 현실적 활용 단계로 이동하고 있습니다. 그러나 전력·보안·인력 비용이 급증하면서, 2026년의 화두는 ‘혁신’이 아니라 ‘수익 증명’으로 옮겨가고 있습니다.

ChatGPT Apps는 개발자가 자신의 서비스를 ChatGPT 대화 안에 직접 임베드해, 8억 명이 넘는 사용자를 대상으로 한 새로운 배포 채널을 열어줍니다. MCP를 통해 LLM이 외부 도구와 UI 리소스를 선택적으로 호출하도록 설계되어, 대화형 AI가 실제 예약·검색·데이터 조회 같은 작업을 자연스럽게 처리할 수 있게 합니다. 프론트엔드는 React 기반 미니 앱으로, 백엔드 MCP 서버와 분리된 안전한 샌드박스에서 실행되며, 이는 향후 Claude 등 다른 에이전트로 확장 가능한 표준 인터페이스 계층으로 발전하고 있습니다.

Travels는 JSON Patch 기반으로 동작하는 초경량 undo/redo 코어로, 상태의 차이만 기록해 대규모 데이터에서도 빠른 히스토리 관리를 가능하게 합니다. Mutative 위에서 불변 업데이트를 직관적으로 처리하며, React·Vue·Zustand 등 어떤 상태 관리 도구와도 자연스럽게 결합됩니다. 전체 스냅샷 복사 없이 패치만 저장하므로 메모리 부담이 적고, 자동 아카이브나 히스토리 제한 같은 타임트래블 기능도 기본 제공합니다.

AI 시대의 소프트웨어 해자는 모델의 성능이 아니라 고객 워크플로우와 통합 깊이에서 형성됩니다. 자동화가 노동을 대체하며 시장이 IT 예산을 넘어 노동시장으로 확장되고, 누구나 제품을 만들 수 있는 환경에서 규모와 데이터 네트워크 효과가 방어력의 핵심으로 떠오르고 있습니다. 플랫폼 기업이 생태계를 장악하는 가운데, 스타트업은 산업 맥락에 맞춘 통합과 속도로 차별화를 모색해야 합니다.

Python 패키지 관리자 uv는 pip보다 10배 이상 빠른 설치 속도를 보여주며, 이는 Rust 구현보다 표준화된 정적 메타데이터와 과감한 레거시 제거 덕분입니다. PEP 518·517·621·658을 기반으로 코드 실행 없이 의존성을 해석하고, .egg·pip.conf·시스템 Python 설치 지원을 제거해 불필요한 경로를 없앴습니다. Rust는 제로-카피 역직렬화와 락 없는 동시성 등 저수준 최적화에 기여했지만, 근본적인 속도 향상은 “하지 않는 설계” 에서 나왔다는 게 중요합니다.

웹 개발자가 2014년 경매에서 낙찰받은 도메인 주소를 계기로, 조지아주의 달콤한 양파를 소비자에게 직접 판매하는 모델을 구축한 이야기 입니다. 첫 시즌 예상 주문은 50건이었지만 실제로는 600건을 넘겼고, 경쟁 업체들까지 고객을 이곳으로 안내할 정도로 신뢰를 얻었습니다. 수익보다 ‘좋은 경험을 전하는 일’에 초점을 맞춘 이 프로젝트는, 도메인 네임이 단순한 주소를 넘어 새로운 사업의 서사가 될 수 있음을 보여줍니다. Domain-Driven-Development 지만 분야(Domain)가 아니라 웹사이트 주소(Domain) 기반이라는게 핵심.

2025년 소비자 AI 시장은 대형 모델 기업의 제품 확장으로 사용량이 급증했지만, 실제 이용은 ChatGPT·Gemini 등 소수 서비스에 집중되고 있습니다. ChatGPT가 여전히 규모와 유지율에서 압도적인 반면, Gemini는 이미지·비디오 모델을 앞세워 가장 빠른 성장세를 보였습니다. 범용 어시스턴트 경쟁이 ‘winner take most’ 구조로 굳어지는 가운데, 모델 기업이 다루지 않는 전용 소비자 경험 영역에서 스타트업의 기회가 넓어지고 있습니다.

루비는 항상 크리스마스에 새 버전을 배포하죠. 루비 4.0.0은 언어의 격리 실행과 차세대 JIT 구조를 중심으로 한 대규모 전환점입니다. 새롭게 도입된 Ruby Box는 클래스·모듈·전역 정의를 독립된 공간에서 실행해, 테스트나 배포 환경 간 간섭 없는 격리 실행을 가능하게 합니다. 또한 Rust 기반 ZJIT은 기존 YJIT보다 구조적으로 확장성이 높아, 외부 기여와 최적화 실험을 위한 기반을 마련했습니다. 병렬 실행 모델 Ractor의 안정화와 전반적 성능 개선으로, 루비 생태계는 한층 더 확장 가능한 런타임으로 진화하고 있습니다.

대규모 코드베이스에서 LLM을 확장하려면 가이드와 감독 체계에 대한 투자가 핵심입니다. 프롬프트 라이브러리를 통해 코드 규칙과 문맥을 명시적으로 제공하면 LLM이 더 일관된 코드를 생성할 수 있으며, 자동화된 검증 시스템은 안전성과 품질을 유지하는 기반이 됩니다. 기술 부채를 줄이고 모듈화된 구조를 유지하는 것이 LLM의 이해력과 생산성을 높이는 가장 직접적인 방법으로 제시됩니다.

미국 근로자의 AI 업무 활용률이 45% 로 상승하며, 정보 정리와 아이디어 생성 중심의 사용이 꾸준히 확산되고 있습니다. 그러나 매일 사용하는 비율은 10% 수준에 머물러, 여전히 일부 지식 노동 중심 산업에 집중된 양상을 보입니다. 조직 차원의 AI 도입 인식은 직원 간 격차가 크고, 개인 도구 중심의 비공식 사용이 두드러져 내부 커뮤니케이션과 전략적 통합의 필요성이 커지고 있습니다.

15년차 Clojure 개발자인 Michael Fogus가 기술과 예술을 넘나드는 한 해의 탐구 내용을 정리한 글입니다. 이런 식의 정리가 참 좋은데 따라하기가 쉽지 않네요.

올해 AI 분야에서 구글의 혁신은 꽤 놀랍습니다. Gemini 3와 Gemma 3를 중심으로 인공지능의 추론력과 멀티모달 이해, 효율성을 새로운 수준으로 끌어올렸습니다. AI가 단순한 도구를 넘어 유틸리티로 전환되며 Pixel 10, Search, NotebookLM 등 주요 제품 전반에 에이전틱 기능이 확산되었습니다. 동시에 AlphaFold와 Deep Think를 비롯한 과학 연구 성과는 생명과학·수학·양자컴퓨팅 분야에서 AI가 핵심 연구 파트너로 자리 잡고 있음을 보여줍니다. OpenAI가 시장을 선도했지만, 구글이 여러 분야에서 혁신을 거듭하며 주류를 차지하게 될 수도 있지 않을까 생각합니다. 주가도 이미 반영되고 있는 것 같고요.