컨텍스트엔지니어링
AGENTS.md에서 /init을 쓰지 말아야 하는 이유, 연구가 말해주는 것
/init으로 자동 생성한 AGENTS.md가 AI 에이전트 성능을 낮추고 비용을 20% 이상 올린다는 2026년 연구 분석. 무엇이 컨텍스트 파일에 들어갈 자격이 있는지 실증 데이터로 설명합니다.
Written by
AI 에이전트 스펙 작성, 2,500개 파일이 알려준 실패 패턴
GitHub 2,500개 에이전트 파일 분석이 밝힌 AI 에이전트 스펙 실패 패턴과 성공하는 스펙의 6가지 핵심 영역, 3계층 경계 설정 방법을 소개합니다.
Written by
AI 에이전트 파일 처리 성공률 33%→95%, 파일 네이티브 접근법의 발견
AI 에이전트의 파일 처리 성공률을 33%에서 95%로 높인 파일 네이티브 접근법. 텍스트 변환 대신 메타데이터 중심 컨텍스트 설계로 구조 정보를 보존합니다.
Written by
Pi 코딩 에이전트, 4개 도구와 1,000토큰으로 벤치마크 상위권 달성
4개 도구와 1,000토큰 미만의 프롬프트로 만든 Pi 코딩 에이전트가 벤치마크 상위권에 오른 비결. 최소주의 설계 철학과 실제 성과를 소개합니다.
Written by
Planning with Files: Manus 방식으로 AI 에이전트 컨텍스트 문제 해결하기
AI 에이전트가 작업 중 목표를 잊는 컨텍스트 문제를 마크다운 3개로 해결하는 Planning with Files. Meta가 20억 달러에 인수한 Manus 방식을 실전에서 쓸 수 있습니다.
Written by
AI 에이전트에게 파일시스템을 주려면? FUSE로 모든 데이터를 파일로 만들기
AI 에이전트에게 도구 대신 파일시스템을 제공하는 방식이 주목받는 이유와, FUSE를 이용해 데이터베이스나 API를 파일시스템으로 변환하는 실용적 구현 방법을 소개합니다.
Written by
프로덕션 AI 에이전트 6주 구축기: Tiger Data가 오픈소스로 공개한 3가지 핵심 인사이트
Tiger Data가 6주 만에 구축한 프로덕션 AI 에이전트 Eon. 시계열 메모리, 최적화된 MCP 서버, 내구성 설계의 핵심 인사이트를 오픈소스로 공개합니다.
Written by
AI 에이전트 아키텍처의 진화: Deep Agent가 500단계 작업을 처리하는 방법
AI 에이전트가 단순 반복 루프에서 복잡한 작업을 처리하는 심층 구조로 진화하는 과정. 명시적 플래닝, 계층적 위임, 지속적 메모리, 정교한 컨텍스트 엔지니어링을 통해 5단계에서 500단계 작업까지 처리 가능한 Agent 2.0 아키텍처 설명
Written by
LLM의 시각으로 세상 보기: 컨텍스트가 모든 것을 결정한다
LLM의 예상치 못한 행동들이 왜 발생하는지, 그리고 컨텍스트 엔지니어링을 통해 어떻게 해결할 수 있는지에 대한 실용적 인사이트를 제공하는 글입니다.
Written by
긴 컨텍스트 LLM의 숨겨진 함정: Context Rot 현상과 실무 대응 전략
Chroma의 최신 연구를 통해 밝혀진 긴 컨텍스트 LLM의 성능 저하 현상(Context Rot)을 분석하고, 실무진을 위한 효과적인 대응 전략과 컨텍스트 엔지니어링 기법을 제시합니다.
Written by
