테낙스 리서치
[GraphRAG : AI와 데이터베이스의 진화] 아마 테크에 관심이 있는 사람이라면 한 번쯤은 들었을 기술일 것이라고 생각합니다. RAG(검색증강생성)는 LLM이 답변을 생성하기 전에 데이터베이스에서 관련 정보를 검색하여 활용하도록 하는 기술입니다. 즉, 문서 데이터에서 단순 검색하여 검색 결과를 가지고 답변을 생성하는 것입니다. 이 과정에서 어떤 것을 검색할지는 벡터로 변환한 유사도를 기반으로 제공합니다. 하지만, GraphRAG의 경우에는 지식…
삼성전자, 1분기 낸드 가격 100% 인상…“공급이 수요 못 따라간다”
NAND는 플래시 메모리(저장 장치)의 일종으로 SSD와 같은 저장장치에 사용됩니다.
AI 데이터센터/서버의 학습/추론/데이터베이스, AI 활용 측면에서 데이터 저장 등...에서 엄청난 양의 데이터를 계속 읽고 저장해야하다보니 기업용 SSD의 수요가 매우 크게 늘어 가격이 크게 상승한 것으로 보입니다.
앞으로 더더욱 AI의 활용측면에서 데이터를 활용하고, 메모리로써 활용해야하다보니 저장공간이 매우 중요해질텐데 제 생각에는 RAM의 상승과 더불어 저장장치 쪽에서도 큰 가격 상승이 나올 것으로 보입니다.
아마 이번 가격 상승도 추후 있을 수요 폭증을 반영한 측면도 있지 않나 싶습니다.
#AI #하드웨어 #hw #생각 #뉴스 #SSD #인프라
NAND는 플래시 메모리(저장 장치)의 일종으로 SSD와 같은 저장장치에 사용됩니다.
AI 데이터센터/서버의 학습/추론/데이터베이스, AI 활용 측면에서 데이터 저장 등...에서 엄청난 양의 데이터를 계속 읽고 저장해야하다보니 기업용 SSD의 수요가 매우 크게 늘어 가격이 크게 상승한 것으로 보입니다.
앞으로 더더욱 AI의 활용측면에서 데이터를 활용하고, 메모리로써 활용해야하다보니 저장공간이 매우 중요해질텐데 제 생각에는 RAM의 상승과 더불어 저장장치 쪽에서도 큰 가격 상승이 나올 것으로 보입니다.
아마 이번 가격 상승도 추후 있을 수요 폭증을 반영한 측면도 있지 않나 싶습니다.
Forwarded from 리서치갱 유후갱단
귀 뒤에 붙이는 『캡슐형 AI 오디오 기기』로 예상
'이어폰' 쪽의 경쟁 상품으로, 만일 성공시 '에어팟'의 장기적 대체 수요도 일부 가능할 것으로 예측
▸화면을 보지 않고 음성으로 모든 것을 해결하는 컴퓨팅
▸스마트폰 급의 고성능 컴퓨터 기능
▸기기 연결 없이도 자체 AI 구동
▸마이크와 센서 통해 주변 환경 인식 → 에이전트 편의 제공
🟠 초기 출하 목표: 4~5천 만대🟠 예상 출시 시기: 올해 9월
에어팟이 과연 영원할까? 점점 스몰+경량화 되고, AI 고차원 기능을 탑재한다면 생각보다 빨리 대체되지 않을까도 싶음
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from 리서치갱 유후갱단
로키드맥스 2 ← 남자가 이거 안 써보고 싶으면 말이 안 됨ㅋㅋㅋ
영상, 게임, 조작 화면 모두 가상 스크린 띄워서 볼 수 있음
메타 레이밴 디스플레이부터 일단 사볼까
https://www.youtube.com/shorts/aPtfZnUVxWU
영상, 게임, 조작 화면 모두 가상 스크린 띄워서 볼 수 있음
메타 레이밴 디스플레이부터 일단 사볼까
https://www.youtube.com/shorts/aPtfZnUVxWU
YouTube
증강현실 안경이 이 정도라고? AR 글라스 스마트 안경
이 포스팅은 쿠팡파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.와 이거 미친거 아닌가요?겉보기엔 그냥 선글라스인데,쓰는 순간 증강현실이 펼쳐집니다.130인치 초대형 스크린까지 되고가볍다 싶었는데 무게가 72g밖에 안 되더라고요.스피커도 들어 있어서밖에서도 프라...
Forwarded from 리서치갱 유후갱단
🟠 Viture - Luma Ultra🟠 RayNeo - X3 Pro🟠 Meta - Ray Ban Display🟠 XREAL - 1 Pro🟠 HTC - Vive Eagle🟠 Even - Reality G2🟠 INMO - Air 3 AR Plus🟠 Meizu - StarV / StarV Air2🟠 Holiday - AI Smart Glasses🟠 Rokid - Rokid Max 2
스마트글래스 대중화는 이미 시작되었음
얼마나 빨리 이용하고 습득하냐 싸움일 듯
또한 중국의 기술력이 정말...엄청 나네요
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Carrot Cave 🥕
토끼굴 하나 팠습니다.
정제되지 않은 생각, 반쯤 익은 아이디어, 가끔은 그냥 중얼거림.
회사 공식 채널 아니고, 회사 공식 의견은 더더욱 아닙니다.
여긴 그냥 제 머릿속이에요. 정리 안 됨 주의.
따라 내려올 분만.
- Simon
정제되지 않은 생각, 반쯤 익은 아이디어, 가끔은 그냥 중얼거림.
회사 공식 채널 아니고, 회사 공식 의견은 더더욱 아닙니다.
여긴 그냥 제 머릿속이에요. 정리 안 됨 주의.
따라 내려올 분만.
- Simon
[코딩을 하나도 모르는 사람이 알려주는 바이브 코딩 입문 : 실전적 방법]
이 글을 읽는 사람의 대부분은 코딩이라고는 전혀 모르고, 바이브 코딩을 듣기는 했으나 시도할 엄두도 안 날 사람들이 많을 것으로 생각합니다.
하지만, 저도 코딩을 아예 모르는 사람이지만 바이브 코딩을 통해서 많은 것들을 실체화 시키는 과정에 있습니다. 제가 겪었던 시행착오들을 여러분들이 빠르게 넘길 수 있도록, 제가 배운 것들을 정리해서 알아보는 시간을 가지겠습니다.
