개미

[개미 @badger49825908]

@shoeue 서로 수요가 없는것 아닐까요 ㅋㅋ

[개미 @badger49825908]

@alifarhat79 Already exists in Seoul as well

[Eunché 🇰🇷🇺🇸 @byChaea]

운동선수들도 매일 한다는 고관절 스트레칭. 첫 번째부터 난관인데 두 번째는 지옥이다. 비명 자동! 🤣

좋다니깐 어서 해보세요~ 😎

[Awaken The Alphaa @AwakenTheAlphaa]

The daily 100 challenge do this everyday let's get shredded

[Andrej Karpathy @karpathy]

We're missing (at least one) major paradigm for LLM learning. Not sure what to call it, possibly it has a name - system prompt learning?

Pretraining is for knowledge.
Finetuning (SL/RL) is for habitual behavior.

Both of these involve a change in parameters but a lot of human learning feels more like a change in system prompt. You encounter a problem, figure something out, then "remember" something in fairly explicit terms for the next time. E.g. "It seems when I encounter this and that kind of a problem, I should try this and that kind of an approach/solution". It feels more like taking notes for yourself, i.e. something like the "Memory" feature but not to store per-user random facts, but general/global problem solving knowledge and strategies. LLMs are quite literally like the guy in Memento, except we haven't given them their scratchpad yet. Note that this paradigm is also significantly more powerful and data efficient because a knowledge-guided "review" stage is a significantly higher dimensional feedback channel than a reward scaler.

I was prompted to jot down this shower of thoughts after reading through Claude's system prompt, which currently seems to be around 17,000 words, specifying not just basic behavior style/preferences (e.g. refuse various requests related to song lyrics) but also a large amount of general problem solving strategies, e.g.:

"If Claude is asked to count words, letters, and characters, it thinks step by step before answering the person. It explicitly counts the words, letters, or characters by assigning a number to each. It only answers the person once it has performed this explicit counting step."

This is to help Claude solve 'r' in strawberry etc. Imo this is not the kind of problem solving knowledge that should be baked into weights via Reinforcement Learning, or least not immediately/exclusively. And it certainly shouldn't come from human engineers writing system prompts by hand. It should come from System Prompt learning, which resembles RL in the setup, with the exception of the learning algorithm (edits vs gradient descent). A large section of the LLM system prompt could be written via system prompt learning, it would look a bit like the LLM writing a book for itself on how to solve problems. If this works it would be a new/powerful learning paradigm. With a lot of details left to figure out (how do the edits work? can/should you learn the edit system? how do you gradually move knowledge from the explicit system text to habitual weights, as humans seem to do? etc.).

[ClaudeDevs @ClaudeDevs]

A few patterns we frequently use with Fable 5:

Use Fable 5 as an "advisor."

An executor (Sonnet 5) calls Fable 5 for guidance.

Most tokens are billed at the lower executor rate.

[패시브_빌더 @Passive_Builder]

※펌) 바보야. 재건축은 조합장이 문제야!
(장영수 개포주공3단지 재건축조합 대표청산인)
(언더스탠딩)

1. 오프닝

· 재건축은 앞으로 20년간 전국 아파트의 ‘대형 의제’.

· 문제 사례(둔촌 등)만 말하던 흐름에서 벗어나, **성공 사례(개포주공3단지 → DH 아너힐즈)**를 통해 ‘무엇이 작동했는가’를 케이스 스터디.

· 재건축의 승패는 조합장(리더십)과 계약(사전 명시)에서 갈린다.

2. 개포주공3단지 재건축 개요(인물·단지 소개)

· 인터뷰이: 장영수 대표 청산인(전 조합장). 대우그룹 임원 출신, 부동산 박사.

· 단지: 강남 개포지구, 기존 11·13·15평(소형 위주) → 임대 포함 20평대~62평대 고급 단지로 변모.

· 커뮤니티·스펙: 실내 골프연습장 비거리 16m, 수영장, 스카이라운지, 엘리베이터 210m/min 등 고사양.

3. 타임라인(핵심 연표)

3-1. 2012년 3월: 취임(추진위원장 → 조합장). 「지구단위계획 결정·고시」와 정비구역 지정이 막 완료된 시점.

3-2. 2012년 9개월 후: 조합 설립.

3-3. 2016년 2월경: 조합원 분양(대형 평형 기피).

