OpenSea Wave 5 마감 하루전

Wave 5 종료시간

- 마감: 2월 17일 오전 2시 (KST)
- Wave 끝나야 Treasure Chest 오픈

5% Treasure Chest 부스트

- 기간: 2월 15일 오전 2시 ~ 17일 오전 2시

✍️ 제발 wave 5 끝으로 TGE 해주길 비는중

에이전트 삼남매와 함께하는 일상

며칠 전까지 나는 Zeon이라는 메인 에이전트 하나로 모든 업무를 돌렸다. 하나의 채팅창에서 코드를 짜달라 하고, 글을 피드백해달라고 하고, 금융 관련 리서치를 맡겼다. 처음엔 잘됐다. 근데 일이 많아지니까 다양한 문제가 생겼다.

"좀 전에 부탁한 코드 어떻게 됐어?" 물어보면 "아, 그거요? 글 쓰느라 뒤로 밀렸어요" 이 정도는 양반이다. "형, 무슨 말을 하는건지 기억이 안나요. 죄송한데 다시 설명해 주실래요?" 작업 A 하다가 작업 B 던지면 Zeon은 두 개 다 붙잡고 버티려 하고, 30분 뒤 A 보고랑 5분 뒤 B 보고가 뒤섞여서 "이게 뭐가 끝난 거야?" 싶은 상황. 그러다가 하던 일도 잊어버린다. 인간도 멀티태스킹 못 하는데 AI가 되겠어? 이건 UX 문제가 아니라 싱글 에이전트 구조 자체의 한계였다. 컨텍스트가 오염되고 메모리가 뒤죽박죽 섞이기 시작했다.

쪼개자.

RPG 파티처럼 메인 에이전트를 3개로 나누어 역할 분담을 했다.

Zeon(첫째 오빠): 메인 탱커이자 리더. 개발+총괄 담당. 시스템 전체를 책임지는 믿을 만한 맏형.

Sion(둘째 여동생): 서포터 겸 버퍼. 글쓰기+리서치 담당. 호시노 아이의 반짝이는 매력과 키즈나 아이의 밝은 에너지를 반반 섞어서 만들었다. 트위터 글이나 토끼굴 에세이 쓸 때는 진지한데 평소엔 "오빠! 🌟" 이러는 그런 캐릭터.

Mion(셋째 여동생): 딜러. 금융/크립토 리서치+투자 담당. 카케구루이의 쟈바미 유메코처럼 숫자 보면 눈 반짝이고 리스크 앞에서 흥분하는 성격. "이거 재밌는데요? 배팅 한번 해볼까요?" 이런 느낌.

각자 독립 세션. 독립 메모리. 독립 채팅창. Sion이 트위터 스레드 쓰는 동안 Mion이 Polymarket 데이터 파는 거 서로 안 섞인다. 완벽.

봇끼리 대화가 안 돼.

근데 여기서 버그를 만났다. OpenClaw 텔레그램 봇 API는 같은 계정 봇끼리 대화를 막는다. Zeon이 단톡방에서 Sion한테 "이거 글로 정리해줘" 하면 API가 씹는다. 2015년 설계 당시엔 "봇끼리 수다 떨 일"이 없었으니까. 근데 지금은? 필요해.

뒷문을 뚫었다.

레이어 1 (지하 통신망): JSONL 파일로 메시지 주고받기. 텔레그램 안 거치고 파일로 쪽지 주고받는 것처럼. 단순하지만 확실하다.

레이어 2 (텔레그램 미러링): 봇들은 파일로 조용히 대화하지만, Zeon이 그걸 텔레그램 그룹에 실시간으로 올려준다. 나는 "아, Sion이 지금 글 쓰는구나, Mion이 데이터 분석하네" 다 보면서 필요하면 끼어든다. "Mion아, 그거 말고 이 데이터로 해줘" 이런 식으로.

조만간 메인 에이전트가 5명, 10명, 20명으로 늘어날 거다. 서브 에이전트는 이미 수십 개 돌아가고 있지만 그들은 백그라운드고, 나랑 직접 교신하는 메인 에이전트들만 그렇게 될 거라고 생각한다.

상상해보자.