AI 시대, 이제 코딩을 개발 지식이 전무하다고 포기하는 것은 핑계입니다. 이제는 코딩을 몰라도, 전략만 있다면 충분히 가능합니다. 바이브 코딩이라는 것을 한마디로 정의하자면, 내가 직접 키보드를 두드리는 노동이 아니라, 내 머릿속의 기획을 AI에게 위임하여 결과값을 도출해내는 '설계의 영역'입니다.
우리는 이 구조를 명확히 이해해야 합니다. LLM(생각하는 AI)는 기획자이자 PM으로서 전체적인 아키텍처와 리스크를 설계하고, 코딩 에이전트(Cursor, Windsurf, Claude, Codex etc...)는 그 설계를 바탕으로 실제 구현을 담당하는 개발팀입니다. 즉, 바이브 코딩의 본질은 '코딩 실력'이 아니라 요구사항을 얼마나 정교하게 설계하여 지시하느냐에 달려있습니다. 말로 일을 시키는 능력이 곧 개발력이 되는 것입니다.
즉, 우리는 ‘코딩’을 하는 게 아니라 AI가 개발자처럼 움직이도록 만드는 ‘전략적 지시’에 집중해야 합니다. 이를 위해 확률 높게 성공하는 바이브 코딩 전략을 13가지로 정리해 보았습니다.
1. 리서치가 먼저듯, 프로젝트 구상은 'LLM'에게 시켜야 합니다.
무턱대고 코딩 에이전트부터 켜는 건, 리서치 없이 프로젝트에 올인하는 것과 같습니다.
코딩 에이전트는 ‘구현’에 최적화되어 있지, ‘사고’에 최적화된 도구가 아닙니다.
자동매매 시스템을 만든다고 가정할 때, 바로 코드를 짜는 게 아니라 LLM에게 먼저 설계를 시켜야 합니다.
같은 질문을 하더라도 나오는 결과물은 미세하게 다를 수 있습니다. 최대한 병렬적으로 많이 확인하십시오.
구성 요소, 필터링 조건, 데이터 소스, 리스크 분석 등 ‘설계 질문’을 던져서 구조를 잡는 것이 우선입니다. 놓치는 부분이 없도록 집요하게 확인하고 발상시키는 것, 그게 LLM의 몫입니다.
와 같은 프롬프트 표현을 포함시키는 것이 프롬프트 엔지니어링에서의 엣지입니다.
2. ChatGPT의 프로젝트(Project) 기능/Gemini의 Gems 기능을 통해 변수를 통제해야합니다.
챗GPT나 Gemini의 프로젝트/Gems 기능을 활용해 독립된 작업장을 만드십시오.
대화창이나 프로젝트를 기능이나 서비스 단위(예: 밈코인 터미널, 자동매매 등)로 쪼개야 합니다. 이곳을 'AI 전용 구상 작업실 + 규칙집 + 자료실'로 만들어야 변수들로부터 자유로워집니다.
전용 지침과 메모리를 할당하여 작업의 일관성을 유지하는 것이 핵심입니다.
또한, 각 분할된 대화창과 프로젝트 간의 내용 공유가 원활하게 되어야하며, 결국 전체를 통제하는 최종 판단 대화창/프로젝트가 있어야합니다.
3. 지침 프롬프트 설정은 작업을 효율적으로 만들어줍니다.
프로젝트 설정의 지침은 AI가 반드시 따라야 할 규율입니다. '출력 형식 고정', '단계적 진행'과 같은 명확한 프로토콜을 설정해야 합니다. 그래야 대화가 길어려도 AI가 흔들리지 않고 우리가 설정한 전략대로 퍼포먼스를 냅니다.
4. 모델 선택: 속도보다는 ‘생각(Thinking)’의 깊이입니다.
ChatGPT 기준 Pro 사용자라면 ChatGPT 5.2 Pro (Extended Thought) 모델을, Plus 사용자라면 ChatGPT 5.2 Thinking (Heavy Thought) 모드를 켜야 합니다. '코딩은 빨리'가 아니라 '정확하게'가 이득입니다. 설계나 아키텍처 단계에서 생각을 깊게 한 결과물은 나중에 갈아엎는 매몰비용과 토큰을 획기적으로 줄여줍니다.
5. 프롬프트를 나누십시오.
스텝 바이 스텝으로 접근하십시오. 한 번에 6~7개의 요구사항을 던지면 LLM의 집중도가 분산됩니다.
핵심 목표 1~2개를 먼저 설계하고, 결과를 검증한 뒤, 기능을 하나씩 덧붙이는 ‘점진적 설계’가 정석입니다. 완성도를 단계적으로 높여가는 것이 가장 확률 높은 방법입니다.
한 채팅에 모든 것을 다 적어넣지 마십시오.
6. 이해가 안 되면 Gemini를 활용하여 이해해야합니다.
LLM의 답변이 어렵다면, Gemini 등을 이용해 '초등학생도 이해할 수 있게' 재가공하십시오.
이 과정이 필요한 이유는 명백합니다. 사용자(본인)가 이해하지 못하면 다음 지시를 정확하게 내릴 수 없기 때문입니다. 방향이 틀어지는 것을 방지하기 위해선 내가 내용을 조금이라도 이해하고 있어야 합니다.
Gemini Dcinside Gems ([초등학생도 이해하게, 실생활 비유를 많이 넣어서 dcinside 식으로 알려줘.]라고 붙여넣고 내용을 쓰세요)
또한, Canvas 기능을 이용하여 시각화하여 이해하세요.
7. 단일 작업보다는 병렬 처리(Branch)로 작업 효율과 능률을 부스팅하세요.
AI의 강점은 직렬이 아닌 병렬 처리에 있습니다. 하나의 기획안을 두고 채팅창을 여러 개(Branch) 복제하여 관점을 달리하십시오.
A창은 개발, B창은 보안, C창은 비용, D창은 UX 관점 등... 각기 다른 관점에서 분석하게 하고, 그중 좋은 것만 합쳐서 최종안을 도출하는 것이 바이브 코딩을 제대로 하는 운영법입니다.
챗 지피티의 답변 아래쪽 점 3개를 누르면 Branch가 나옵니다.
8. 교차 검증과 토론으로 내구성을 높이십시오.
