[합천일류돼지국밥] [부산 사상]
돼지우동

사상이 고향인데도 첨 가본 곳임..
나 뺴고 다들 아는듯 유명함...
밤 11시에 갔는데 줄 서서 들어갔음

인스타나 유튜브 등... 소셜에서 돼지우동이 유명하다고 알려져있고, 부산에서 매우 유명한 국밥집임.

일반적인 부산 국밥과는 다르게 하얀 국물이 아니고, 돼지 향이 많이 나는 국밥임. 돼지국 같은 느낌. 다데기가 기본적으로 넣어져서 나오는데 마늘이 많이 들어가있음. 상당히 묵직하고 자극적임. (개인적으로는 다데기를 더 넣고싶었음)

정구지랑 새우젓을 팍팍 넣어서 먹으면 맛있고, 우동도 생각보다 잘 어울림.

일반적인 돼지국밥 느낌은 아니고 상당히 거칠고 헤비한 느낌이라 이곳에서만 먹을 수 있는 맛이라고 느껴졌음.
양도 꽤나 많음.

돼지국밥이 이런식으로도 표현될 수 있구나해서 조금 신기했던 경험.

맛있음. 대신 호불호는 좀 갈릴만한 집.
그래도 굉장히 더티한 맛을 좋아한다면 매우 적극 추천함. 지킬앤하이드에서 하이드의 역할을 한다고 생각함.
부산 내려가서 생각나면 자주 갈듯함. 사상에는 꽤나 괜찮은 집들이 있어서(최뼈다구도 있고) 자주 가게 되는듯. (술집거리는 갈 곳 없음)

가격은 살짝 비싼감이 있으나, 다른 곳에서 경험하지 못하는 부분을 살짝만 더 낸 느낌이라 비싸다고 크게 느끼지 않았음.

가성비 : 4.2/5.0
맛 : 4.5/5.0
재방문 의사 : 있음

[정원국밥] [울산 남구]
돼지곰탕(특) (12,000원)

흑백요리사에 옥동식 사장님 보고 비슷한 곳 없나 해서 간 곳임. (원래 돼지곰탕을 알고있었는데 흑백요리사 보고 트리거가 됐음.)

방금 전에 올린 합천일류돼지국밥의 돼지국밥과는 완전 정반대에 있는 느낌.
지킬앤하이드에서 지킬의 포지션이 아닌가 싶음.

매우 깔끔하고, 가벼우며 돼지의 지방의 고소한 맛이 아닌, 살코기에서 나오는 고소한 맛을 최대한으로 이끌어낸 고소함과 감칠맛이 좋음.

돼지 지방의 느끼함은 아예 느낄 수 없고, 슴슴하고 뻔할 뻔 했는데 고소함이 무기가 된 느낌.

막 고기가 엄청 부드럽다는 아닌데, 가격대비 이정도 부드러우면 됐다고 생각함. (완전 부드러워지면 최소 20,000원은 받아야할듯.)

눈을 감고 고기를 꼭꼭 씹어먹으면 매우 고소한 맛이 나고, 마치 소고기의 살코기 특유의 고소한 느낌이 듦.
곁들임찬 또한 고소한 맛과 잘 어울려서 자극이 없던 식사에 한국적인 자극을 주어서 심심함을 없애줌.

고기와 고추지, 열무김치와 깍두기, 국에 청양고추 다진 것을 넣어서 또 다른 맛을 즐길 수 있음. 기본 국물은 조금 심심하니 소금을 넣어서 먹어야함.

처음 들어왔을 때 사이드 디시가 없어서 왜 사이드 디시가 없지?라는 생각이 들었는데, 굳이 있을 이유가 없다고 이해하게 됨. 뻔한 만두같은 사이드 디시는 오히려 마이너스가 될 수 있을 정도라고 느꼈음.

밥과 육수는 리필이 되니 고기와 밥, 국에 밥을 말아서 두 번 즐길 수 있음.

가격도 매우 쌈. 이정도 퀄리티가 12,000원이면 집 근처라 자주 갈듯함.

쉽게 접할 수 없는 유니크함이 있음.
울산 사는 사람이라면 꼭 한 번 가보길 바람.(울산에는 맛있는 돼지국밥집이 잘 없어서 그냥 여기 가길)

가성비 : 4.8/5.0
맛 : 4.75/5.0
재방문 의사 : 있음.

