
지표 뒤에 숨은 맥락을 한눈에: New20 Timeline Hub 만들기
분산된 정책·배포·실험 기록을 시간축과 질문별 화면으로 연결한 허브 사례를 소개했습니다. 변경 근거와 수집 한계를 함께 보여 신뢰 가능한 분석 맥락을 만들었습니다.

분산된 정책·배포·실험 기록을 시간축과 질문별 화면으로 연결한 허브 사례를 소개했습니다. 변경 근거와 수집 한계를 함께 보여 신뢰 가능한 분석 맥락을 만들었습니다.

제품 코드와 Claude를 결합해 최신 화면 기반 프로토타입·PR 핸드오프 방식을 구축했습니다. 가이드 스킬과 팀 플러그인으로 PM까지 디자인 작업에 참여하도록 확장했습니다.

업무 기록을 모아 주간보고를 자동화하는 worklog-system 구축 경험을 소개합니다. 여러 기기·VPN 환경과 중앙 서버 없이 업무 도구를 확장한 과정을 다룹니다.

검증된 SQL·문서·코드를 repo 컨텍스트로 활용해 Slack 기반 AI 데이터 분석가를 만들었습니다. 반복 분석을 5분 내 처리하되, 지표 정의와 복잡한 판단은 사람이 맡습니다.


분산된 VoC 지식과 코드 조사를 자동화하는 AI 에이전트 ‘민붕이’의 설계·운영 사례를 소개했습니다. MCP 기반 단일 서버 구조에 보안·검증·비용 통제를 적용해 실무 투입 가능성을 높였습니다.


PaaS의 책임 경계와 배포·실행·모니터링 구성, 과금 방식을 정리했습니다. 도입 시 런타임 지원 범위, 벤더 종속, 보안 책임, 확장 비용을 확인해야 합니다.

AWS DevOps Agent Release Management로 배포 전 리스크를 자율적으로 검증하는 방법을 소개했습니다. AnyCompany 주문 서비스 예시로 릴리스 표준 집행, cross-repo 영향 분석, 변경 특화 테스트를 살펴봤습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Kiro Crew를 항상 켜두는 자율 AI 에이전트로 소개하고, 세션·메모리·스케줄·앱 기능을 설명했습니다. AWS에 배포해 이슈 분류와 PR 리뷰 초안을 맡기는 온보딩과 운영 방법도 다뤘습니다.

zeta labs는 문서, 에이전트, 자동 검증, 분석을 연결해 누구나 제품 개발 사이클을 돌리는 환경을 구축했습니다. 주 2회 배포와 사용자 배치 비교로 개선 효과를 측정하며 클로즈베타를 운영했습니다.


외부 웹 변경에 취약한 할인 적용 배치를 LangGraph 기반 AI 에이전트로 복구·분석·PR 생성까지 자동화했습니다. LLM은 화면 판단에만 제한하고, 검증·권한·루프·동시성 제어는 코드와 사람 검토로 보완했습니다.


Git Flow, GitHub Flow, GitLab Flow를 비교하며 실무 브랜치 전략의 핵심을 정리했습니다.브랜치 이름보다 역할과 배포 규칙의 일관성이 더 중요하다고 설명했습니다.

AI를 개인 생산성 도구가 아니라 조직의 공통 지식 기반으로 확장하는 방법을 설명했습니다. 서비스 설계도와 코드, 데이터, 정책을 연결해 문제정의와 유지보수 속도를 높이는 사례를 소개했습니다.

Technical Writer의 리뷰 기준과 작성 방식을 AI에 학습시켜 문서 작성과 리뷰를 자동화했습니다. 사내 메신저와 GitHub에 붙여 사용 흐름 안에서 바로 문서 작업이 되도록 만들었습니다.
토스의 es-toolkit이 lodash 대체를 목표로 성능과 번들 크기를 개선하며 성장한 과정을 소개했습니다. 국내외 커뮤니티 기여와 대형 오픈소스 채택으로 주간 다운로드 2천만 회를 넘겼습니다.