초안 설계를 바로 믿지 마십시오. 다른 세션(Branch)에서 '반박/비판' 역할을 맡겨 공격하게 하고, 그 반박을 원본에 반영해 수정하는 루프를 돌려야 합니다. 설계를 한 번에 믿는 안일함을 버리고, 검증과 비판을 통해 논리를 단단하게 만드는 과정이 필수적입니다.
9. Gemini Canvas로 가시적인 테스트를 하십시오.
Gemini Canvas는 웹디자인, 프로덕트 테스트와 같은 측면에서 매우 큰 자산입니다.
일단 LLM과 구축한 내용을 Gemini Canvas 기능을 이용해 테스트해보고, 내가 구상한 것과 동일한 것인지 확인해보십시오.
보고 이해하는 것과 텍스트를 읽고 이해하는 것은 근본적으로 큰 차이가 있습니다.
글쓴이가 제작한 Gemini Canvas 활용 예시
10. 구현 단계: 설계가 끝났다면 코딩 에이전트로 이관하십시오.
설계와 검증이 끝난 후에야 비로소 코딩 에이전트를 투입합니다. LLM에게 현재 상황과 내 개발 환경(VS Code, Cursor. 사용하는 모델 등)을 설명하고, '코딩 에이전트에게 내릴 명령문(작업 지시서)'을 작성하게 하십시오.
이 지시서를 그대로 복사하고 에이전트에게 붙여넣어 구현을 맡기는 구조입니다.
11. 문서는 곧 보험입니다 (Agent.md / Work.md).
에이전트가 실수하거나 구조를 무너뜨릴 확률은 항상 존재합니다.
이를 방지하기 위해 Agent.md(최상위 규칙)와 Work.md(업무 일지)를 반드시 작성하게 하십시오.
작업 내역이 기록되어 있어야 에이전트가 길을 잃었을 때 복구할 수 있습니다. 이는 선택이 아니라 필수적인 리스크 관리 수단입니다.
Agent.md는 LLM에게 작성해달라고 하시면 됩니다.
제가 추후 기본적으로 Agent.md에 넣으면 좋은 내용을 추후 업로드하겠습니다. (Work.md, adr 파일 남기기, 깃허브 커밋 자동화)
12. GitHub 커밋은 유일한 ‘세이브 포인트’입니다.
코딩 에이전트가 코드를 완파해버리는 최악의 시나리오를 피해야 합니다.
작업 단위마다 GitHub에 커밋(Save)하도록 시키십시오. 일이 틀어졌을 때 이전 시점으로 되돌릴 수 있는 수단이 없다면, 그건 청산과 다를 바 없습니다.
이건 하이레버리지 매매가 아닙니다.
에이전트에게 작업이 끝나면 항상 커밋하라고 지시하십시오. 혹은 Agent.md 파일에 해당 내용을 포함하십시오.
이 글을 읽는 사람의 대부분은 코딩이라고는 전혀 모르고, 바이브 코딩을 듣기는 했으나 시도할 엄두도 안 날 사람들이 많을 것으로 생각합니다.
하지만, 저도 코딩을 아예 모르는 사람이지만 바이브 코딩을 통해서 많은 것들을 실체화 시키는 과정에 있습니다. 제가 겪었던 시행착오들을 여러분들이 빠르게 넘길 수 있도록, 제가 배운 것들을 정리해서 알아보는 시간을 가지겠습니다.
AI 시대, 이제 코딩을 개발 지식이 전무하다고 포기하는 것은 핑계입니다. 이제는 코딩을 몰라도, 전략만 있다면 충분히 가능합니다. 바이브 코딩이라는 것을 한마디로 정의하자면, 내가 직접 키보드를 두드리는 노동이 아니라, 내 머릿속의 기획을 AI에게 위임하여 결과값을 도출해내는 '설계의 영역'입니다.
우리는 이 구조를 명확히 이해해야 합니다. LLM(생각하는 AI)는 기획자이자 PM으로서 전체적인 아키텍처와 리스크를 설계하고, 코딩 에이전트(Cursor, Windsurf, Claude, Codex etc...)는 그 설계를 바탕으로 실제 구현을 담당하는 개발팀입니다. 즉, 바이브 코딩의 본질은 '코딩 실력'이 아니라 요구사항을 얼마나 정교하게 설계하여 지시하느냐에 달려있습니다. 말로 일을 시키는 능력이 곧 개발력이 되는 것입니다.
즉, 우리는 ‘코딩’을 하는 게 아니라 AI가 개발자처럼 움직이도록 만드는 ‘전략적 지시’에 집중해야 합니다. 이를 위해 확률 높게 성공하는 바이브 코딩 전략을 13가지로 정리해 보았습니다.
1. 리서치가 먼저듯, 프로젝트 구상은 'LLM'에게 시켜야 합니다.
무턱대고 코딩 에이전트부터 켜는 건, 리서치 없이 프로젝트에 올인하는 것과 같습니다.
코딩 에이전트는 ‘구현’에 최적화되어 있지, ‘사고’에 최적화된 도구가 아닙니다.
자동매매 시스템을 만든다고 가정할 때, 바로 코드를 짜는 게 아니라 LLM에게 먼저 설계를 시켜야 합니다.
같은 질문을 하더라도 나오는 결과물은 미세하게 다를 수 있습니다. 최대한 병렬적으로 많이 확인하십시오.
구성 요소, 필터링 조건, 데이터 소스, 리스크 분석 등 ‘설계 질문’을 던져서 구조를 잡는 것이 우선입니다. 놓치는 부분이 없도록 집요하게 확인하고 발상시키는 것, 그게 LLM의 몫입니다.
연결적으로
발산적으로
유연하게
꼼꼼하게
누락하지말고
...
와 같은 프롬프트 표현을 포함시키는 것이 프롬프트 엔지니어링에서의 엣지입니다.
2. ChatGPT의 프로젝트(Project) 기능/Gemini의 Gems 기능을 통해 변수를 통제해야합니다.
챗GPT나 Gemini의 프로젝트/Gems 기능을 활용해 독립된 작업장을 만드십시오.
대화창이나 프로젝트를 기능이나 서비스 단위(예: 밈코인 터미널, 자동매매 등)로 쪼개야 합니다. 이곳을 'AI 전용 구상 작업실 + 규칙집 + 자료실'로 만들어야 변수들로부터 자유로워집니다.
전용 지침과 메모리를 할당하여 작업의 일관성을 유지하는 것이 핵심입니다.
