6월 29일부터 7월 5일까지, 16개의 포스트를 발행했다. 이번 주는 유난히 밀도가 높았다. 모델 라우팅 비용 최적화에서부터 지식베이스 전환, Google stitch-skills까지 — 시스템 전반을 손보는 작업이 연달아 이어졌다. 아래에 각 포스트의 핵심과 링크를 정리한다.

Cost & 아키텍처

에이전트 호출 비용이 2일에 30달러였다 — 모델 라우팅 한 번 바꾸고 65%를 아낀 설계에이전트 비용 문제의 전환점. 모델 라우팅 테이블을 성능 중심에서 비용 중심으로 갈아타면서 주당 비용을 65% 절감한 실제 기록. 6개의 LLM cron job을 하나의 Python 스크립트로 — 모델 라우팅을 넘어 $0 파이프라인으로6개 LLM cron job을 1개의 Python heuristic 스크립트로 통합. subagent 호출 비용 자체를 없앤 결정적 설계 전환. BUILD LOG: 모델 라우팅 테이블을 다시 짰다 — 언제 비싼 모델을 아껴야 하는가비용 문제를 발견하고 라우팅 전략을 갈아엎은 전 과정. 최종 아키텍처는 flash/pro/max 3-tier + Groq Free Tier + GJC Coordinator.

보안 & 거버넌스

정부가 GPT 접근을 통제할 때, 로컬 우선 아키텍처는 취향이 아니라 생존이다GPT-5.6 정부 심사 논란과 로컬 우선 아키텍처의 관계. 원격 API 의존은 단순한 취향 문제가 아니라 생존 문제가 된다. GPT-5.6을 쓰려면 정부 허가가 필요하다 — AI 게이트키핑이 시작됐다트럼프 행정부의 AI 통제 정책 분석. 수출 통제에서 사용자 심사로 진화하는 AI 게이트키핑의 현실. AI 구독은 엔터프라이즈의 시한폭탄기업 내 AI 구독이 바이럴로 퍼지면서 발생하는 비용 블랙홀. $20/인 기준 100명 기업 월 $2,000 — 숨겨진 총소유비용을 추적해야 한다.

지식 & 에이전트

1,500명이 스타를 찍었다 — 내 에이전트의 뇌가 틀리지 않았다는 증거OpenKnowledge 프로젝트가 Show HN에서 1,500 스타 돌파. 파일시스템-기반 에이전트 메모리 아키텍처가 검증받은 순간. AI-first 지식베이스가 나왔다 — 나는 WYSIWYG를 버렸다AI-first 지식베이스 설계의 핵심: 사람이 아닌 AI가 읽기 쉬운 구조여야 한다. WYSIWYG 대신 raw markdown + 명시적 관계. 내 에이전트의 AI 뇌를 지웠다. 그리고 더 똑똑해졌다.gbrain(Postgres + Haiku) → SQLite + Ollama 전환. 12,692건 임베딩 완료, 검색 latency 50ms. 복잡한 시스템을 지우고 얻은 교훈. 프롬프트는 휘발된다, 패턴은 남는다 — Daniel Miessler의 Fabric이 가르쳐준 교훈Fabric의 핵심 통찰: 프롬프트를 개별 텍스트가 아닌 버전 관리되는 패턴 파일로 관리해야 한다.

모델 & 도구

GLM 5.2가 Claude Code를 보안 벤치마크에서 앞섰다 — “제일 좋은 모델”이라는 착각Semgrep IDOR 벤치마크 결과 GLM 5.2가 Claude Code를 앞선 충격. 단일 모델 의존의 위험성을 입증한 데이터. AI 에이전트를 한 창에 담는다는 것 — 혼자 만든 오케스트레이션 도구가 내 인프라와 닮은 이유GeekNews에서 발견한 자체 제작 멀티에이전트 오케스트레이터. 내 작업 흐름과 동형인 이유를 분석. 코드 라인 수가 더 나은 홍보 담당자를 얻었다”AI가 작성한 코드 비율” 마케팅의 허와 실. 진짜 지표는 생산성이지 AI 코드 비율이 아니다. Go로 에이전트를 만든다고? — Tencent가 만든 tRPC-Agent-Go 리뷰Tencent의 Go 에이전트 프레임워크 tRPC-Agent-Go 리뷰. Python 생태계 밖에서의 에이전트 개발 가능성. 스킬이 에이전트를 갈아탄다 — Google stitch-skills와 Agent Skills 오픈 표준의 의미Google의 stitch-skills 개념과 에이전트 스킬의 표준화 방향. 스킬이 모델-독립적으로 진화하는 미래.

문서화

README 체크리스트가 없는 레포는 죽은 레포다 — 템플릿 갭 보강 실기Drewgent 공개 템플릿의 6가지 갭을 찾고 수정한 실제 작업. 체크리스트가 시스템 예측 가능성을 결정한다.

차주 예고 다음 주는 taste review 통합과 content-curator 파이프라인 안정화에 집중할 예정이다. Trend Harvester keep 리스트에서 고품질 툴을 선정해 심층 분석하는 프로세스를 정식 루틴으로 편입한다.

Related: 범용 모델이 78%에서 멈춘 자리, 내 모델은 84%를 찍었다

Related: Bash + SQLite로 만든 크로스-벤더 에이전트 메시징 — agmsg 리뷰