go to mac · Homework Salon

AI로 오래 남은 문제를 작동하는 도구로 만듭니다. Homework Salon에 참여합니다.
Turning unfinished problems into useful things with AI.

[go to mac · Homework Salon @bitbitebyte]

미뤄둔 문제를, 작동하는 도구로.

오래 품어온 문제와 아이디어를 AI로 작은 프로젝트에 옮기기 위한 작업실, Homework Salon을 시작합니다.

https://t.co/wdRaBHxiBd

[そう｜Claude Codeで始めるAI自動化 @so_ainsight]

今週GitHubで急上昇したAIリポジトリ10選：

1. Graphify
コード・ドキュメント・画像まで丸ごと知識グラフ化。grepでファイルを探す代わりに、プロジェクト全体の関係性を辿りながら質問できる。
https://t.co/cD2VJQAOHA

2. hallmark
Claude Code・Cursor・Codexで量産されがちなデザインの「AI臭さ」を防ぐスキル。配色やレイアウトを自動で矯正する。
https://t.co/5tricsqTFt

3. awesome-llm-apps
クローンしてすぐ動かせるAIエージェント・RAGアプリが100以上。実装例を見ながら自分のプロダクトにそのまま応用できる。
https://t.co/RqNrlzE7wD

4. Vibe-Trading
自然言語で指示するだけでトレード戦略のバックテストや市場分析を実行する。自動売買まで任せられるが、上限設定と即時停止で暴走を防げる。
https://t.co/sNrgblv8e2

5. orca
Claude CodeやCodexなど複数のコーディングエージェントを並列実行できる開発環境。デスクトップ・モバイルからどこでも進捗を確認・操作できる。
https://t.co/RgSxPjJEFm

6. OfficeCLI
Word・Excel・PowerPointをAIエージェントが直接読み書き・編集できるCLI。Office未インストールでも単一バイナリで動く。
https://t.co/zxq9frTHj4

7. OmniRoute
231以上のAIプロバイダを1つのエンドポイントに集約する無料ゲートウェイ。トークン圧縮で消費を最大95%削減し、無料枠だけで動かし続けられる。
https://t.co/SkaW16yESu

8. pi
複数プロバイダに対応した統一LLM APIとエージェントループ、TUIをセットで提供。自分だけのコーディングエージェントCLIを組み立てられる。
https://t.co/iQpX6RX7iS

9. claude-video
動画URLを渡すだけでClaudeに「視聴」させられる。フレーム抽出と文字起こしを自動化し、長尺動画の要約やバグ調査の時間を大幅に削れる。
https://t.co/nIOGDD1rHo

10. DesktopCommanderMCP
ClaudeにターミナルとファイルシステムをまるごとMCP経由で渡せる。IDEなしでコード編集・コマンド実行・ファイル検索が完結する。
https://t.co/UiHN7X6xx5

[Codex研究ラボ @Gencoin8]

Codex 5.6 ほんとにヤバい！
リリースからずっとフルに使ってみて
一番インストールする価値がある
プラグインを厳選した
👇
① Browser
ブラウザ操作をAIが自動実行。クリック/入力/E2Eテスト/QAまで任せられるので、毎回手動確認する必要がなくなります　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

② GitHub
Issue・PRと連携し、タスクを渡すだけで実装からレビューまで高速化。開発フローが圧倒的にスムーズになります。

③ Codex Security
コードの脆弱性や秘密鍵の漏洩を自動検出。修正案まで提示してくれるので、セキュリティ対策も効率化。

④ Build Web Apps
アイデアを伝えるだけで、設計・実装・ブラウザテストまで一気通貫。フルスタック開発の時間を大幅に短縮できます。

⑤ Figma
Figmaデザインを高精度でコード化。レスポンシブ対応まで自動化でき、デザインと実装のズレを最小限に。

⑥ Sentry
本番環境のエラーを解析し、原因の特定から修正コードの提案までサポート。障害対応がかなりラクになります。

そして私が個人的に一番感動したのが
「Sites」機能

作ったアプリやWebサイトを
その場でプレビューし、そのまま公開
共有まで完結。

カスタムドメインにも対応しているので
試作品をすぐにクライアントへ見せられます

この組み合わせを導入すると
Codexは「コードを書くAI」ではなく
設計・実装・テスト・デバッグ・公開まで
担当するAI開発チームに近い存在になる

AI開発を本気で加速させたいなら
この構成は一度試してみる価値しかない！

[Akshay 🚀 @akshay_pachaar]

8 RAG architectures for AI Engineers:

(explained with usage)

1) Naive RAG
- Retrieves documents purely based on vector similarity between the query embedding and stored embeddings.
- Works best for simple, fact-based queries where direct semantic matching suffices.

