Claude Code 확장 도구 선택의 최적화: Lightest-First 계층 설계 전략
Skill, MCP, Plugin, or just a CLI: how I pick a Claude Code extension, lightest first
Show GN: AgentDir - 에이전트를 위한 mkdir - 에이전트 성능 극대화를 위한 read-only 가상 파일 시스템
Rust 기반 Read-only 가상 파일 시스템을 통한 에이전트 컨텍스트 최적화
LLM 기반 시맨틱 분석을 통한 Claude Code Skill 검증 및 자동 최적화 프레임워크
skill-insp: A Skill That Scores Other Skills
AI Coding Agent를 위한 DevSecOps 기반의 Enterprise Control Plane 설계
Building Agentra, An Enterprise AI Engineering Control Plane for Secure Coding Agents
GitHub Copilot의 Token 기반 과금 전환에 따른 Harness Engineering 중심의 비용 최적화 전략
GitHub's New Billing Model Changes Everything About Agentic Development
Memory Consolidation을 통한 LLM Context 효율 극대화 및 Noise 제거
Claude Code Dreaming - What /dream Actually Does for Your Memory
Markdown 기반 Context 계층화를 통한 LLM Agent의 Token 소모 95% 절감 및 운영 자동화
I Let an AI Agent Live on My VPS for Three Weeks
Framework 중심 설계 탈피를 통한 Multi-Agent System의 신뢰성 확보 전략
Why Your Tech Stack Doesn’t Matter
조직 거버넌스 체계 도입으로 Task 처리량 2.3배 향상시킨 AI Workforce 플랫폼
Markus: An Open-Source AI Digital Workforce Platform with Organizational Governance
Agents CLI 기반 AI 에이전트 개발 라이프사이클 단일화 및 Context 오버헤드 최적화
Google Cloud Introduces Agents CLI to Streamline AI Agent Development Lifecycle
AI 에이전트 스킬, 벤치마크 성능의 절반도 현실에서 안 나온다
현실적 스킬 검색 한계로 인한 AI 에이전트 성능 급락 및 Recall@5 65.5% 달성
단순 기록을 넘어 원칙으로 진화하는 AI 메모리, Experience Engine
Experience Engine: AI Memory That Shrinks As Your Agent Learns