1. AI에 회사 맥락을 제공하고 ‘회사 두뇌’를 구축하는 방법
회사에 맞는 AI 답변을 얻으려면 지표 정의, 승인 기준, 내부 용어 같은 암묵지를 문서화하고 업무 도구의 최신 기록과 연결해야 한다. 글은 1~2페이지의 핵심 문서와 주요 도구 2~3개부터 시작해, 정답을 아는 질문으로 답변과 출처를 반복 점검하고 문서 담당자와 검토일을 지정하라고 제안한다.
- GeekNews 상세 페이지: https://news.hada.io/topic?id=36856&utm_source=geeknews&utm_medium=rss&utm_campaign=news
- 원문 링크: https://ramp.com/blog/how-to-give-ai-context
2. Show GN: Aptly - 작업에 맞는 Claude Code·Codex 서브에이전트 모델과 effort를 추천
Aptly는 서브에이전트 작업의 짧은 요약을 OpenAI Decisions API에 보내, 설정된 후보 중 모델과 추론 프로필을 추천하는 로컬 MCP 서버다. Codex와 Claude Code에서 사용자가 명시한 설정을 유지하며 기본 선택을 자동화하고, 제작자는 소규모 번역 검토 시험에서 분류 비용을 포함한 API 환산 비용이 약 52~58% 줄었다고 보고했다.
- GeekNews 상세 페이지: https://news.hada.io/topic?id=36852&utm_source=geeknews&utm_medium=rss&utm_campaign=news
- 원문 링크: https://github.com/abruption/aptly
3. 나는 AI로 인한 두뇌 과부하에 이렇게 대처한다
여러 AI 대화를 오가며 맥락을 기억하는 부담을 줄이기 위해, 글쓴이는 저장소의 Markdown 티켓과 Git 보드를 지속되는 작업 큐로 사용한다. 에이전트가 조사·구현·검증을 맡고 사람의 결정이 필요한 일은 우선순위 수신함에 모으며, 사람은 티켓 하나를 처리한 뒤 큐에 돌려놓아 그 맥락을 닫는다.
- GeekNews 상세 페이지: https://news.hada.io/topic?id=36842&utm_source=geeknews&utm_medium=rss&utm_campaign=news
- 원문 링크: https://sergeykuhne.com/blog/fighting-ai-brain-fry
4. 소스는 공개하되, 외부 기여는 받지 않는다
글은 LLM으로 코드 작성과 재구현 비용은 낮아졌지만 외부 패치와 버그 신고를 검증하는 비용은 그대로라, 소스를 공개하되 코드 기여를 받지 않는 방식이 늘 수 있다고 전망한다. 호환성이 중요한 프로토콜과 핵심 라이브러리는 여전히 공유될 수 있으며, 이때 동작 명세와 재현 가능한 테스트의 가치가 커진다고 본다.