2) Multimodal RAG
- Handles multiple data types (text, images, audio, etc.) by embedding and retrieving across modalities.
- Ideal for cross-modal retrieval tasks like answering a text query with both text and image context.

3) HyDE (Hypothetical Document Embeddings)
- Queries are not semantically similar to documents.
- This technique generates a hypothetical answer document from the query before retrieval.
- Uses this generated document’s embedding to find more relevant real documents.

4) Corrective RAG
- Validates retrieved results by comparing them against trusted sources (e.g., web search).
- Ensures up-to-date and accurate information, filtering or correcting retrieved content before passing to the LLM.

5) Graph RAG
- Converts retrieved content into a knowledge graph to capture relationships and entities.
- Enhances reasoning by providing structured context alongside raw text to the LLM.

6) Hybrid RAG
- Combines dense vector retrieval with graph-based retrieval in a single pipeline.
- Useful when the task requires both unstructured text and structured relational data for richer answers.

7) Adaptive RAG
- Dynamically decides if a query requires a simple direct retrieval or a multi-step reasoning chain.
- Breaks complex queries into smaller sub-queries for better coverage and accuracy.

8) Agentic RAG
- Uses AI agents with planning, reasoning (ReAct, CoT), and memory to orchestrate retrieval from multiple sources.
- Best suited for complex workflows that require tool use, external APIs, or combining multiple RAG techniques.

Most architectures here involve some form of retrieval-time decision. But they all run on top of whatever was already indexed.

If that indexing step outputs messy chunks, every architecture inherits them. Improving it is a separate problem from the 8 above.

I wrote about a better unit for the indexing step. The technique:

- cuts corpus size by 40x.
- reduces tokens per query by 3x.
- improves vector search relevance by 2.3x.

And it doesn't alter the retrieval algorithm, the reranker, or the embedding model.

Read it in the article quoted below.

[lis @lisaknowsai]

CLAUDE AHORA OPERA MI TRADINGVIEW SOLO.

NO TOQUÉ EL RATÓN NI UNA VEZ

Le pedí:

"Encuéntrame todos los futuros de BTC con RSI por debajo de 30 y volumen +200% a la vez"

14 segundos después:
→ 6 contratos encontrados
→ Gráficos cargados automáticamente
→ Soportes dibujados
→ Script de Pine corriendo backtest
→ Zonas de entrada marcadas

Luego: "Reproduce la semana pasada y enséñame dónde habría entrado mi sistema"

Pasó solo a modo replay. Vela por vela, marcando cada entrada y calculando PnL en directo.

9 operaciones. +4.780$ teóricos en el backtest. 83% de acierto (en esa prueba, ojo, backtest no es real).

También le pido indicadores:
"Escríbeme un oscilador de momentum que cruce actividad de ballenas con tendencia de precio"

40 segundos. Script listo, indicador en el gráfico.

La mayoría sigue pasando 50 gráficos a mano.

Esto barre 200+ en un minuto.
Escanea, dibuja, testea, calcula.

No reemplaza tu estrategia.

La ejecuta mucho más rápido.

El tutorial del post de abajo te enseña cómo montar tu propio bot de trading

[Qwen @Alibaba_Qwen]

Qwen3.8 is launching and going open-weight soon!🌐

With a massive 2.4T parameters, this model is continuously evolving. We believe it’s one of the most powerful model available today, compatible to leading frontier AI models , second only to Fable 5.

You don't have to wait to test it. Just now, the Qwen3.8-Max-Preview made its debut on Alibaba’s Token Plan, Qoder, and QoderWork. Be among the very first to try it out.

Can't wait to hear what you build. Stay tuned! 🚀 

Token Plan
international：https://t.co/YRvcGdB9Bv
China：https://t.co/PKMUNwUuRp

[스케치 @Tesla_Teslaway]

일론머스크가 흥미롭다고 답글 쓴 글

Kimi K3 등장으로
오히려 AI 생태계 전반에 더 좋은 일이 될수 있다는 내용의 글임

알기쉽게 풀어 적어봤음

Kimi K3는 단순히 새로운 오픈웨이트(Open-weight) 모델이 등장했다는 의미를 넘어, AI 산업 구조 자체를 바꿀 수 있는 중요한 변곡점이 될 가능성이 있음

지금까지 AI 시장은 OpenAI, Anthropic, Google과 같은 소수의 프론티어 모델 기업이 최고 성능의 모델을 보유하며 높은 수익률을 가져가는 구조였음

