

AI 네이티브 디자인 플레이북
AI 코딩 에이전트와 디자인 시스템으로 목업·핸드오프 대신 PR 중심 딜리버리 흐름을 제안했습니다. 토큰, 컨텍스트, 훅으로 품질을 강제하고 산출물 기반 케이던스를 운영했습니다.


AI 코딩 에이전트와 디자인 시스템으로 목업·핸드오프 대신 PR 중심 딜리버리 흐름을 제안했습니다. 토큰, 컨텍스트, 훅으로 품질을 강제하고 산출물 기반 케이던스를 운영했습니다.

Deep Insight의 프로덕션 전환을 하네스 엔지니어링 관점에서 정리했습니다. 에이전트 추론, 코드 실행, 저장소, 네트워크를 분리해 안정성과 보안을 높였습니다.

팀챗을 공용 인터페이스로 삼아 AI를 조직의 실행 흐름에 연결한 구축 사례를 소개했습니다. Claude Code 위에 상태머신, K8s 실행기, 메모리 계층을 얹어 보안 대응과 운영 점검까지 확장했습니다.

AI Native 레포를 조직 전체가 쓰는 실행 harness로 확장한 hollon-ai 구축기를 소개했습니다. 팀챗, Kubernetes, 상태머신, 메모리 계층으로 요청부터 복구까지 같은 흐름에 묶었습니다.

입사 10일 만에 인프라 온보딩을 문서, 검증, AI 대화의 3계층 구조로 다시 설계했습니다. 정책 자동화와 Multi-Agent 실습까지 더해 신규 입사자 경험을 개선했습니다.


LLM-as-a-Judge를 설계해 설명 생성 품질을 자동 평가하는 방법을 소개했습니다. 체크리스트와 critique 구조화로 인간 평가와의 정합성을 높이고, 디버깅과 데이터 정제에도 활용했습니다.


정답 데이터가 없는 설명 생성 문제에서 좋은 설명의 기준을 먼저 합의하고 정책으로 정리하는 과정을 소개했습니다. PM과 엔지니어가 pass/fail 평가와 critique를 반복하며 모델과 평가 기준을 함께 수렴시켰습니다.


AWS Bedrock Converse API로 멀티 모델 에이전트를 구성하는 예시를 소개했습니다. 로컬 도구와 Lambda 도구를 함께 연결해 스트리밍 대화와 도구 호출 흐름을 구현했습니다.


OpenAI Codex 플러그인이 Slack, Figma, Gmail 등 실무 도구를 자연어로 연결해 워크플로우를 자동화하는 흐름을 소개했습니다. 팀 생산성을 높이기 위한 점진적 도입 방법과 개발자의 준비 포인트도 정리했습니다.


Slurm의 내부 구조와 Job 실행 흐름을 설명하며 HPC에서의 자원 관리 방식을 정리했습니다. 또한 대화형 작업, 배치 학습, Job 배열, QOS와 Fairshare 활용법을 실무 예제로 소개했습니다.


Palantir FDE를 소프트웨어를 만드는 역할이 아니라 현실에서 작동시키는 실행 역할로 설명했습니다. PoC를 운영과 채택으로 연결해야 실제 비즈니스 임팩트가 난다고 정리했습니다.


AI Agent와 Claude Code를 활용해 백엔드 유닛 테스트 커버리지를 100%로 끌어올린 과정을 소개했습니다.프롬프트 고정, Hook 검증, 작업 분리로 회귀 방지와 유지 구조까지 설계했습니다.

MCP 서버를 AI 어시스턴트와 연결해 개발 효율을 높이는 사내 활용 사례와 워크숍 내용을 소개했습니다.티켓 발행 자동화와 멀티 에이전트 PR 리뷰를 통해 안전한 확장과 보안 관리의 중요성을 강조했습니다.

비전공자도 Claude Cowork와 Claude Code로 업무 자동화와 웹사이트 제작을 실습하는 오프라인 워크숍을 소개했습니다. FAQ 봇, 보고서 자동화, 데이터 시각화, 배포까지 실무 흐름을 단계적으로 다룹니다.