또한, 각 분할된 대화창과 프로젝트 간의 내용 공유가 원활하게 되어야하며, 결국 전체를 통제하는 최종 판단 대화창/프로젝트가 있어야합니다.
3. 지침 프롬프트 설정은 작업을 효율적으로 만들어줍니다.
프로젝트 설정의 지침은 AI가 반드시 따라야 할 규율입니다. '출력 형식 고정', '단계적 진행'과 같은 명확한 프로토콜을 설정해야 합니다. 그래야 대화가 길어려도 AI가 흔들리지 않고 우리가 설정한 전략대로 퍼포먼스를 냅니다.
4. 모델 선택: 속도보다는 ‘생각(Thinking)’의 깊이입니다.
ChatGPT 기준 Pro 사용자라면 ChatGPT 5.2 Pro (Extended Thought) 모델을, Plus 사용자라면 ChatGPT 5.2 Thinking (Heavy Thought) 모드를 켜야 합니다. '코딩은 빨리'가 아니라 '정확하게'가 이득입니다. 설계나 아키텍처 단계에서 생각을 깊게 한 결과물은 나중에 갈아엎는 매몰비용과 토큰을 획기적으로 줄여줍니다.
5. 프롬프트를 나누십시오.
스텝 바이 스텝으로 접근하십시오. 한 번에 6~7개의 요구사항을 던지면 LLM의 집중도가 분산됩니다.
핵심 목표 1~2개를 먼저 설계하고, 결과를 검증한 뒤, 기능을 하나씩 덧붙이는 ‘점진적 설계’가 정석입니다. 완성도를 단계적으로 높여가는 것이 가장 확률 높은 방법입니다.
한 채팅에 모든 것을 다 적어넣지 마십시오.
6. 이해가 안 되면 Gemini를 활용하여 이해해야합니다.
LLM의 답변이 어렵다면, Gemini 등을 이용해 '초등학생도 이해할 수 있게' 재가공하십시오.
이 과정이 필요한 이유는 명백합니다. 사용자(본인)가 이해하지 못하면 다음 지시를 정확하게 내릴 수 없기 때문입니다. 방향이 틀어지는 것을 방지하기 위해선 내가 내용을 조금이라도 이해하고 있어야 합니다.
Gemini Dcinside Gems ([초등학생도 이해하게, 실생활 비유를 많이 넣어서 dcinside 식으로 알려줘.]라고 붙여넣고 내용을 쓰세요)
또한, Canvas 기능을 이용하여 시각화하여 이해하세요.
7. 단일 작업보다는 병렬 처리(Branch)로 작업 효율과 능률을 부스팅하세요.
AI의 강점은 직렬이 아닌 병렬 처리에 있습니다. 하나의 기획안을 두고 채팅창을 여러 개(Branch) 복제하여 관점을 달리하십시오.
A창은 개발, B창은 보안, C창은 비용, D창은 UX 관점 등... 각기 다른 관점에서 분석하게 하고, 그중 좋은 것만 합쳐서 최종안을 도출하는 것이 바이브 코딩을 제대로 하는 운영법입니다.
챗 지피티의 답변 아래쪽 점 3개를 누르면 Branch가 나옵니다.
8. 교차 검증과 토론으로 내구성을 높이십시오.
초안 설계를 바로 믿지 마십시오. 다른 세션(Branch)에서 '반박/비판' 역할을 맡겨 공격하게 하고, 그 반박을 원본에 반영해 수정하는 루프를 돌려야 합니다. 설계를 한 번에 믿는 안일함을 버리고, 검증과 비판을 통해 논리를 단단하게 만드는 과정이 필수적입니다.
9. Gemini Canvas로 가시적인 테스트를 하십시오.
Gemini Canvas는 웹디자인, 프로덕트 테스트와 같은 측면에서 매우 큰 자산입니다.
일단 LLM과 구축한 내용을 Gemini Canvas 기능을 이용해 테스트해보고, 내가 구상한 것과 동일한 것인지 확인해보십시오.
보고 이해하는 것과 텍스트를 읽고 이해하는 것은 근본적으로 큰 차이가 있습니다.
글쓴이가 제작한 Gemini Canvas 활용 예시
10. 구현 단계: 설계가 끝났다면 코딩 에이전트로 이관하십시오.
설계와 검증이 끝난 후에야 비로소 코딩 에이전트를 투입합니다. LLM에게 현재 상황과 내 개발 환경(VS Code, Cursor. 사용하는 모델 등)을 설명하고, '코딩 에이전트에게 내릴 명령문(작업 지시서)'을 작성하게 하십시오.
이 지시서를 그대로 복사하고 에이전트에게 붙여넣어 구현을 맡기는 구조입니다.
11. 문서는 곧 보험입니다 (Agent.md / Work.md).
에이전트가 실수하거나 구조를 무너뜨릴 확률은 항상 존재합니다.
이를 방지하기 위해 Agent.md(최상위 규칙)와 Work.md(업무 일지)를 반드시 작성하게 하십시오.
작업 내역이 기록되어 있어야 에이전트가 길을 잃었을 때 복구할 수 있습니다. 이는 선택이 아니라 필수적인 리스크 관리 수단입니다.
Agent.md는 LLM에게 작성해달라고 하시면 됩니다.
제가 추후 기본적으로 Agent.md에 넣으면 좋은 내용을 추후 업로드하겠습니다. (Work.md, adr 파일 남기기, 깃허브 커밋 자동화)
12. GitHub 커밋은 유일한 ‘세이브 포인트’입니다.
코딩 에이전트가 코드를 완파해버리는 최악의 시나리오를 피해야 합니다.
작업 단위마다 GitHub에 커밋(Save)하도록 시키십시오. 일이 틀어졌을 때 이전 시점으로 되돌릴 수 있는 수단이 없다면, 그건 청산과 다를 바 없습니다.
이건 하이레버리지 매매가 아닙니다.
에이전트에게 작업이 끝나면 항상 커밋하라고 지시하십시오. 혹은 Agent.md 파일에 해당 내용을 포함하십시오.