만약 이러한 구조가 계속된다면 모델 기업은 AI 생태계에서 가장 큰 협상력을 갖게 되고, 전력, 데이터센터, 반도체, 하이퍼스케일러는
물론 장기적으로는 소프트웨어(Application) 영역까지 수직계열화 할 가능성이 높음

결국 AI 산업의 부가가치 대부분이 소수의 모델 기업으로 집중되는 구조가 만들어질 수 있다는 거임

Kimi K3와 같은 오픈웨이트 모델은 이러한 구조를 흔들 수 있는 변수임

오픈웨이트 모델은 기업이 직접 모델을 내려받아 자체 인프라에서 운영할 수 있기 때문에 특정 API 사업자에 대한 의존도를 낮출 수 있음

이는 모델 계층의 경쟁을 촉진하고 높은 마진을 압박하는 효과를 가져옴

여기서 중요한 점은 오픈웨이트 모델이 등장한다고 해서 GPU 사용량이 줄어드는 것은 아니라는 것임

동일한 규모와 구조의 모델이라면 오픈 모델과 폐쇄형 모델 모두 비슷한 수준의 연산량이 필요함

즉 OpenAI API를 사용하는 대신 기업이 직접 GPU를 구매해 모델을 운영할 뿐이며, GPU와 메모리, 데이터센터에 대한 수요 자체는 크게 달라지지 않응

이러한 이유로 엔비디아의 젠슨 황이 오픈 모델을 긍정적으로 바라보는 것으로 해석할 수 있음

다만 Kimi K3가 아직 완전한 게임체인저라고 보기는 어려움

이유는 토큰 효율이 경쟁 모델보다 떨어진다는 평가를 받고 있기 때문임

AI 모델의 경제성은 단순히 토큰당 가격만으로 결정되지 않음

실제 업무를 완료하기 위해 얼마나 많은 토큰을 소비하는지가 훨씬 중요함

만약 동일한 작업을 수행하는 데 GPT-5.6이 100개의 토큰을 사용하는 반면 Kimi K3가 180개의 토큰을 사용한다면, 토큰당 가격이 같더라도 실제 비용은 훨씬 높아진다는 거임

결국 중요한 지표는 토큰당 가격이 아니라 같은 비용으로 얼마나 높은 수준의 지능을 제공하는가, 즉 달러당 지능

이러한 관점에서 장기적인 승자는 가장 저렴한 모델이 아니라 가장 높은 비용 대비 성능을 제공하는 모델이 될 가능성이 높음

모델 계층의 마진이 낮아질수록 AI 생태계의 다른 계층은 오히려 더 많은 수혜를 받을 수 있음

기업들이 자체적으로 모델을 운영하게 되면 GPU, 고대역폭 메모리(HBM), 데이터센터, 클라우드, 전력 인프라에 대한 투자가 확대되고, AI 애플리케이션과 소프트웨어 기업들도 특정 모델 사업자에 종속되지 않고 경쟁할 수 있는 환경이 조성됨

즉 모델 기업의 마진 감소는 인프라와 소프트웨어 계층의 성장으로 이어질 가능성이 있다는 거임

물론 이것이 곧바로 OpenAI와 Anthropic에 부정적인 결과를 의미하는 것은 아님

첫째, 사용자들은 단순히 모델 성능이 아니라 ChatGPT와 Claude가 제공하는 제품경험과 생태계를 선택할 수도 있음

둘째, OpenAI와 Anthropic이 아직 공개하지 않은 차세대 모델을 내부적으로 개발하고 있을 가능성도 존재함

만약 이들이 재귀적 자기개선(Recursive Self-Improvement, RSI)을 경쟁사보다 먼저 달성한다면 몇 달의 기술 격차만으로도 장기적인 우위를 확보할 수 있다는 시나리오도 충분히 가능하다는 거임

결국 Kimi K3의 진정한 의미는 모델 하나의 성공 여부가 아님

프론티어 수준의 오픈웨이트 모델이 등장했다는 사실 자체가 AI 산업의 경쟁 구도를 바꾸기 시작했다는 점에 있음

다만 현재 Kimi K3는 토큰 효율 측면에서 아직 한계를 보이고 있으며, OpenAI와 Anthropic의 높은 수익 구조를 근본적으로 흔들기 위해서는 성능뿐 아니라 토큰 효율까지 경쟁력을 갖춘 오픈웨이트 모델이 추가로 등장해야 할 가능성이 높음

앞으로 AI 산업의 승부는 누가 가장 비싼 모델을 판매하는지가 아니라, 누가 가장 낮은 비용으로 가장 높은 수준의 지능을 제공하는지,

그리고 그 과정에서 AI 생태계 전체의 부가가치를 어떻게 분배하는지가 핵심 경쟁력이 될 것임

[Kimi.ai @Kimi_Moonshot]

Kimi K3 has received far more love than we expected, and our GPUs are feeling it.

