16:16-16:20배포·운영
온프레미스 OpenCode
사내 온프레미스 환경에서 오픈웨이트 모델을 서빙하고 OpenCode를 사용하는 사례가 공유됐다. 업무 흐름은 PRD 작성에 Claude, 구현에 OpenCode, 검증에 Claude를 쓰는 방식으로 소개됐다. OpenCode는 사용량 제약 없이 쓰기 좋지만 공동 환경이라 사용자가 몰리는 시간에는 느려질 수 있다는 운영상 단점도 언급됐다.
- 개발 부서에서 온프레미스 오픈웨이트 모델 서빙 환경을 운영한다는 사례가 나왔다.
- PRD 작성과 검증에는 Claude, 구현에는 OpenCode를 사용하는 분업 워크플로우가 소개됐다.
- OpenCode는 무제한처럼 활용하기 좋아 구현 작업을 많이 맡기는 용도로 언급됐다.
- 공유 인프라에서는 여러 사람이 동시에 작업을 돌리면 지연 시간이 발생할 수 있다고 했다.
13:23-13:23도구·라이브러리
닷의 Codex 작업 연동
닷이 Codex 관련 작업을 직접 받아 처리할 수 있게 됐다는 소식이 공유됐다. 새 작업을 시작하거나 기존 스레드를 이어서 후속 작업할 수 있고, ChatGPT 대화·Codex 스레드·자동화 맥락을 참고해 방식을 고른다고 소개됐다. ChatGPT Work의 예약 작업을 확인·수정하는 기능도 언급됐다.
- 닷에서 Codex 작업을 위임하는 흐름이 소개됐다.
- 새 작업과 기존 스레드 후속 작업을 모두 지원한다고 언급됐다.
- 기존 대화·스레드·자동화 맥락을 활용해 작업 방식을 선택한다고 설명됐다.
- ChatGPT Work 예약 작업의 확인과 수정 기능도 언급됐다.
14:01-14:10도구·라이브러리
ChatGPT와 Devin 연동
ChatGPT 개인 플랜을 Devin에 연결해 GPT 모델 사용량을 기존 ChatGPT 요금제 쿼터에서 차감하는 연동 소식이 공유됐다. 참여자들은 Devin의 성격과 Codex·Claude Code·Antigravity 같은 도구와의 차이를 질문했다. Devin은 목표를 받아 계획, 구현, 실행·테스트, 수정, 배포까지 수행하는 자율형 AI 소프트웨어 엔지니어로 소개됐다.
- Go·Plus·Pro 등 ChatGPT 개인 구독을 Devin에 연결하는 방식이 언급됐다.
- Devin에서 쓰는 GPT 모델 사용량이 ChatGPT 플랜 쿼터에서 차감된다고 소개됐다.
- 참여자들은 Codex를 쓰는 경우 Devin이 별도로 필요한지 질문했다.
- Devin은 브라우저·에디터·셸 환경을 갖추고 전체 개발 과정을 수행하는 도구로 설명됐다.
15:28-16:18질문·트러블슈팅
고사양 맥 선택 기준
고사양 맥북 구매와 맥 스튜디오·맥 미니 기반 원격 작업 환경의 선택 기준을 길게 논의했다. 단순 영상 시청이나 일반 작업에는 고사양이 필수는 아니지만, 디자인 툴·3D 툴·CAD·피그마·윈도우 VM·코딩 에이전트 병렬 작업처럼 다중 고부하 작업에서는 체감 차이가 난다는 의견이 나왔다. 휴대성이 덜 중요하고 AI·로컬 작업 비중이 크면 데스크톱이나 맥 스튜디오를 두고 노트북에서 원격 접속하는 구성이 적합하다는 의견이 많았다. 고사양 노트북은 성능뿐 아니라 쾌적함과 개인 만족을 위한 선택일 수도 있다는 비유도 나왔다.