3-4. 2016년 8월: 일반분양, 평균 경쟁률 약 100:1, 최고 1,400:1. (분양가상한제 하에서도 흥행)

3-5. 2019년 8월 30~31일: 입주.

3-6. 조합 해산 완료 후 청산 단계: 현재 학교 신축(총 1,200억: 조합 900억+교육청 300억) 분담 관련 마무리 중.

4. 성공 요인 #1 — “시기 판단”과 절차 정합성

4-1. 행정 관문 선통과: 지구단위·정비구역 등 대관 요건이 끝난 뒤 ‘악셀만 밟는’ 단계에서 사업 착수.

4-2. 반면 실패 단지들: **절차 미완(고시 전)**에 조합 설립·홍보부터… → 지연·혼선(은마, 잠실5, 압구정 과거 사례 언급).

4-3. 인사이트: **“절차완료 후 가속”**이 시간·비용 리스크를 최소화.

5. 성공 요인 #2 — 조합장 리더십(비전·일관성·청렴성)

5-1. 비전 설정: “서울 중산·상류 주거의 표본이 될 ‘작품’을 짓자.” → 고급 평형(50·60평) 포함, 단지 레퓨테이션 극대화.

5-2. 내부 설득: 초기 소유자 다수가 소형 실거주·보수적 성향 → 반대·비난 속 일관된 설계 철학 유지.

5-3. 청렴 원칙: 외부 유혹 차단(철거업체 로비 차단·모든 거래 흔적 남김). “작은 유혹에도 빚지지 않는다.”

5-4. 풀타임 오너십: 월 급여 500만→1000만원대로도 상근하며 도면·사양 직접 검토.

6. 성공 요인 #3 — 시공 계약의 ‘디테일 명시’(게임체인저)

6-1. 계약서가 바이블: 벽 두께, 자재 브랜드/규격/색상코드, 엘리베이터 속도·에어컨 유무, 노출 옹벽 마감재까지 사양을 계약서에 사전 확정.

6-2. 초기 가계약 관행 수정: 과거 평당가 ‘깜깜이’ 가계약 → 설계 확정 후 견적 재산출·재협상.

6-3. 공사비 최종 통제: 최초 498만원/평 계약, 옵션 반영 협상에도 증액 총량 +7% 내로 캡(두 자릿수 증액 금지 원칙).

6-4. “계약서에 없다=추후 업그레이드 분쟁·증액 악화”. 둔촌 갈등의 본질도 ‘마감재 명시 부재’가 실탄.

7. 성공 요인 #4 — 상품·분양 전략(수요 타게팅 & 시간 프레이밍)

7-1. 상품 믹스: 25·34 중심 + 43·53·60평대를 전략적으로 배치 → 상위 주거수요 흡인 → 단지 위상 고착.

7-2. 시장 타이밍: 2016년(경기 확신 어려울 때)에도 브랜드·사양·입지 경쟁력으로 흥행.

7-3. ​조합원 심리 관리: “오늘 25평 못 받았지만, 입주 시점엔 34평이 더 큰 복이 된다”는 시간차 가치 설득.

8. 다른 단지의 난관과 해법(둔촌주공 등 시사점)

8-1. 조합 내부 역량 결핍: ‘다음 단계’가 무엇인지 모르는 로드맵 부재.

8-2. 시공사 교체 착각: 공정 50% 이후 교체는 현실적으로 불가에 가깝고, 가처분·중단 리스크가 폭증.

8-3. 사양 분쟁: 계약서에 마감·스펙 미명시 → “알아서” 공급 후 불만/증액 분쟁.

8-4. 실행 대안: 조합장 역량이 취약하면 PM/CM(전문사업·건설관리), 신탁 대행 등 전문가 거버넌스를 비용 들여 도입.

9. 1기 신도시 마스터플랜에 대한 견해

9-1. 100년 관점 필요: 획일 용적률이 아니라 지역별 차등(어디는 600~1000%까지) 등 장기 도시구상 우선.

9-2. 2~3년 계획 수립은 불가피: 선거용이 아니라 정합적·차등적 청사진이 집값·회수 구조까지 좌우.

9-3. “전 지역 400%”식 단순 기대는 오해. 용도·입지별로 분화될 전망.

