CELL AI DEVLOG

스펙 쓰는 법, Steering 아키텍처 잡는 법 다 익혔다면 이제 목적지는 하나입니다. 스펙을 넣으면 AWS 인프라까지 자동으로 올라오는 파이프라인. Kiro + CDK + AgentCore가 연결되면 거기 도달합니다.📌 핵심 요약→ Kiro의 진짜 끝판: 스펙 → Lambda 핸들러 + CDK 인프라 코드 + 테스트 동시 생성→ AgentCore MCP Server: Kiro에서 122개 AgentCore API를 대화로 조작→ AgentCore Memory: 에이전트가 세션 넘어 컨텍스트 유지 — 장기 작업 필수→ AgentCore Gateway: 기존 REST API를 에이전트 Tool로 변환 — 레거시 현대화→ Lambda Durable Functions Power: 장기 실행 워크플로우 스펙..

기초편에서 설치하고 첫 스펙 써봤다면, 이제부터가 진짜입니다. Kiro가 단순 코드 생성 도구와 달라지는 지점은 세 가지입니다. 스펙이 코드를 제어하는 방식, Steering이 팀 전체에 적용되는 방식, Autonomous Agent가 백그라운드에서 PR을 열어주는 방식. 이 세 가지를 프로덕션에 박아 넣는 법을 다룹니다.📌 핵심 요약→ Specs Wave 실행: tasks.md 의존성 그래프 → 병렬 실행 자동화, Wave N까지 순차 완료→ Bugfix Spec: 버그 수정을 스펙 워크플로우로 — bugfix.md가 회귀 방지 가드레일→ Steering 4가지 모드(always/auto/fileMatch/manual) 전략적 분리로 컨텍스트 낭비 제거→ AGENTS.md 표준: Kiro·Claude..

1편에서 개념을 잡고, 2편에서 편향을 잡았다면, 3편은 실제 운영입니다. Judge를 실제 개발 파이프라인에 연결하지 않으면, 그건 그냥 일회성 스크립트입니다.📌 핵심 요약→ 2026년 현재 대부분의 팀은 Eval Level 0~1 — 수동 테스트가 전부→ 목표: PR 올릴 때마다 Judge가 자동 실행되는 Level 3 파이프라인 구현→ 에이전트 평가는 최종 결과 + 궤적(Trajectory) 함께 평가해야 함→ 단계별 비용 최적화: 결정론적 체크 → 경량 Judge → 프론티어 Judge → 인간→ Self-refinement 루프: Judge 피드백 → 에이전트 재시도 → 재평가 자동화→ CoT 평가 함정: 에이전트가 CoT로 Judge를 속이는 현상 실증됨 (2026)→ 프로덕션 모니터링: 실..

기본 개념은 알겠는데, 실제로 쓰면 점수가 이상합니다. 짧은 답변이 낮게 나오고, 순서만 바꿔도 결과가 뒤집힙니다. 이게 왜 일어나는지, 어떻게 막는지 파고들어 봅니다.📌 핵심 요약→ LLM Judge의 인간 동의율 85% — 하지만 편향이 있으면 그 85%가 틀린 방향으로 수렴→ 주요 편향 4가지: Position / Verbosity / Self-preference / Preference Leakage→ G-Eval: 루브릭 기반 채점, CoT로 신뢰도 10~15% 향상→ DAG 방식: 비결정적 G-Eval의 한계를 구조화된 평가 그래프로 보완→ LLM Jury: 여러 모델을 배심원단처럼 운용, 단일 Judge 편향 희석→ Preference Leakage: Judge와 피평가 모델이 같은 계열이면..

AI 스타트업이 상장한다는 뉴스, 이번엔 다릅니다. 규모가 다르고, 구조가 다르고, 파장이 다릅니다.📌 핵심 요약→ OpenAI, 이번 주(5/22) SEC에 S-1 비밀 제출 — Goldman Sachs·Morgan Stanley 주관→ 상장 목표: 2026년 9월, 밸류에이션 $1조 달러 돌파 전망→ 최근 펀딩(2026년 3월) 기준 기업가치 $8,520억, 월 매출 $20억 돌파→ 2025년 10월 비영리 → 공익법인(PBC) 구조 전환 완료 → IPO 법적 장벽 해소→ Musk 소송 5/18 배심원단 전원 기각 → 마지막 리스크 제거→ Microsoft 지분 26.79%, SoftBank $400억 투자 확정→ Anthropic 10월, SpaceX 6월 — AI 기업 상장 러시 동시 진행 중→..