UIKit is better suited for AI coding agents than SwiftUI?
AI doesn’t hate abstraction—it hates unverifiable black boxes.
As abstraction moves up, how can verification keep pace? My thoughts on Agent Ergonomics:
https://t.co/Ybz4ivxopz
문제는 AI 코드가 아니라, 이제 아무도 아무것도 모른다는 것이다
출시량만 압박하면 AI가 명세와 코드를 만들어도 시스템 구조와 설계 이유를 아는 사람이 사라질 수 있음
쉽게 만든 앱과 파이프라인이 늘수록 유지보수도 늘어 도메인 지식, 아키텍처 역량이 중요해짐
https://t.co/h4ERmjh6Ip
As promised, Rooms is out today! 🪟
It's a little macOS app I made for switching between projects. You pick the windows for each project and save them as a room.
Press ⌥Space, type the room's name, and it brings up those windows in your saved layout. I use it on my laptop and monitor, and it remembers my layout on both! ☺️
It's free and open source, and it's not perfect yet, so feedback and contributions are very welcome! 🫶
https://t.co/zeN3n7EXNN
📚❮개발자가 문서 작성도 잘해야 하나요?❯
💜 글쓰기의 기본은 물론, AI와 함께 쓰는 법까지!
📒 책장을 모두 덮을 때쯤이면,
문서 작성을 향한 두려움이나 막막함은
어느새 사라져 있을 것입니다.
🎁 도서 증정 이벤트
∙ 리포스트 + 팔로우
∙ 3명 | ~2026년 9월 4일
👉https://t.co/8KGcVzvld4
#RT이벤트#RT#알티이벤트
📝 <좋은 코드 리뷰 나쁜 코드 리뷰>
💬리뷰가 지적 싸움으로 번진다?
💬리뷰 과정이 자주 껄끄러워진다?
💬날카로운 댓글에 쉽게 상처받는다?
💬이 말에 왜 상처받는지 모르겠다?
코드 리뷰의 갈등은 기술보다 소통의 문제!
🫧 조금만 의식하면 코드 리뷰가 달라집니다!
Claude Code, Codex 같은 에이전트 도구를 쓸 때 꼭 같이 쓰면 좋은 diff 도구..
Hunk.. Mitchell Hashimoto 등 여러 레전드들에게도 인정 받음.
https://t.co/HGHfYrpphN
리뷰를 최우선으로 설계된 터미널 diff 뷰어라고 보면 됨.
단순히 diff를 예쁘게 보여주는 수준이 아니라,,
에이전트가 만든 변경사항을 사람이 이해하고 판단하기 좋은 형태로 보여주는 데 초점을 맞추고 있음.
Pierre diffs는 원래 웹에서 고품질의 코드/diff를 렌더링하기 위해 만들어진 라이브러리.
그런데 Hunk가 이를 터미널 환경에 잘 녹여내서 웹 수준의 렌더링 품질을 CLI에서도 경험할 수 있게 만든 것.
웹 렌더링 기술이 터미널 사용자 경험으로.. 오픈소스 리스펙..
막상 공개용으로 만드려니 쉽지 않지만 일단 기본적인만 떼어봤다. 쓸만한 1.0목표로 틈틈히 커밋중
로컬사본으로 빠르게 쓰는 지라, 에이전트에서 읽기는 그냥 SQLite파일로 라는 컨셉, 좀 쓸만해지면 한번더 올려보겠습니다. 암것도 수집해가지 않음
https://t.co/0TKVu3SYyc
Swift has a terminal UI framework now. TuiKit. Declarative, like SwiftUI. Community-built.
The language was always bigger than the IDE.
https://t.co/ECulDvjvsH
Introducing Claude Opus 4.6. Our smartest model got an upgrade.
Opus 4.6 plans more carefully, sustains agentic tasks for longer, operates reliably in massive codebases, and catches its own mistakes.
It’s also our first Opus-class model with 1M token context in beta.