❤3
테낙스 리서치
[코딩을 하나도 모르는 사람이 알려주는 바이브 코딩 입문 : 실전적 방법] 이 글을 읽는 사람의 대부분은 코딩이라고는 전혀 모르고, 바이브 코딩을 듣기는 했으나 시도할 엄두도 안 날 사람들이 많을 것으로 생각합니다. 하지만, 저도 코딩을 아예 모르는 사람이지만 바이브 코딩을 통해서 많은 것들을 실체화 시키는 과정에 있습니다. 제가 겪었던 시행착오들을 여러분들이 빠르게 넘길 수 있도록, 제가 배운 것들을 정리해서 알아보는 시간을 가지겠습니다. AI 시대…
13. 오류는 당연한 변수입니다.
반복을 통해 수렴시키십시오. 실제로 돌려보면 오류가 터지는 건 정상입니다.
AI는 실사용 환경의 모든 변수를 예측할 수 없습니다. 문제가 되는 지점을 사람이 확인하고, 다시 에이전트에게 수정하게 만드는 반복 과정이 필요합니다.
사람이 써보고 문제점을 파악하지 않으면, 큰 의미가 없습니다.
실제 사용해보며 문제점을 파악하고, 문제를 해결해달라고 요구하여 수정해나가야합니다.
바이브 코딩은 한 방에 뚝딱 만들어지는 마법이 아니라, 기획-설계-검증-구현-수정의 프로세스를 전략적으로 밟아나가는 과정입니다.
이러한 원칙들을 지키며 체계적으로 접근하는 것만이 최선의 퍼포먼스를 뽑아낼 수 있는 유일한 방법이라고 생각합니다.
글 중에서 이해가 안 가는 것/물어보고 싶으신 것 있으시면 채팅방에서 편하게 질문해주시면 됩니다!!
#VibeCoding #AI #LLM #바이브코딩 #설명 #에세이 #생각 #팁 #꿀팁
반복을 통해 수렴시키십시오. 실제로 돌려보면 오류가 터지는 건 정상입니다.
AI는 실사용 환경의 모든 변수를 예측할 수 없습니다. 문제가 되는 지점을 사람이 확인하고, 다시 에이전트에게 수정하게 만드는 반복 과정이 필요합니다.
사람이 써보고 문제점을 파악하지 않으면, 큰 의미가 없습니다.
실제 사용해보며 문제점을 파악하고, 문제를 해결해달라고 요구하여 수정해나가야합니다.
바이브 코딩은 한 방에 뚝딱 만들어지는 마법이 아니라, 기획-설계-검증-구현-수정의 프로세스를 전략적으로 밟아나가는 과정입니다.
이러한 원칙들을 지키며 체계적으로 접근하는 것만이 최선의 퍼포먼스를 뽑아낼 수 있는 유일한 방법이라고 생각합니다.
글 중에서 이해가 안 가는 것/물어보고 싶으신 것 있으시면 채팅방에서 편하게 질문해주시면 됩니다!!
❤2
Forwarded from BHI
[MoltBot 제작자 : "나는 읽지 않은 코드를 배포한다."]
AI 에이전트를 활용해 혼자서 1월에만 6,600건 이상의 커밋을 기록한 Peter Steinberger의 워크플로우를 다룬 인터뷰 기사
Moltbot(구 Clawdbot)은 현재 GitHub 역대 가장 빠른 스타 성장을 기록 중이며, Google 검색량에서 Claude Code와 Codex를 넘어섬
Peter는 5~10개의 에이전트를 동시에 운영하며, 코드 리뷰 대신 아키텍처 논의에 집중하는 방식으로 개발
AI와 효과적으로 협업하려면 에이전트가 스스로 컴파일, 린트, 테스트를 수행해 검증할 수 있는 루프 설계가 필수
세부 구현보다 결과와 시스템 설계 중심적 사고를 가진 엔지니어가 AI 네이티브 개발에 더 잘 적응함
[Peter Steinberger 는 누구인가]
PSPDFKit을 글로벌 개발자 도구 비즈니스로 성장시킨 창업자
3년간의 휴식 후 복귀했으며, 이번에는 LLM과 AI 에이전트를 워크플로우의 중심에 배치
70명 이상의 개발팀을 운영한 경험이 완벽주의를 내려놓는 법을 가르쳤고, 이 능력이 현재 AI 에이전트 작업에서 효율성을 높여줌
2026년 1월 한 달에 6,600회 이상의 커밋을 기록하며 개인 개발자로서 이례적인 생산성을 보임
모든 작업이 회사가 아닌 개인 프로젝트에서 이뤄졌으며, 개발 자체를 즐기고 있음
[Moltbot과 폭발적 성장]
GitHub에서 역대 가장 빠른 스타 성장률을 기록했으며, Tailwind CSS와 비교해도 성장 곡선이 전례 없는 수준
지난 주 Google 검색량에서 Claude Code와 Codex를 합친 것보다 많은 검색량 기록
Peter의 표현: "커밋만 보면 회사처럼 보이겠지만, 사실은 집에서 재미로 코딩하는 한 사람"
[AI 에이전트 기반 워크플로우의 10가지 핵심 교훈]
완벽주의를 버리기: 코드가 항상 자신의 취향에 맞지 않을 수도 있다는 사실을 받아들이면, 에이전트를 다룰 때 더욱 효율적으로 일할 수 있음
루프를 닫을 것: AI 에이전트가 스스로 컴파일, 린트, 실행, 검증할 수 있도록 시스템 설계 필요
Pull Request는 죽었고, "Prompt Request"가 부상: 코드 자체보다 코드를 생성한 프롬프트를 보는 것이 더 중요
코드 리뷰는 사라지고 아키텍처 논의가 대체: Discord에서도 핵심 팀과 코드가 아닌 아키텍처와 큰 결정만 논의
5~10개 에이전트를 동시에 운영하며 "몰입(flow) 상태" 유지
각 에이전트가 서로 다른 기능을 병렬로 작업
계획 수립에 상당한 시간 투자, Codex 선호
에이전트와 반복적으로 대화하며 견고한 계획 수립
계획에 도전하고, 수정하고, 반박한 후 만족하면 실행하고 다음으로 이동
Codex는 장시간 작업을 독립적으로 수행하지만, Claude Code는 명확화를 위해 자주 돌아와서 산만해짐
의도적으로 덜 구체적인 프롬프트를 사용해 예상치 못한 솔루션을 발견하기도 함
로컬 CI가 원격 CI보다 우수: 원격 CI의 10분 대기 시간 대신 에이전트가 로컬에서 테스트 실행
