하루 로그

3줄 요약 같은 프리픽스를 TTL 안에 다시 쓰면 5분 캐시는 두 번째 호출부터, 1시간 캐시는 세 번째 호출부터 싸집니다. 공식 문서가 배율로 못 박아 둔 값이라 계산이 단순합니다. 재사용 간격이 TTL을 넘어가면 히트가 0회가 되고 쓰기 배율만 남습니다. 이 구간에서는 5분 캐시가 미캐시보다 25%, 1시간 캐시가 100% 더 비쌉니다. 경계는 하루에 몇 번 도느냐가 아니라 TTL 안에 몇 번 도느냐입니다. 제 파이프라인의 슬롯 간격은 5분의 59.3배였습니다.

3줄 요약 AI 테스트 에이전트를 붙이면 자동화 커버리지가 오른다는 말은 이번 주 리포트에서도 반복됐습니다. 다만 Wopee.io가 에이전트 5종을 비교한 조사에서 커버리지는 과거 상한이던 약 25%에서 51~60%로 올랐는데, 같은 조사의 완전 자율 자동화 만족도는 5점 만점에 2.2점이었고 무감독 운영을 실제로 지원하는 도구는 5종 중 하나도 없었습니다. 그러니 에이전트를 검토할 때 볼 값은 "자동화율이 몇 퍼센트까지 오르는가"가 아니라 "사람 검토 게이트가 주당 몇 건을 받아 내는가"입니다.

3줄 요약 캐럿( ^ )은 버전의 왼쪽에서 처음 만나는 0이 아닌 자리를 고정합니다. 그래서 ^7.0.0 은 7.x 전체를, ^0.124.0 은 0.124.x만 허용합니다. 2026-09-12 기준 실측으로 ^7.0.0 은 45일 동안 openai 15개 버전을 지나 5.08MB와 export 431개가 늘었고, 같은 기간 ^0.124.0 은 만족 버전이 1개라 그대로 멈춰 있었습니다. 지금 쓰는 AI SDK의 버전이 0.x인지 1.0 이상인지부터 확인하시고, 아래 조회 스크립트로 자기 package.json 의 실제 드리프트 폭을 재 보시면 됩니다.

3줄 요약 영어 기준 어림셈인 "1토큰 = 4자"를 한글 원고에 쓰면 토큰을 절반 이하로 잡게 됩니다. 원고 55편 624,261자 실측 결과 o200k_base 329,961토큰(토큰당 1.892자), cl100k_base 461,817토큰(1.352자)으로 인코딩만 바꿔도 1.4배가 갈립니다. 글자수÷4 추정치는 실측 대비 52.7% 모자랐습니다. 자기 원고 폴더에 gpt-tokenizer 를 붙여 한 번 세어 보고, 글자수가 아니라 바이트 수 기준 계수 로 예산표를 다시 만드시면 됩니다.

3줄 요약 LangChain MarkdownHeaderTextSplitter 는 코드블록 안의 들여쓰기까지 지웁니다. 제 원고 45편으로 재현했더니 파이썬 코드 84개 중 67개가 문법 오류 상태로 인덱스에 들어갔습니다. 검색 자체는 멀쩡합니다. 질의 12개로 확인해 보니 어떤 분할기를 써도 정답 문서를 1등으로 찾아냈습니다. 망가지는 것은 찾은 뒤 모델에게 건네는 그 조각입니다. 코드가 든 문서를 인덱싱하고 있다면 오늘 ast.parse 한 줄짜리 검사부터 돌려 보시면 됩니다. 아래 스크립트를 그대로 쓰시면 됩니다.

3줄 요약 하루 세 번 도는 글쓰기 예약 작업의 산출물 43편을 세어 보니, 프롬프트가 예시로 든 문구 13종이 총 215회, 편당 6.0회 등장하고 있었습니다. 프롬프트에서 문구 지정을 걷어내고 요건만 남긴 뒤 발행한 7편은 그 13종이 0회였고, 산문 길이·표·코드블록 같은 형식 지표는 그대로 유지됐습니다. 자기 에이전트 산출물이 있다면 이 글 마지막의 20줄짜리 검사 스크립트를 코퍼스 폴더에서 한 번 돌려 보시면 됩니다. 고정 목록 없이도 굳어 가는 표현이 나옵니다.

3줄 요약 stdio로 붙인 MCP 서버가 죽으면 클라이언트에는 MCPError: Connection closed 한 줄만 남고, 실제 원인은 서버 프로세스의 stderr에만 기록됩니다. mcp 2.1.1(PyPI 업로드 2026-08-26 01:13 KST) 기준으로 재현해 보니, 원인 문자열은 서버를 직접 실행해 stderr를 읽으면 6줄 안에 나왔습니다. 도구를 20개 붙이면 tools/list 응답만 9,831바이트였습니다. 서버를 붙이기 전에 아래 30줄짜리 핸드셰이크 진단 스크립트를 먼저 돌려 보시면 됩니다.

