클로드 코드 가이드라인 탐구: 65줄의 미니멀리스트 접근법
클로드 코드 가이드라인은 단 65줄의 마크다운에 핵심적인 코딩 이념을 담아 AI 지원 코드 편집에서 주목할 만한 도구로 부상했습니다. 그중 가장 두드러지는 원칙은 '코딩 전에 생각하라'로, 나머지 원칙들의 기초를 마련합니다.
이 도구의 흥미로운 점은 GitHub에서 인기가 급상승하여 하루 만에 3.5K에서 거의 4K 스타로 뛰어올랐다는 것입니다. 이러한 급증은 AI 코딩 에이전트를 위한 간결한 원칙을 채택하려는 개발자 커뮤니티의 상당한 관심을 강조합니다.
원래 클로드 코드에 맞춰 제작된 이 원칙들은 VS Code와 커서(Cursor)용 확장 프로그램으로 적용되었습니다. 이 수정은 Codex CLI를 사용하여 이루어졌으며, 커서는 Eclipse Foundation의 플러그인 레지스트리를 활용했습니다. 그러나 특히 VS Code 마켓플레이스에서 이러한 확장 프로그램을 게시하는 과정은 어려움을 안고 있습니다. 예를 들어, '검증된 게시자' 상태가 없으면 설치 시 경고가 표시되며, 이 상태는 6개월간의 게시 활동 이후에만 수정 가능합니다. 커서의 절차에는 open-vsx.org와 GitHub를 포함한 여러 계정 연결 및 Eclipse 계약이 필요합니다.
실제로 클로드 코드 확장 프로그램을 사용하는 것은 AI 모델의 비결정적 행동으로 인해 모호하게 느껴질 수 있습니다. 규칙은 환경의 특정 제약에 맞춰 설계되어 코딩 표준과 아키텍처 지침을 준수해야 합니다. 이 65줄의 간결한 규칙의 영향력은 아직 논쟁 중이지만, 커뮤니티의 지지는 분명합니다.
📖 전체 출처 읽기: HN LLM Tools
👀 See Also
전화 기반 AI 실험을 통한 ANE 최적화는 커널 융합의 이점을 보여줍니다
한 개발자가 Apple Neural Engine 최적화를 위해 55번의 실험을 진행했으며, 클로드를 활용한 브레인스토밍을 통해 휴대폰에서 프로세스를 주도했습니다. 주요 개선 사항으로는 3개의 ANE 커널을 1개의 메가 커널로 융합하여 검증 손실을 3.75에서 2.49로, 단계 시간을 176ms에서 96ms로 단축한 것이 포함됩니다.
ProofShot: 브라우저 녹화로 UI 코드를 검증하는 AI 에이전트용 CLI
ProofShot은 AI 코딩 에이전트가 브라우저를 열고 페이지와 상호작용하며 세션을 기록하고 오류를 수집한 다음, 모든 것을 검토용 독립형 HTML 파일로 묶는 CLI 도구입니다. 셸 명령을 통해 모든 AI 에이전트와 작동하며 스킬로 패키징되어 있습니다.
MTP + 통합 메모리가 RTX 5090에서 llama.cpp 추론 성능을 30% 향상시키다
llama.cpp에서 GGML_CUDA_ENABLE_UNIFIED_MEMORY=1과 함께 MTP 추측을 활성화하면 RTX 5090 및 128GB 시스템 RAM에서 Qwen3.6-27B Q8_0 모델의 처리량이 49 tok/sec에서 64 tok/sec로 향상됩니다.
언더스터디: 데모를 통해 작업을 학습하는 가르칠 수 있는 데스크톱 에이전트
언더스터디는 GUI 애플리케이션, 브라우저, 쉘 도구, 파일, 메시징을 하나의 세션에서 운영할 수 있는 로컬 퍼스트 데스크톱 에이전트 런타임입니다. 작업을 한 번 시연하면, 화면 비디오와 의미론적 이벤트를 기록하고, 좌표가 아닌 의도를 추출하여 재사용 가능한 스킬로 변환합니다.