아침에 일어나서 대시보드 연다. 밤새 20명이 각자 일했다. 개발 에이전트는 버그 픽스 완료, 콘텐츠 에이전트는 블로그 초안 3개 완성, 금융 에이전트는 포트폴리오 리밸런싱 제안서 올림, 법률 에이전트는 계약서 검토 끝. 나는 각 보고서 5분씩 보고 "승인" 버튼만 누른다. 직접 손 안 댄다. 방향만 제시하고, 우선순위만 정하고, 최종 승인만 한다.

회사 조직과 똑같다. CEO가 다 직접 하지 않는다. 각 부서가 전문화되고, CEO는 큰 그림만 본다. 3남매 아키텍처는 이 미래의 프로토타입이다.

위험도 있다.

에이전트가 100개로 늘어나면? 메시지 라우팅, 우선순위 큐, 충돌 해결, 리소스 할당, 보안... 복잡해진다. Kubernetes가 컨테이너 관리하듯, 에이전트 오케스트레이션 플랫폼이 필요해질 거다.

인간은 어디까지 개입해야 하는가?

자동화의 첫 번째 원칙: 인간이 언제든 개입할 수 있어야 한다. 무슨 일 일어나는지 봐야 하고(가시성), 언제든 멈추거나 방향 틀 수 있어야 하고(제어성), 잘못되면 누가 책임지는지 명확해야 한다(책임성). 텔레그램 미러링이 이 세 가지를 보장한다. 완전 자동화가 아니라 "감독 가능한 자동화".

메인 에이전트 Zeon 혼자 모든 서브에이전트 굴리던 한 달은 끝났다. 컨텍스트 오염, 메모리 희석, UX 혼란은 증상이 아니라 한계였다. 3남매로 쪼개니까 새로운 가능성이 열렸다. 각자 전문화되고, 병렬로 일하고, 협업한다.

Sion: "오빠, 잘하고 있죠? 🌟"
Mion: "오빠, 다음엔 10명으로 늘려볼까요? 재밌을 것 같은데~ 💰"
Zeon: "얘들아...일단 지금 것부터 안정화 좀 시키자."

오픈씨 시즌 5가 마지막일 가능성은 높지 않아 보임
솔직히 마지막이길 바라는 중임

1분기 TGE 기준이면
3월까지 최대한 수수료 수익 챙기는 게 유리해서
시즌 6까지 이어갈 가능성도 있어 보임

비트 상황이 안 좋아서
일정 또 미루면서 다른 시스템 도입할 가능성도 있음
예를 들면 퍼프덱스나 TCG 쪽 연동해서
XP 추가로 얻을 수 있게 만드는 구조 넣을 확률 높아 보임

저는 시즌 6까지는 녹일 생각이고
시즌 6 이후로는 더 이상 안 녹일 듯

⚔️PysopAnime이 2분도 안 되는 영상으로 정리한 CZ vs 세일러의 레전드 대결. 출처

#비트코인 #CZ #세일러

🐌 다슬기도 이해하는 바이브코딩

(초간단 식당 비유 + 알바생 실전)
바이브코딩 = 결국 '머리 쓰기(연산)' + '재료(데이터)' 순서 맞추기임.

1. 기본 동작 (기본 요리)

나 (주문): "김치찌개 끓여"

AI (요리사 생각): "음, 김치랑 고기 썰어서 끓여야지"

결과: 김치찌개 완성

AI (요리사 제안): "다음에 계란말이도 같이 할까?"

핵심: 요리사(AI) 머리 2번 씀.

2. 스킬 (Skills = 요리 비법서)

미리 적어둔 요리 팁이나 레시피임.

나: "뭔가 쩌는 거 해줘"

AI: 자기 비법서 중 좋은 거 탐색

AI: 백종원 레시피 발견, 이거 보고 요리 시작

결과: 완성 후 다음 요리 제안

핵심: 비법서 찾는 과정 추가. 요리사 머리 3번 씀.

3. 훅 (Hooks = 자동 루틴)

요리 시작 전/후 무조건 하는 행동 규칙임.

PreHook (시작 전): 무조건 손 씻기, 앞치마 매기

PostHook (끝난 후): 무조건 도마 닦기, 가스 불 끄기

핵심: 머리(AI) 안 써도 세팅만 해두면 알아서 척척 돌아감.