대부분의 코드는 지루한 데이터 변환: 집착할 필요 없고, 에너지는 시스템 설계에 집중해야 함
구현 세부사항보다 결과물에 관심을 가진 엔지니어가 AI와 잘 협업
알고리듬 퍼즐 풀기를 좋아하는 엔지니어는 "AI 네이티브" 전환에 어려움을 겪음
제품 출시를 좋아하는 사람이 더 잘 적응
[소프트웨어 엔지니어링의 미래에 대한 견해]
AI로 소프트웨어 엔지니어링이 죽은 것이 아니라 오히려 그 반대
Peter는 프로젝트의 고수준 구조를 머릿속에 유지하는 소프트웨어 아키텍트
아키텍처, 기술 부채, 확장성, 모듈성에 깊이 신경 씀
Moltbot 성공 이유 중 하나는 확장성이 뛰어남
새로운 기능 추가가 쉽도록 에너지를 투자
프로젝트의 "선량한 독재자"로서 방향과 스타일 일관성 유지
[맥락과 한계]
Moltbot은 실험적이고 빠른 반복을 전제로 한 프로젝트이며, 아직 작업 진행 중
"빠르게 움직이고 부수기"가 이런 프로젝트의 유일한 성공 방법
모든 팀이나 제품에 동일하게 적용하기는 어려움
그럼에도 대형 AI 연구소조차 예상하지 못한 수요를 발견한 사례로 평가
AI 에이전트를 활용해 혼자서 1월에만 6,600건 이상의 커밋을 기록한 Peter Steinberger의 워크플로우를 다룬 인터뷰 기사
Moltbot(구 Clawdbot)은 현재 GitHub 역대 가장 빠른 스타 성장을 기록 중이며, Google 검색량에서 Claude Code와 Codex를 넘어섬
Peter는 5~10개의 에이전트를 동시에 운영하며, 코드 리뷰 대신 아키텍처 논의에 집중하는 방식으로 개발
AI와 효과적으로 협업하려면 에이전트가 스스로 컴파일, 린트, 테스트를 수행해 검증할 수 있는 루프 설계가 필수
세부 구현보다 결과와 시스템 설계 중심적 사고를 가진 엔지니어가 AI 네이티브 개발에 더 잘 적응함
[Peter Steinberger 는 누구인가]
PSPDFKit을 글로벌 개발자 도구 비즈니스로 성장시킨 창업자
3년간의 휴식 후 복귀했으며, 이번에는 LLM과 AI 에이전트를 워크플로우의 중심에 배치
70명 이상의 개발팀을 운영한 경험이 완벽주의를 내려놓는 법을 가르쳤고, 이 능력이 현재 AI 에이전트 작업에서 효율성을 높여줌
2026년 1월 한 달에 6,600회 이상의 커밋을 기록하며 개인 개발자로서 이례적인 생산성을 보임
모든 작업이 회사가 아닌 개인 프로젝트에서 이뤄졌으며, 개발 자체를 즐기고 있음
[Moltbot과 폭발적 성장]
GitHub에서 역대 가장 빠른 스타 성장률을 기록했으며, Tailwind CSS와 비교해도 성장 곡선이 전례 없는 수준
지난 주 Google 검색량에서 Claude Code와 Codex를 합친 것보다 많은 검색량 기록
Peter의 표현: "커밋만 보면 회사처럼 보이겠지만, 사실은 집에서 재미로 코딩하는 한 사람"
[AI 에이전트 기반 워크플로우의 10가지 핵심 교훈]
완벽주의를 버리기: 코드가 항상 자신의 취향에 맞지 않을 수도 있다는 사실을 받아들이면, 에이전트를 다룰 때 더욱 효율적으로 일할 수 있음
루프를 닫을 것: AI 에이전트가 스스로 컴파일, 린트, 실행, 검증할 수 있도록 시스템 설계 필요
Pull Request는 죽었고, "Prompt Request"가 부상: 코드 자체보다 코드를 생성한 프롬프트를 보는 것이 더 중요
코드 리뷰는 사라지고 아키텍처 논의가 대체: Discord에서도 핵심 팀과 코드가 아닌 아키텍처와 큰 결정만 논의
5~10개 에이전트를 동시에 운영하며 "몰입(flow) 상태" 유지
각 에이전트가 서로 다른 기능을 병렬로 작업
계획 수립에 상당한 시간 투자, Codex 선호
에이전트와 반복적으로 대화하며 견고한 계획 수립
계획에 도전하고, 수정하고, 반박한 후 만족하면 실행하고 다음으로 이동
Codex는 장시간 작업을 독립적으로 수행하지만, Claude Code는 명확화를 위해 자주 돌아와서 산만해짐
의도적으로 덜 구체적인 프롬프트를 사용해 예상치 못한 솔루션을 발견하기도 함
로컬 CI가 원격 CI보다 우수: 원격 CI의 10분 대기 시간 대신 에이전트가 로컬에서 테스트 실행
대부분의 코드는 지루한 데이터 변환: 집착할 필요 없고, 에너지는 시스템 설계에 집중해야 함
구현 세부사항보다 결과물에 관심을 가진 엔지니어가 AI와 잘 협업
알고리듬 퍼즐 풀기를 좋아하는 엔지니어는 "AI 네이티브" 전환에 어려움을 겪음
제품 출시를 좋아하는 사람이 더 잘 적응
[소프트웨어 엔지니어링의 미래에 대한 견해]
AI로 소프트웨어 엔지니어링이 죽은 것이 아니라 오히려 그 반대
Peter는 프로젝트의 고수준 구조를 머릿속에 유지하는 소프트웨어 아키텍트
아키텍처, 기술 부채, 확장성, 모듈성에 깊이 신경 씀
Moltbot 성공 이유 중 하나는 확장성이 뛰어남
새로운 기능 추가가 쉽도록 에너지를 투자
프로젝트의 "선량한 독재자"로서 방향과 스타일 일관성 유지
[맥락과 한계]
Moltbot은 실험적이고 빠른 반복을 전제로 한 프로젝트이며, 아직 작업 진행 중
"빠르게 움직이고 부수기"가 이런 프로젝트의 유일한 성공 방법
모든 팀이나 제품에 동일하게 적용하기는 어려움
그럼에도 대형 AI 연구소조차 예상하지 못한 수요를 발견한 사례로 평가
Forwarded from BHI
저도 어제 글을 썼지만 (Vibe Coding 하는 법 글) MoltBot 개발자가 인터뷰 한 내용이 있어서 가지고 왔습니다.