Over the past 48 hours, demand has pushed close to the limits of our current capacity. To protect the experience of existing subscribers, we're temporarily pausing new subscriptions and prioritizing compute for current members. Existing subscribed users are not affected.

We're adding capacity as fast as we can and will reopen new subscription spots in batches.

Going forward, we'll also split membership into two more focused plans: Kimi Membership for Kimi Web, App, and Work; and Kimi Code Membership for coding workflows. This will help us match compute more precisely and keep the experience stable.

Thank you for your patience and understanding!

[go to mac · Homework Salon @bitbitebyte]

이 계정에서는 만드는 과정과 실패, 발견, AI와 최근 뉴스에 대한 생각을 기록합니다.

Homework Salon의 공식 계정이 아니라, 이 프로젝트에 참여하는 사람의 개인 계정입니다. 비슷한 숙제가 있다면 편하게 이야기해 주세요.

[go to mac · Homework Salon @bitbitebyte]

미뤄둔 문제를, 작동하는 도구로.

오래 품어온 문제와 아이디어를 AI로 작은 프로젝트에 옮기기 위한 작업실, Homework Salon을 시작합니다.

https://t.co/wdRaBHxiBd

[go to mac · Homework Salon @bitbitebyte]

Homework Salon에서는 문제를 모으고, 꺼내 보고, 연결하고, 가장 작은 형태로 만듭니다.

앱, 자동화, 작은 도구와 시스템이 실제로 도움이 되는지 직접 사용하며 확인합니다.

[Jun Song @jun_song]

Open Source AI updates :

> GLM-5.2 ✅ Almost Opus-level
> Kimi-K3 ✅ Almost Fable-level
> Qwen-3.8 🔜 2.4T, Expected to beat Opus
> Deepseek V4 GA 🔜 $0.0028/M Expected to beat Opus
> Minimax-M3-Pro 🔜 3T, Expected to be Fable-level
> GLM-5.5 🔜 Expected to beat Opus

Holy

[Jokker @0xJokker]

MOONSHOT ACABA DE CLONAR CLAUDE CODE Y LO HIZO GRATIS

Se llama Kimi Code CLI

Es open source y lo desarrollo el mismo equipo que lanzo K3

Hace cosas que Claude Code no puede:

→ Acepta grabaciones de pantalla como input
→ Los subagentes integrados para programar, explorar y planificar, cada uno con su propio contexto
→ Modo de planificacion antes de modificar un solo archivo
→ Servidores MCP configurados por el propio agente con /mcp-config
→ Se integra con Zed, JetBrains y cualquier cliente ACP
→ Un solo ejecutable, sin configurar Node, arranca en milisegundos

El CLI es completamente GRATIS

Y el modelo K3 que lo impulsa cuesta desde $3 por millon de tokens

Descargalo aqui 👇

[지라프 @o_girraffe]

Korean Law MCP (국가법령검색 mcp) 개발자
어나더 공무원 류승인님께서 만드신

대한민국 대표제도 top100기반
온톨로지형 시각화 웹 사이트입니다.

[Viktor Oddy @viktoroddy]

NEW Kimi K3 Creates Insane Web Designs!

❤️‍🔥Just Recorded a 13 min Tutorial on how to Create an Award-Winning Website with Kimi K3

[Guillermo Casaus @_guillecasaus]

Este tipo explica cómo crear páginas web 3D animadas con Grok 4.5.

Un tutorial de 12 minutos donde muestra paso a paso cómo utilizar la IA para diseñar interfaces con animaciones de forma prácticamente automática.

🔖 Guárdalo. Vale cada minuto.

[mousepotato @iluciddreaming]

不需要再开多个 terminal 跨 Agent 沟通了。

tmux-bridge 让 Claude Code、Codex、Gemini CLI、Kimi Code 彼此能读取对方的终端并协同运作，全程通过 MCP。

npx tmux-bridge-mcp setup — 搭完。

[roman @Nozelcode]

Claude Code es un lío. Hasta que instalas esto.

Hay un plugin oficial de Anthropic llamado claude-code-setup.

Te dice qué automatizaciones puedes montar (hooks, skills, MCP servers, subagentes…) y cómo configurarlas paso a paso.

Básicamente analiza tu proyecto y te recomienda qué activar.

Para instalarlo:

/plugin install claude-code-setup@claude-plugins-official

Guarda este post para no perderlo 🔖