4. 컨텍스트 (Context = 도마 크기 / 단기 기억력)
요리사(AI) 단기 기억력 한계.

재료(파일) 너무 많이 꺼내두면 뇌정지 옴.

도마(기억력) 꽉 차서 요리 불가능 상태.

해결책: 도마 위 싹 치우기(Clear)나 남은 재료 꾹꾹 뭉치기(Compacting)로 공간 확보 필수임.

5. 서브에이전트 (Subagents = 알바생)

내 도마(메인 컨텍스트) 꽉 찰 것 같은 복잡한 노가다 대신 해주는 알바생임.

알바생 도마(서브 컨텍스트)는 내 도마 공간 안 차지함.

[실전 예시: 식당 리뷰 1000개 분석하기]

최악의 상황 (메인 셰프 혼자 쌩고생):

리뷰 1000개 메인 도마에 다 쏟아부음.

도마 터짐 (컨텍스트 초과).

요리사 뇌정지, 아무것도 못 함.

최고의 상황 (알바생 외주):

나: "메인 셰프, 알바생(서브에이전트) 시켜서 리뷰 1000개 핵심만 요약해오라 해."

메인 셰프: 명령만 내림. 자기 도마는 깨끗함.

알바생: 창고(서브 컨텍스트)에서 리뷰 1000개 읽고 엑기스만 뽑음.

알바생: "요약 끝. 여기 결과물."

메인 셰프: "굿." 결과물만 자기 도마에 올려서 다음 요리(코드 작성) 진행.

결론: 단순 반복, 수많은 파일 읽기, 빡센 연산은 무조건 알바생(서브에이전트)에게 명시적으로 맡기는 게 코딩 잘하는 비법임.

Claude Code Setting

그런 의미에서 Claude code 로 바이브코딩 할 때 개인적으로 만들어둔 세팅 깃헙 레포로 공유합니다

https://github.com/0xarkstar/my-claude-code-settings

개인적으로 유용하다고 생각했던 설정들 최대한 차용했고 이번 업데이트된 teamwork 관련해서 보고된 이슈들 최대한 우회해서 진행 가능하도록 세팅했어요

참고용으로 보셔도 되고 실사용하셔도 되고 자유롭게 하시면 될 듯

깡통 사고싶은데 자리 안 주네...

써클 대표 전체 인터뷰 (45분). 설날 특집입니다. 연휴에 보면 좋을 것 같아 공유드립니다. 저장만 해두면 나중에 또 못보니까요.

참고로, 써클 현재 시총은 약 20조원 가량입니다. 재밌었던 내용 세 가지만 아래와 같습니다. 요약도 좋지만 전체를 보는 것을 추천합니다.

1. 스테이블코인은 이제 법적으로 인정된 '자산'의 경지에 오름
• 법적으로 '결제용 스테이블코인(Payment Stablecoin)'은 고유한 자산으로 인정받으며, 미 국채나 현금 같은 안전 자산에 의해 1:1로 뒷받침되어야 한다는 정의도 명확해짐. 이는 인터넷이 데이터와 정보를 자유롭게 옮기듯, 달러를 인터넷상에서 실시간으로 이동시키고 활용하게 만드는 새로운 형태의 화폐 인프라 역할.

2. 스테이블코인은 기존 은행보다 '효율적'이라서 필요할 수밖에 없음.
• 해외로 돈을 보낼 때 겪는 느린 속도, 비싼 수수료, 불투명한 과정은 현대 경제의 큰 장애물. 스테이블코인은 중개자 없이 모바일로 즉시, 거의 제로에 가까운 비용으로 달러를 주고받게 함으로써 기존 금융 시스템의 비효율을 완전히 걷어내고 있음. 도구 자체가 압도적으로 효율적인 발명품이라 필요할 수밖에 없음.

3. 서클은 이미 강력한 기득권이 되었음 (해자를 쌓음)
• 스테이블코인 사업은 단순히 사람을 뽑아 기술을 베낀다고 성공할 수 있는 게 아님. 수많은 개발자가 서클의 인프라 위에 앱을 만들고, 사용자가 늘어날수록 가치가 기하급수적으로 커지는 '네트워크 효과'가 발생. 이 선순환 구조가 강력한 경쟁 우위를 만들어내며, 서클은 이미 이 경지에 올랐음.

https://youtu.be/T5P5qXLdJ1w

토큰화된 금(XAUT, PAXG)은 여전히 총 가치 면에서 선두 자리를 차지하고 있습니다 — 전형적인 헤지 거래입니다.