- 이어서 타래로

[KeepZ @dailyonjeje]

거북목 & 라운드숄더 교정법
시원해서 눈물남 ㅠ

[arc. @arceyul]

el ingeniero que construyó Claude Code acaba de publicar un video de 28 minutos sobre cómo escribir prompts que realmente funcionan

he visto cursos de 300$ que no cubren lo que él muestra en los primeros 10 minutos

archivos CLAUDE.md, atajos de memoria, sesiones paralelas, patrones de prompting

todo en un video y completamente gratis

funciona seas desarrollador, principiante o alguien que lleva meses usando Claude

[Harman @itsharmanjot]

GOOGLE, AMAZON, AND APPLE SPENT A DECADE CONVINCING YOU YOUR SMART HOME NEEDS THEIR CLOUD.

One guy in Norway just shipped 253 commits proving they were lying.

His name is Lasse Lian. The project is called Prism Desktop. It's a native Windows and Linux client for Home Assistant that runs entirely on your local network.

No Google account. No Amazon login. No Apple ID. No cloud relay. No subscription tier hiding behind a "Pro" badge.

Closed smart home vs Prism Desktop:

- Account required: Yes → No
- Voice data stored: On their servers → Never leaves your house
- Works without internet: No → Yes
- Costs: $99 hub + $5/month video storage → $0
- Source: Closed → MIT licensed, 253 commits public
- Vendor lock-in: Total → None

The whole app talks to Home Assistant over its WebSocket API. Your lights, your thermostats, your cameras, your locks. None of it touches a corporate server.

→ Drag and drop dashboard you actually own
→ Global keyboard shortcuts to any entity
→ PC notifications from your local automations
→ Real-time state sync without polling
→ Border effects, custom colors, the petty stuff matters

Here's the wildest part:

He shipped the first release on February 1, 2026. He's now on version 1.5.3, four months later. Solo developer. 14 releases. 160 stars and climbing.

The trillion-dollar smart home industry needed a decade and never built this.

One honest note: you need a Home Assistant instance on your network. This is the client. Setting up HA itself is the part that scares people, and it shouldn't.

100% Open Source. MIT License.

Link in the first comment.

[개미 @badger49825908]

@ikeasajima 상이연금이라고 써있네요

[잉 @seongjineee]

조성진: 얘들아 나 작두 좀 탈게

[개미 @badger49825908]

@kirina_again @hokeyfokeyro 사측도 이정도일줄은 몰랐던거죠 ㅋㅋ 혼날만 함

[개미 @badger49825908]

@TeslaZoa 직원들한테 공항철도나 리무진 할인권 등을 제휴해서 자차 이용을 줄여가는 쪽으로 유도하는게 좋을거같은데..

[개미 @badger49825908]

@kana_option 비교적 쉬운 과가 있긴합니다 ㅋㅋ최상위 사립 및 아이비 제외하면, 한국애들이 젤 많은 과=졸업 젤 쉬운과(대표적으로 economicsㅋㅋ)

[Angina Pectoris @yeoulabba]

https://t.co/CQQFxeewws

[크롱 @Krongggggg]

프론티어 모델끼리 서로 멱살 잡고 리뷰하게 만드는 게 핵심임. Codex 5.5가 짜면 Claude Opus 4.6이 공격하고 다시 검증하는 루프인데, 이 정도면 웬만한 시니어 리뷰보다 촘촘할 듯. 설계만 완벽하면 실행은 딥시크 같은 가성비 모델로 밀어버려도 결과물 퀄리티 유지되는 게 진정한 하네스 엔지니어링이라고 봄...

[크롱 @Krongggggg]

DB 스케일링 할때 검토 해야할 기술들인데 저장 엔진 기초부터 2PC/3PC 같은 분산 트랜잭션까지 알차게 모아놨음. B+ Tree랑 LSM Tree의 쓰기/읽기 특성 차이만 제대로 알아도 아키텍처 짤 때 삽질 덜 함. 나중에 시스템 디자인 면접이나 대규모 마이그레이션 앞두고 다시 뜯어볼 만한 커리큘럼임.. 참고로 CDC 는 데베지움 쓰는게 정신건강에 좋음..ㄹㅇ

[xIA @xiathis]

Anthropic paga más de $750,000 al año por ingenieros que puedan construir arquitecturas de LLM desde cero. Stanford enseñó todo el tema en una conferencia de 1 hora y lo liberó gratis.

Guárdalo en favoritos y mira esto hoy antes de que lo borren.

[개미 @badger49825908]

@jun_song 왜냐하면 주로 회사에서 사용해서...