- 고사양 맥북의 필요성은 실제 워크로드와 개인 구매 여력에 따라 달라진다는 의견이 나왔다.
- 포토샵·일러스트레이터·블렌더·스케치업·CAD·피그마·윈도우 VM을 함께 쓰면 메모리와 성능 차이가 체감된다는 사례가 공유됐다.
- 맥 미니나 맥 스튜디오를 주력으로 두고 맥북 에어 등에서 원격 접속하는 구성이 제안됐다.
- AI 작업과 로컬 모델 활용 비중이 높다면 데스크톱이 더 적합하다는 의견이 나왔다.
- 고사양 장비는 필수성 외에 작업 중 끊김을 줄이는 쾌적함과 만족감의 가치도 있다는 관점이 제시됐다.
17:40-17:41워크플로우·방법론
서브에이전트 PR 공장
스펙, 구현 디테일, 테스트를 먼저 설계한 뒤 서브에이전트로 구현을 끝까지 진행하고 마지막에 AI와 리뷰하는 개발 흐름이 공유됐다. PR을 반복적으로 생산하는 공장형 워크플로우로 표현됐다. 이 방식에 유용한 스킬이 무엇인지 묻는 후속 질문이 나왔으며 답변은 아직 없다.
- 구현 전 스펙·세부 설계·테스트를 먼저 정리하는 방식이 공유됐다.
- 서브에이전트가 구현을 끝까지 맡고 마지막 단계에서 AI 리뷰를 수행한다.
- 워크플로우의 목표는 반복 가능한 PR 생산이다.
- 이 흐름을 더 잘 수행하기 위한 실무 스킬 질문이 제기됐으나 답변은 나오지 않았다.
13:58-13:58자료·링크 공유
공공 데이터 깃허브
공공 데이터를 찾을 때 활용할 만한 깃허브 관련 링크가 공유됐다. 공유자는 앞으로 해당 깃허브를 애용하겠다고 했다.
17:01-17:20질문·트러블슈팅
llmwiki grep-i 설정
llmwiki 설정에서 데이터 용량이 커 grep -i 전용 읽기 방식을 선택할 경우의 장단점을 묻는 질문이 나왔다. 이어 RAG 모델을 혼합한 하이브리드 방식으로 확장할 때 grep-i 방식이 병목이 될지, 설정을 바꿔야 할지를 질문했다. 대화에는 이에 대한 답변이 아직 없다.
- llmwiki의 대용량 데이터 읽기 방식을 grep -i 중심으로 설정하는 방안이 논의됐다.
- grep -i 전용 방식의 장단점에 대한 질문이 제기됐다.
- RAG 혼합형 하이브리드 워크플로우에서 병목 가능성이 핵심 관심사였다.
- 대화 구간 내에는 설정 변경 여부에 대한 결론이나 답변이 없다.
15:23-15:23질문·트러블슈팅
Pexels API 차단
Pexels API가 막힌 이유를 묻는 질문이 올라왔다. 이어진 답변이나 해결 방법은 대화에 없었다.
- Pexels API 접근 차단 원인을 묻는 질문이 제기됐다.
- 대화에는 원인 분석, 오류 메시지, 해결책이 추가로 공유되지 않았다.
14:50-14:51커뮤니티·잡담
AGI와 개발자 전망
AI 발전 속도에 대한 반응에서 AGI가 등장하면 개발자 역할이 대체될 수 있다는 농담 섞인 우려가 나왔다. 이어 한국의 저출산 상황을 빗댄 가벼운 농담이 이어졌다.
- AI 에이전트 발전이 개발자 직업에 미칠 영향이 가볍게 언급됐다.
- 후속 대화는 저출산을 소재로 한 잡담이었다.
15:19-15:19커뮤니티·잡담
행사 참석 고민
외부 행사 링크가 공유됐고, 참석할지 고민 중이라는 짧은 이야기가 나왔다.