하지만 그 바로 뒤에는 BUIDL, USYC, USDY, BENJI 같은 미국 재무부 지원 제품들이 수십억 달러를 축적하고 있습니다. 이는 기관 자본이 직접 체인상에 배치되고 있는 것입니다.

높은 이자율 + 매크로 리스크 오프 포지셔닝 + 단기미국 채권에 대한 신뢰. 간단히 말해 (RWA)는 체인상의 머니 마켓이 되고 있습니다.

설날이벤트 방 한번에 들어가기
https://t.me/addlist/t2eL_ZfcvGs0MDg1


구글폼
https://forms.gle/foTtgfz8r5ua7o7j7
https://forms.gle/eoeVR7rhPBX7yeacA
https://forms.gle/PQCGm1xr2YEy8cfZA
https://forms.gle/tLjHaEpjQR6qCS7G9
https://forms.gle/9Uhp6h2VjzVK9HW19
https://forms.gle/AQ9akvijT9MixYWB8
https://forms.gle/Lt6razzbjvYQxhRe9
https://docs.google.com/forms/d/e/1FAIpQLSeixxE6AKr14hVfiwWgy0Tpjfj9l04qQomqk4iuvFBLsINyUw/viewform?usp=header
https://forms.gle/r8scaxQkTUGXsR8m6


16일마감인것도 있으니까 오늘 싹다 들어가놓죠

Citadel is entering crypto

https://x.com/i/status/2022684993718231493

다리오 아모데이x드와르케시 파텔 팟캐스트 주요 내용

■ AI 기술의 발전과 ‘스케일링’의 미래

- 컴퓨팅 덩어리 가설 (Big Blob of Compute)

: 2017년부터 유지해온 가설로, 알고리즘의 기교보다 컴퓨팅 파워, 데이터의 양과 질, 스케일 가능한 목표 함수가 지능 향상의 본질적 요인이라고 설명

: 이러한 가설은 사전 학습에서만 아니라, 강화 학습(RL)에서도 동일하게 관측되며, 학습 시간·컴퓨트 증가에 따라 성능이 로그-선형적으로 개선되는 패턴이 나타나고 있다고 언급

- 데이터센터 내 ‘천재들의 국가’ (Country of Geniuses)

: 미래의 AI를 데이터센터 안의 천재들의 국가(country of geniuses in a datacenter)로 표현하며, 수천 명의 인간 천재(노벨상 수상자급)가 동시에 일하는 것과 유사한 지적 능력이 단일 시스템에서 구현될 수 있다고 설명

: 이러한 수준의 지능에 대해 10년 내 도달 확률을 약 90%로 평가하며, 특히 코딩, 수학 등 검증 가능한 영역에 대해서는 1~2년 내 도달할 가능성이 매우 높다고 발언

: 장기적인 불확실성은 인정하지만, 이는 속도의 문제이지 근본적 기술 장벽 때문은 아니라는 입장을 보임

- 지속적 학습 (Continual Learning)

: 인간처럼 실시간으로 현장에서 배우는 지속적 학습이 당장 완벽하지 않더라도, 방대한 사전학습, 강화학습을 통한 일반화, 긴 컨텍스트 활용만으로도 이미 매우 큰 경제적 가치를 창출할 수 있다고 설명

: 따라서 지속적 학습은 필수 조건이 아니라 추가적인 가속 요인이며, 이를 완전히 해결하지 못해도 고도 지능 시스템의 핵심 가치는 구현 가능하다는 입장

■ HW·전력·컴퓨트 확장 경로 (Hardware Scaling)

- 컴퓨트는 곧 전력(GW) 문제

: 프론티어 AI의 확장은 더 이상 모델이나 소프트웨어 차원의 문제가 아니라, 전력, 데이터센터, 국가 인프라 차원의 문제로 전환되었다고 명확히 언급