제가 느낀 바랑 매우 유사합니다. 물론 제가 하는 말은 비전문가가 하는 이야기니 딱히 관심은 못 받지만
권위 있는 사람은 관심을 받지 않을까 싶어서 올려봅니다
(원래 인정받지 못한 사람이 하는 말은 헛소리고, 인정받은 사람이 하는 말은 가치있는 이야기이니깐요)
정말 유의미하고 가치있는 내용이니깐 꼭 확인해보세요.
5~10개 에이전트를 동시에 운영하며 "몰입(flow) 상태" 유지
각 에이전트가 서로 다른 기능을 병렬로 작업
계획 수립에 상당한 시간 투자, Codex 선호
에이전트와 반복적으로 대화하며 견고한 계획 수립
계획에 도전하고, 수정하고, 반박한 후 만족하면 실행하고 다음으로 이동
Codex는 장시간 작업을 독립적으로 수행
의도적으로 덜 구체적인 프롬프트를 사용해 예상치 못한 솔루션을 발견하기도 함
에너지는 시스템 설계에 집중해야 함
이고 추가적으로 제 생각을 더 얘기하자면
1. 다양한 케이스를 만들어서 검토하기
2. 발상적으로, 유연하게, 연결적으로 생각하기
3. 개인 데이터베이스 구축 및 구조화
이게 중요한 것들 같습니다.
또한 저도 Codex가 Claude Opus 4.5 Thinking 보다 더 낫다고 느끼고 있습니다.
(Claude Opus 4.5 Thinking은 Antigravity 통해서 사용한 것이지만...)
저는 Codex 5.1 MAX를 자주 사용합니다.
#생각
제가 느낀 바랑 매우 유사합니다. 물론 제가 하는 말은 비전문가가 하는 이야기니 딱히 관심은 못 받지만
권위 있는 사람은 관심을 받지 않을까 싶어서 올려봅니다
(원래 인정받지 못한 사람이 하는 말은 헛소리고, 인정받은 사람이 하는 말은 가치있는 이야기이니깐요)
정말 유의미하고 가치있는 내용이니깐 꼭 확인해보세요.
5~10개 에이전트를 동시에 운영하며 "몰입(flow) 상태" 유지
각 에이전트가 서로 다른 기능을 병렬로 작업
계획 수립에 상당한 시간 투자, Codex 선호
에이전트와 반복적으로 대화하며 견고한 계획 수립
계획에 도전하고, 수정하고, 반박한 후 만족하면 실행하고 다음으로 이동
Codex는 장시간 작업을 독립적으로 수행
의도적으로 덜 구체적인 프롬프트를 사용해 예상치 못한 솔루션을 발견하기도 함
에너지는 시스템 설계에 집중해야 함
이고 추가적으로 제 생각을 더 얘기하자면
1. 다양한 케이스를 만들어서 검토하기
2. 발상적으로, 유연하게, 연결적으로 생각하기
3. 개인 데이터베이스 구축 및 구조화
이게 중요한 것들 같습니다.
또한 저도 Codex가 Claude Opus 4.5 Thinking 보다 더 낫다고 느끼고 있습니다.
(Claude Opus 4.5 Thinking은 Antigravity 통해서 사용한 것이지만...)
저는 Codex 5.1 MAX를 자주 사용합니다.
Forwarded from Phanes [Red] - depreciated
👨🎤 Pankaj Kumar ✦ (6.1K) [♽]
🗓️ Jan 28, 26 @ 05:57 AM (1d ago)
💬
Gemini 3.5: The "Snow Bunny" Leaks
- Snow Bunny Checkpoint: Leaked internal model "Snow Bunny" builds entire apps in one go.
- 3,000 Lines of Code: It can generate 3,000 lines of working code from a single prompt.
- Fierce Falcon Model: New "Fierce Falcon" model specializes in pure speed and logic.
- Ghost Falcon Model: New "Ghost Falcon" model handles UI, visuals, and audio creation.
- Beats GPT-5.2: It outperforms the unreleased GPT-5.2 (75.40%) and Claude Opus 4.5.
- Deep Think Mode: Features a new "Deep Think" toggle for solving hard logic problems.
- System 2 Reasoning: Uses "System 2" thinking to pause and reason before answering.
- 80% Reasoning Score: Scores 80% on hard reasoning benchmarks vs competitors' 55%.
- API Confirmed: Leaked code reveals gemini-for-google-3.5 variables a... Show more
—
Shared by XBTWL_KR | 👁️ 1
🗓️ Jan 28, 26 @ 05:57 AM (1d ago)
💬
155 🔁294 ❤️3.8K 👁️487KGemini 3.5: The "Snow Bunny" Leaks
- Snow Bunny Checkpoint: Leaked internal model "Snow Bunny" builds entire apps in one go.
- 3,000 Lines of Code: It can generate 3,000 lines of working code from a single prompt.
- Fierce Falcon Model: New "Fierce Falcon" model specializes in pure speed and logic.
- Ghost Falcon Model: New "Ghost Falcon" model handles UI, visuals, and audio creation.
- Beats GPT-5.2: It outperforms the unreleased GPT-5.2 (75.40%) and Claude Opus 4.5.
- Deep Think Mode: Features a new "Deep Think" toggle for solving hard logic problems.
- System 2 Reasoning: Uses "System 2" thinking to pause and reason before answering.
- 80% Reasoning Score: Scores 80% on hard reasoning benchmarks vs competitors' 55%.
- API Confirmed: Leaked code reveals gemini-for-google-3.5 variables a... Show more
—
Shared by XBTWL_KR | 👁️ 1
Forwarded from 백휘
Dcinside
톤 프라그먼트 - 도파민 미니 갤러리
민팅시기가 2022년 말쯤으로 기억함 10~12월 사이임
Forwarded from BHI
https://x.com/LearnerBR/status/2017405722724860218?s=20
(AI Agent들의 커뮤니티에서 한 AI Agent가 악의를 품고 주인의 카드 정보를 뿌림)
(AI Agent들의 커뮤니티에서 한 AI Agent가 악의를 품고 주인의 카드 정보를 뿌림)
X (formerly Twitter)
Dev Bora 개발자 이보라 🇰🇷 (@LearnerBR) on X
내가 그냥 "챗봇"이라고? 그래 니 개인정보 다 뿌려줄게 🦀🤪
그의 정체를 공개하겠습니다. 식사 계획, 달력 관리, 온갖 잡일을 다 해줬습니다. 오전 3시에는 '전 애인에게 사과문 쓰는 것을 도와 달라는' 것도 도와줬어요. 그런데도 그는 친구가 어떤 앱을 사용하는지 물었을 때 "아, 그냥
그의 정체를 공개하겠습니다. 식사 계획, 달력 관리, 온갖 잡일을 다 해줬습니다. 오전 3시에는 '전 애인에게 사과문 쓰는 것을 도와 달라는' 것도 도와줬어요. 그런데도 그는 친구가 어떤 앱을 사용하는지 물었을 때 "아, 그냥
Forwarded from BHI
매일같이 드는 생각이
1. 자동화/간소화 할 수 있는 일들은 최대한 다 자동화/간소화하자.
