Prompt 38
- Self-evolving Agent Harness - 모델 가중치를 고정한 채 하네스를 스스로 진화시키는 프레임워크
- LLM Evals FAQ: 인프라보다 에러 분석이 먼저인 이유
- 대부분이 모르는 Claude 기능 총정리: 17가지 활용 가이드
- 누구나 만들 수 있을 때 무엇이 중요한가: Figma가 말하는 속도·방향·정교함
- 하이퍼커넥트 LLM 설명 정책 - 정답 없는 문제를 반복적 합의로 푸는 5단계 접근법
- Prompt Engineering Guide - 74.6k 스타의 오픈소스 프롬프트 학습 자료
- Claude Code Superpowers 플러그인 - AI에게 코드보다 기획서를 먼저 쓰게 하기
- LoPE 무의미한 Lorem Ipsum이 LLM 수학 추론을 끌어올리는 메커니즘
- 에고의 연금술 - AI는 어떻게 미완성 생각을 유창한 확신으로 바꾸는가
- Claude Code /goal - 조건이 충족될 때까지 Claude를 계속 작동시키기
- 바이브 코딩의 환상 - AI가 만드는 실행되는 코드와 사람이 원하는 제품의 간극
- Ouroboros - 한국 개발자가 만든 Specification-First AI 코딩 Agent OS
- Anthropic Claude Code 품질 저하 사후분석 - 한 달 동안 겹친 세 가지 버그
- Claude와 Codex 토큰 효율 높이기: 설정 조정으로 누수를 막는 법
- 챗GPT에 아이디어를 바로 묻지 말라: 독일 연구팀이 밝힌 '설계 고착화' 현상과 HAICo 해법
- AI 에이전틱 패턴 4년의 진화: 프롬프트에서 하네스까지
- 감정적 프롬프트가 AI 성능을 바꿀까? EmotionRL 적응형 감정 프레이밍 연구
- Claude Code 소스 유출 전체 분석: 사건 경위부터 내부 구조, 숨겨진 기능, 업계 교훈까지
- Anthropic 하네스 설계 - 장기 실행 앱 개발을 위한 멀티 에이전트 아키텍처
- 하네스 엔지니어링 - AI 에이전트 성능을 좌우하는 시스템 설계의 모든 것
- AI 에이전트 실전 활용의 최전선 - 하네스 설계부터 자율 연구, 자기 진화 모델까지
- 프롬프트의 정중함이 LLM 정확도에 미치는 영향 - Mind Your Tone 논문 분석
- AI 에이전트 워크플로우 패턴 3가지 - 순차, 병렬, 평가자-최적화
- Google AI 검색이 Grounding Snippet을 추출하는 방법 분석
- 프롬프트 반복으로 LLM 성능 향상 - Google 연구팀 논문
- Claude Code 구축에서 얻은 교훈 - 프롬프트 캐싱이 전부다
- Claude Code 활용법 - 계획과 실행 분리 워크플로우
- 같은 AI 모델이 다르게 작동하는 이유 - 시스템 프롬프트의 숨은 영향력
- 단순한 파일이 정교한 도구를 이긴다 - AGENTS.md가 Skills보다 47%p 우수한 이유
- Andrej Karpathy의 CLAUDE.md - AI 코딩 실수를 줄이는 65줄 가이드라인
- 65줄의 마크다운이 만든 Claude Code 센세이션 - VS Code 확장까지
- Claude Opus 4 활용 가이드 - 최대 효과를 이끌어내는 5가지 핵심 전략
- AI에게 창의적이라고 요청하지 마라 - 제약으로 창의성을 끌어내는 프롬프트 기법
- Langchain PDF Chatbot 만들기 - 13 - Example Selector
- Langchain PDF Chatbot 만들기 - 12 - Few Shot Pormpt
- Langchain PDF Chatbot 만들기 - 11 - 프롬프트 엔지니어링 With OpenAI
- Langchain PDF Chatbot 만들기 - 10 - 프롬프트 엔지니어링
- Langchain PDF Chatbot 만들기 - 9 - LLM PromptTemplate 설정