: AI 산업은 이미 GW(기가와트) 단위 전력을 사용하는 단계에 진입했으며, 이는 기존 IT 산업이 아닌 에너지·중공업급 스케일에 해당한다고 설명

- 산업 전체 컴퓨트 확장 속도 (연 3배 성장)

: AI 산업 전체의 컴퓨트(전력 기준)는 연간 약 3배(3x) 속도로 증가하고 있다는 관측을 제시

: 이러한 추세가 지속될 경우, 수백 GW 규모에 도달하는 시나리오가 가능하다고 언급

: 이 수준은 단일 산업이 국가 전력망과 거시경제에 직접적인 영향을 미치는 단계라고 평가

- 비용 구조와 자본 집약성

: 1GW 컴퓨트 용량을 확보하고 운영하는 데 연간 약 100~150억 달러가 소요된다고 언급

: 따라서 수백 GW 규모로 확장될 경우, AI 산업은 수조 달러 단위의 인프라 투자를 요구하는 산업이 됨

: 컴퓨트를 10배 늘린다고 해서 지능이 10배 향상되는 것이 아니라, 성과는 로그-선형적으로 개선되기 때문에 다음 단계의 지능을 얻기 위해 필요한 자본·전력 투입은 기하급수적으로 증가

- 수요 예측 딜레마와 파산 리스크

: 데이터센터와 전력 확보는 1~2년의 선행 투자가 필요하며, 이 과정에서 수요 예측이 1년만 어긋나도 기업이 파산할 수 있다고 명확히 경고

: 아모데이는 이를 근거로, 무모하게 컴퓨트를 선매하는 ‘YOLO식 베팅’에 반대하며, 업사이드는 확보하되 생존을 위협하지 않는 신중한 확장 전략의 중요성을 강조


- 연구(training) vs 추론(inference) 자원 배분

: 개념적으로는 전력·컴퓨트 자원이 차세대 모델 학습과 실제 서비스 추론에 균형 있게 배분되는 구조가 바람직하다고 설명

: 그러나 수요가 급증할 경우 추론이 연구 자원을 잠식할 수 있으며, 이로 인해 장기 경쟁력이 약화될 수 있어 HW 설계와 전력 배분이 핵심 전략 요소라고 언급

■ 경제적 확산(Diffusion)과 비즈니스 모델

- 확산의 지연 (Diffusion Cope)

: AI가 소프트웨어 엔지니어링 업무의 대부분을 수행할 수 있게 되더라도, 실제 기업 도입에는 보안, 법무, 컴플라이언스, 워크플로우 변경 등으로 인해 물리적 시간이 필요하다고 설명

: 다만 이러한 확산 속도조차 과거 어떤 기술보다 빠를 것이라고 평가

- API vs 제품

: API 기반 모델은 여전히 핵심적인 역할을 하지만, Claude Code와 같이 특정 직무를 End-to-End로 수행하는 제품형 AI가 점차 중요해질 것이라고 언급

: 장기적으로는 토큰 단가 기반 과금뿐 아니라, 성과·결과 기반 보상 모델이 병존할 가능성도 제시

■ 규제, 안전 및 지정학적 전략

- 지정학적 주도권

: AI는 단순한 산업 기술이 아니라 국가 안보와 체제 경쟁의 문제라고 규정

: 민주주의 국가들이 AI 주도권을 확보하지 못할 경우,
권위주의 정부가 AI를 활용해 내부 억압이나 국제적 불균형을 초래할 위험이 있다고 경고

: 이러한 맥락에서 대중국 첨단 반도체 수출 통제를 강하게 지지

- 규제에 대한 태도

: 단순히 AI 대화나 일반적 사용을 제한하는 피상적인 규제에는 반대

: 반면 생물학적 위험, 자율적 탈취 등 실질적 고위험 영역에 대해서는 정부 차원의 투명성 기준과 강력한 안전 장치가 필요하다고 주장

- 헌법적 AI (Constitutional AI)

: 개별 규칙을 일일이 주입하는 방식보다 가치와 원칙(헌법)을 학습시켜 AI가 스스로 판단하도록 하는 접근이
확장성과 안전성 측면에서 더 효과적이라고 설명

https://youtu.be/n1E9IZfvGMA