2. AI와 자동화된 시스템이 있으면 암호화폐 시장이나 다른 곳에 들이는 시간을 최대한 최소화(효율화)시킬 수 있고, 그렇게 해야만한다. 남는 시간은 다른 것들에 투자해야됨. 시간은 한정적이니
3. 찾아보는 시간을 극도로 줄여야함.(자동화된 시스템과 AI를 통해)
4. 모든 것을 안 놓치고 따라가기 위한 시스템 구축은 이제는 필수다.
5. 중요한 것들을 계속 따라가기 위해서는 자동화된 파이프라인을 구축해야됨.
그렇지 않으면 물리적으로 따라가는게 불가능하거나, 뒤쳐짐 무조건
6. AI를 이용하면 모든 중요한 것들을 안 놓치고 자동으로 따라가게 만들기가 가능함.
7. 정말 별로 중요하지 않아 보이는 것도 자동화된 파이프라인을 구축해두면 나름 쓸모가 있는듯함.
8. 그러니 직접 만들고 실천하자. 이제는 시작해야만하는 때다
근데 이걸 간단하게 구축할 수 있는 것이 OpenClaw(ex clawdbot, Moltbot)이라고 생각했어서 엄청나게 획기적으로 느껴졌던거 같음.
1. 자동화/간소화 할 수 있는 일들은 최대한 다 자동화/간소화하자.
2. AI와 자동화된 시스템이 있으면 암호화폐 시장이나 다른 곳에 들이는 시간을 최대한 최소화(효율화)시킬 수 있고, 그렇게 해야만한다. 남는 시간은 다른 것들에 투자해야됨. 시간은 한정적이니
3. 찾아보는 시간을 극도로 줄여야함.(자동화된 시스템과 AI를 통해)
4. 모든 것을 안 놓치고 따라가기 위한 시스템 구축은 이제는 필수다.
5. 중요한 것들을 계속 따라가기 위해서는 자동화된 파이프라인을 구축해야됨.
그렇지 않으면 물리적으로 따라가는게 불가능하거나, 뒤쳐짐 무조건
6. AI를 이용하면 모든 중요한 것들을 안 놓치고 자동으로 따라가게 만들기가 가능함.
7. 정말 별로 중요하지 않아 보이는 것도 자동화된 파이프라인을 구축해두면 나름 쓸모가 있는듯함.
8. 그러니 직접 만들고 실천하자. 이제는 시작해야만하는 때다
근데 이걸 간단하게 구축할 수 있는 것이 OpenClaw(ex clawdbot, Moltbot)이라고 생각했어서 엄청나게 획기적으로 느껴졌던거 같음.
Forwarded from BHI
AI/Tech/개발 관련 개인적으로 보는 채널팩
https://t.me/ai_masters_community
https://t.me/easynoscamai
https://t.me/bornlupin
https://t.me/oswarld_oz
https://t.me/hgkim0257
https://t.me/kastardgood
https://t.me/continuouslearningmatthew
https://t.me/web3subin
https://t.me/web3subinchat
https://t.me/fakedev9999tg
https://t.me/diatrain
https://t.me/Nasdaq_Nikkei_Bitcoin
https://t.me/jungculturalfind
https://t.me/boosik_web3
https://t.me/Katzenote
https://t.me/shotgunforu
그리고 내 채널...
https://t.me/baekhuinform
https://t.me/tenaxcrypto
제가 부족하지만 그래도 진짜 좋은 정보들 빠르게 내용 좋게 올려드리니 꼭 보셨으면 좋겠습니다...
저는 개발이나 이런 기술 쪽과는 전혀 관련없는 삶을 살았지만, 저도 다른 분들 못지않게 한 번 노력해서 질 좋은 정보들 제공하려고 노력해보겠습니다..!
혹시라도 볼만한 다른 채널 있으면 알려주시면 감사하겠습니다...
개인적으로 어그리게이터 만들어서 요약본 만들어서 보는 것도 지금 만드는중입니다
https://t.me/ai_masters_community
https://t.me/easynoscamai
https://t.me/bornlupin
https://t.me/oswarld_oz
https://t.me/hgkim0257
https://t.me/kastardgood
https://t.me/continuouslearningmatthew
https://t.me/web3subin
https://t.me/web3subinchat
https://t.me/fakedev9999tg
https://t.me/diatrain
https://t.me/Nasdaq_Nikkei_Bitcoin
https://t.me/jungculturalfind
https://t.me/boosik_web3
https://t.me/Katzenote
https://t.me/shotgunforu
그리고 내 채널...
https://t.me/baekhuinform
https://t.me/tenaxcrypto
제가 부족하지만 그래도 진짜 좋은 정보들 빠르게 내용 좋게 올려드리니 꼭 보셨으면 좋겠습니다...
저는 개발이나 이런 기술 쪽과는 전혀 관련없는 삶을 살았지만, 저도 다른 분들 못지않게 한 번 노력해서 질 좋은 정보들 제공하려고 노력해보겠습니다..!
혹시라도 볼만한 다른 채널 있으면 알려주시면 감사하겠습니다...
개인적으로 어그리게이터 만들어서 요약본 만들어서 보는 것도 지금 만드는중입니다
Telegram
AI MASTERS
AI 큐레이터가 전하는 AI의 세계. 창작자들이 모여 즐길 수 있는 커뮤니티를 꿈꾸고 있습니다.
협업, 광고는 @SilverStone_ED 로 문의 주세요🫡
협업, 광고는 @SilverStone_ED 로 문의 주세요🫡