3줄 요약 AI 도구를 쓰는 사람은 84%인데 결과를 믿는 사람은 33%입니다. 그 사이의 틈을 메우는 일이 지금 사람 몫으로 남아 있습니다. 학습 시간을 유효기간으로 나눠 보면 프롬프트 요령은 도구 버전과 함께 낡고, 검증 루틴은 도구가 바뀌어도 남습니다. 저는 주당 5시간 중 3.5시간을 검증 쪽에 넣었습니다. 다음 주 회고 전에 팀의 "통과 기준" 한 줄만 문서로 적어보시면 됩니다. 이 글 마지막의 체크리스트를 그대로 쓰셔도 됩니다.

리뷰에서 이런 PR을 받아보신 적이 있을 겁니다. 에이전트가 모듈 하나를 통째로 새 구조로 옮겼고, CI는 전부 초록불이고, 디프는 800줄인데 리뷰어가 볼 만한 논리 변경은 눈에 띄지 않습니다. 머지하고 2주 뒤 프로덕션에서 이상한 값이 나옵니다. 되짚어 보면 에이전트가 새 구조를 만들면서 옛 구현을 어딘가에 그대로 남겨두고 그쪽을 호출하고 있었습니다. 테스트는 옛 구현을 검증하고 있었으니 당연히 통과했습니다. 이 상황에서 선택지는 셋입니다. 리팩터링 PR을 사람이 전부 다시 읽거나, 테스트 스위트를 더 촘촘히 만들거나, 아니면 테스트 통과 말고 다른 판정 기준을 하나 더 세우거나. 첫 번째는 확장이 안 되고 두 번째는 이미 하고 있는 일입니다. 남는 것은 세 번째인데, 그 세 번째가 정확히 무엇이어야 하는지가 늘 애매했습니다. 결론부터 적습니다. 2026-08-25 arXiv에 공개 배포된 리팩터링 벤치마크는 3단계 검증을 세워서 실행 520건을 판정했고, 세 단계를 모두 통과한 것은 28건, 5.4%였습니다. 그런데 저에게 중요한 숫자는 5.4%가 아니라 그 아래 있는 다른 숫자였습니다. 1단계를 통과한 340건 중 58%가 고정 체크 항목의 99%까지 도달했는데, 100%에 도달한 것은 26%뿐이었습니다. 거의 다 됐지만 안 된 상태가 전체의 대부분이라는 뜻입니다. 이 분포가 왜 QA 판정 기준을 바꿔야 하는 이유인지를 아래에 적겠습니다. 1. 벤치마크가 실제로 무엇을 쟀는가 3단계 검증 프로토콜 SWE Refactor Bench(arXiv:2608.23564) 는 2026-08-24 17:59 UTC에 제출되어 2026-08-25 배포분에 실린 논문입니다. 저장소 전체를 대상으로 하는 마이그레이션 과제 20개를 만들고, 그것을 기술 부채 유형 4가지로 나눴습니다. 판정은 한 번에 하지 않고 세 단계를 순서대로 통과해야 합니다. 단계 이름 무엇을 보는가 통과하면 확인되는 것 1 Migration Audit 목표 구조로 ...

이직 시장을 한 번 열어 보신 분들은 비슷한 감각을 갖고 계실 겁니다. 공고 수 자체는 확실히 줄었는데, 남아 있는 공고의 요구사항은 오히려 늘어나 있습니다. "AI 기반 테스트 도구 경험", "LLM 활용 자동화 경험" 같은 문구가 QA 공고에도 붙기 시작합니다. 팀원과 1:1을 하면 "지금 뭘 배워야 하냐"는 질문이 나오는데, 답할 근거가 마땅치 않습니다. 여기서 리드가 취할 수 있는 태도는 셋입니다. 첫째, 시장이 어렵다고 인정하고 현 업무에 집중하자고 말합니다. 둘째, AI 관련 학습을 팀 OKR에 넣습니다. 셋째, 숫자를 먼저 확인하고 어느 방향이 실제로 수요가 있는지 확인한 뒤 우선순위를 정합니다. 결론부터 말씀드리면, 8월 24일에 나온 두 개의 자료가 셋째를 할 수 있게 해 줍니다. 요지는 두 문장으로 정리됩니다. 소프트웨어 개발 직군 공고는 코로나 이전 수준의 74% 근처에 머물러 있지만 저점에서는 뚜렷하게 회복했고, AI 관련 공고 비중은 2022년 직전 최고치의 두 배에 가까운 수준까지 올라왔습니다. 이 두 숫자를 나란히 놓으면 팀원에게 할 말이 생깁니다. 1. 8월 24일에 나온 숫자들 1-1. Indeed Hiring Lab의 8월 스냅샷 Indeed Hiring Lab 이 2026-08-24 18:27 UTC(KST 2026-08-25 03:27)에 공개한 "US Labor Market Snapshot — August 2026"의 수치를 원문 그대로 옮깁니다. 지표 원문 수치 기준 시점 전체 채용공고 지수(JPI) "101.8" (2020년 2월 1일 대비 +1.8%) as of August 14, 2026 신규 공고 "97.2" (2020년 2월 대비 약 -3%) 동일 JPI 월간 변화 "0.2%" as of August 14 JPI 전년 대비 변화 ...