행동 검증 기반 Java 프레임워크 마이그레이션 벤치마크 ScarfBench 공개
ScarfBench: Benchmarking AI Agents for Enterprise Java Framework Migration
AI Agent 오케스트레이션을 통한 개발 생산성 10배 향상
Unpopular Opinion: AI Agents Won't Replace Developers (Yet)
Memory-Routing 계층화로 쿼리 비용 83% 절감 및 컨텍스트 유지 실현
hack with Hyd 2.0
Harness Engineering을 통한 AI Agent 런타임 신뢰성 33-60% 향상
The 7 Ways AI Agents Fail in Production — And How to Catch Them
Prompt Engineering의 한계를 극복한 Dynamic Context Engineering으로의 패러다임 전환
Context Engineering Is the New Prompt Engineering
Model Context Protocol 기반 AI 에이전트 확장 도구셋 구축 및 과금 아키텍처 설계
I Built 3 MCP Servers for AI Agents — Here's How They Work
Filesystem-first 기반의 Durable Execution AI Agent 프레임워크 Eve 공개
Vercel Introduces Eve, an Open-Source Framework for Building AI Agents
AI 생산성 폭증에 따른 PR 병목 해결을 위한 Validation-First 파이프라인 설계
Presentation: AI Works, Pull Requests Don’t: How AI Is Breaking the SDLC and What To Do About It
Dapr 1.18: AI Agent 신뢰 보장을 위한 Verifiable Execution 아키텍처 도입
Dapr 1.18 Introduces Verifiable Execution, Bringing Cryptographic Trust to AI Agents and Workflows
신뢰도 하락에도 도입률 84% 달성, 정확도보다 추적 가능성 중심의 AI Agent 설계 전환
The New Product Surface of AI Builders: Agents, Controls, and Guardrails.
AI Agent의 DDL Transaction 래핑 제거 및 4단계 전략을 통한 Zero-Downtime 구현
D1 Schema Migrations with AI Agents: The DDL-in-Transaction Trap That Kills Zero-Downtime Deploys
AI 에이전트의 휘발성 컨텍스트를 Repository Memory로 대체한 Persist OS 설계
AI Is Too Good at Coding - So I Built Something to Keep the Why (and Make It Scale)
2028년까지 AWS 기반 AI 및 Spec-Driven 아키텍처로의 전면 전환
Southwest Airlines Embraces Cloud and AI Architecture. Are They Setting a New Standard for the Industry?
Spec-Driven Pipeline으로 토큰 비용 절감 및 구현 정밀도 향상
The New Code: Why Specifications Will Replace Programming
Enterprise Context 중심의 AI-Legacy 통합 아키텍처 전환 전략
Infosys boss says vibe coding is no threat because there’s more to writing software than writing software
Prompt Engineering의 Context Engineering으로의 진화와 시스템 설계 최적화
The Real Reason Prompt Engineering Isn't Going Away
단순 RAG를 넘어 Correction 반영 및 신뢰 기반의 Local Memory Layer 구현
More Context Is Not Enough. AI Agents Need Memory They Can Trust.
bigset - 세상의 모든 데이터를 가지고 있다면?
자율 에이전트 기반의 동적 스키마 추론 및 라이브 웹 데이터셋 자동화 엔진
AI 생성 코드 41% 시대, Output을 넘어 Trajectory 보존으로 80% 병목 해결
Agents write code, but they don't remember
100개 AI Agent 병렬 배치 및 Zero-Token 정리를 통한 코드 감사 가속화
Batch Worker — 100 AI Agents in Parallel, Zero-Token Cleanup