[GROK : 당신이 트위터를 보는 시간을 줄여도 되는 이유]

LLM의 등장으로 한 때 나오던 이야기 중 'AI로 인해서, 검색엔진의 종말이 다가올 것이다.'라는 말이 있었습니다.
저는 그걸 꽤나 온몸으로 느끼고 있는 사람입니다.

실제, 저는 직접 서칭하는 경우가 극단적으로 낮아졌고 대부분의 1차적인 서칭은 AI를 통해서 하고있습니다. (심도깊은 것은 따로 서칭을 해봅니다.)

하지만, LLM 서비스마다 사용할 수 있는 소스가 상이하고 한정되어 있는 경우도 많습니다. 대표적인 케이스가 트위터라고 생각합니다.
트위터의 경우에는 ChatGPT, Gemini와 같은 LLM이 소스로 크게 활용하지 못하는 한계가 존재합니다.

하지만, GROK은 트위터에 있는 정보를 전부 다 다룰 수 있습니다.
그렇기 때문에 트위터에 바이럴 되는 정보들, AI 관련 업데이트들, 암호화폐 관련 정보들, 테크 정보들, 투자 정보, 인사이트, 사건사고, 케이스스터디, 오피셜 정보 등...을 수집할 수 있습니다.

제가 매일같이 사용하려고 하는 분야 AI 활용 분야이고, 트위터 상에서 바이럴 되는 것들을 꽤나 자주 찾아보는데요.

프롬프트 :

최근 3일 내에 AI 프롬프트 관련해서 X에서 바이럴 된 것들 10개 알려줘. 이미지 생성 쪽 프롬프트는 제외하고 제공해줘.
이미 제공한 것들은 제외하고 추가로 10개 제공해줘.

위와 같은 프롬프트를 활용하여 최근 어떤 새로운 프로덕트가 나오고, 그것이 바이럴 되고 어떻게 실전적으로 사용해야하는지에 대해서 알아볼 수 있습니다.
이것을 API를 통해 자동화해서 통계로 만들고, 하루의 리포트로 받을 수 있습니다.

프롬프트에서는 이미지 생성의 프롬프트는 제외하였지만, 이미지 프롬프트만 제공해달라고 할수도, 프로덕트만 제공해달라고 할수도, 새로운 신제품, 업데이트만 제공해달라고도 할 수 있습니다. 한국어 기반의 글만/영어 기반의 글만/아예 상관없이 제공해달라는 것도 다 됩니다.

사용자가 원하는 방향으로 다양하게 활용할 수 있습니다. 사용자의 창의성만 어느정도 된다면, AI를 정말 다양한 방법으로 원하는 대로 자기가 상상하는 것을 전부 만들 수 있습니다.

#AI #Grok #LLM #프롬프트 #Prompt #팁 #활용법

구글의 차세대 Gemini 모델로 추정되는 코드명 "Snowbunny"의 벤치마크 결과가 공개되었습니다.

현재 AI Studio 등에서 A/B 테스트가 진행되고 있는데, 테스터에 따르면 이 모델은 기존 모델들과는 차원이 다른 성능을 보여줘서 벤치마크 자체를 버전 2로 새로 만들어야 할 판이라고 합니다.

추론뿐만 아니라 "Tool Calling" 능력이 크게 개선되었고, UI/프론트엔드 코딩 능력은 이미 최고 수준이었던 Gemini 3.0 Pro보다 더 좋아졌습니다.

백엔드 개발 쪽은 아직 개선의 여지가 있지만, "게으름" 문제도 다소 해결된 모습입니다.
아마 Gemini 3의 GA 버전으로 추측됩니다.

Fabric (openmind) 카이토 세일 예정

FDV 400M 밸류에 세일
목표 모금액 2M (공급량 0.5%)
TGE 100%
청약 범위 - 1K ~ 250K

• 최소 15%는 Fabric 커뮤니티, FABRIC 대시보드/앱에서 플래티넘 등급을 보유한 사용자, Backpack 배지, OG 배지, 개발자 배지 및 연구원 배지 보유자에게 할당
• 최소 10%는 카이토 커뮤니티(sKAITO, Yapybara 보유자 및 전 세계 상위 CT 계정, 그리고 중국 및 한국 계정)에 할당

Detail

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

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

오피니언 에드 지갑등록 나왔네요!!

https://app.opinion.trade/points

까먹지말고 해두시죠!

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

[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.

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.