디깃 | AI 매거진

해외에서 터진 AI 꿀팁, 한국어로 제일 빨리 ⚡
매일 바로 복붙해 쓰는 프롬프트·툴·새 모델 소식 | 협업 DM

[디깃 | AI 매거진 @diggit_ai]

디깃은 이런 걸 매일 올림 👇

1. 바로 복붙해서 쓰는 AI 프롬프트
2. 해외에서 터진 새 모델·툴 소식, 한국어로 제일 빨리
3. 클로드 코드·코덱스 실전 규칙
4. 금요일엔 이번 주 AI 핵심 뉴스 정리

AI로 시간 아끼고 싶으면 팔로우해두셈

[디깃 | AI 매거진 @diggit_ai]

골드만이 클로드 코드, 트레이더한테 막음

한동안 뱅커·트레이더도 Claude Code·GitHub 쓰게 해 두다가
10월에 엔지니어 약 1만 2천 명만 남기고 제한함
직원 약 4만 7천 명 중 대부분은 빠짐

1. 생산성·리스크 점검 뒤 정책 바꿈
2. 트레이딩+엔지니어링 섞는 Strats는 예외
3. 사내 AI 어시스턴트는 계속 확대 중

바이브 코딩 하던 월가 분들 한숨 나오는 소식임

여러분은 회사 코딩 AI 열려 있음?

https://t.co/ilP4u2ZyHc

[Boring_Business @BoringBiz_]

Goldman Sachs has spent two years pushing AI out to its roughly 46,000 employees, not just its 12,000 engineers

The approach used several model providers at once: an in-house assistant built on models from OpenAI, Anthropic and Alphabet, plus Anthropic's Claude Code and Microsoft's GitHub for bankers who wanted to build their own tools

As recently as July, CIO Marco Argenti was promoting "vibe coding" by traders and bankers, who built tools with AI and passed them to engineers to finish

In October, Goldman reversed course. Per reporting from Bloomberg, updated internal guidance now limits Claude Code and GitHub to engineers after a review of productivity and risk, and some traders are frustrated

A week before the story ran, Anthropic filed publicly for its IPO with Goldman as one of two lead underwriters

Here are the five moves that took Goldman from vibe coding to engineers only

1. GS AI Assistant

In June 2025, Goldman took its internal chatbot firmwide after a pilot with about 10,000 users, out of a workforce of roughly 46,500

The assistant runs inside Goldman's compliance perimeter and gives staff access to models including ChatGPT and Gemini

Argenti rolled out GitHub Copilot and Gemini Code Assist, and Goldman became the first major bank to use Cognition's autonomous coding agent, Devin

By August 2026, hundreds of Devin agents were working alongside roughly 12,000 human developers, and Argenti said the deployment could grow into the thousands

2. Claude in the back office

In February, Argenti told CNBC that Anthropic engineers had been embedded inside Goldman for six months, building autonomous agents on Claude

The first targets were trade and transaction accounting and client vetting and onboarding.

3. Hong Kong

In late April, the Financial Times reported that Goldman had cut off Anthropic's models for its Hong Kong bankers
Staff there had used Claude through the bank's internal AI platform and had lost access in the preceding weeks

The FT said the cause was a strict reading of Goldman's contract with Anthropic, made after consulting the company.

Anthropic told the FT that Claude had never been officially supported in Hong Kong
Gemini and ChatGPT stayed on the platform, so the restriction applied to Claude only and was not a ban on AI

4. Nvidia and Anthropic

While the internal rules were tightening, Goldman's AI banking business was growing

It is underwriting Anthropic's IPO and helping Nvidia arrange large debt deals

In August, Nvidia signed memoranda of understanding with KKR, Goldman, Brookfield, Blackstone, BlackRock and Apollo to set up compute financing platforms

The goal is to bring in more than $500 billion of outside capital over time. Solomon has said Jensen Huang brought the idea to Goldman

On October 26, Anthropic filed to list on Nasdaq under ANT, with Goldman and Morgan Stanley as lead underwriters
IFR reported the offering could raise $75 billion to $100 billion through a syndicate of more than 20 banks

5. Engineers only

The October guidance limits Claude Code and GitHub to engineers. Strats, who work across trading, quant research and engineering, are exempt

Traders had been using the tools to monitor client trading flows, model market moves and positions, and produce written and graphic content, according to a person familiar with the matter cited by Bloomberg

A Goldman spokesperson said the bank makes AI tools available across the firm to find use cases

After a trial period weighing productivity and risk, it gives them to the people best placed to use them long term

Bloomberg noted that banks are spending millions of dollars on AI tools while also managing cybersecurity risk, cost and productivity

Non-engineers who relied on Claude Code or GitHub now need to request other tools or use the GS AI Assistant instead

That leaves Claude Code with roughly 26% of Goldman's headcoun

[디깃 | AI 매거진 @diggit_ai]

사진 한 장으로 분해되는 3D 시뮬 만들기

와.. 로봇 문어가 팔 8개 달고
알아서 분해됐다 조립됨
Claude Opus 5.5한테 "make the model"
이 한마디 했다고 함

1. 사진은 룩만 잡고 전부 three.js 코드
2. 영상 전에 스틸 한 장 먼저 렌더해서
사진 옆에 놓고 3번 고침
3. 첫 결과가 장난감 같아서
링크 202개·바퀴 480개를 팔 8개에 채움

4. 2~3초마다 뭔가 열리게 설계
5. 0:16에 330° 턴테이블로 분해

25초에 코드 2,616줄이라고 함

영상부터 안 뽑고 그림부터
맞추게 시킨 단계가 퀄리티를 가른 듯

https://t.co/VMkylMCcUs

[Fokki @0x_fokki]

Someone needs to stop Claude Opus 5.5. It turned one picture into a robot octopus I can take apart piece by piece.

i just said "make the model" and what came back floored me.

the build:

> the picture set the look, every petal, lens and link is three.js code
> opus rendered one still next to the picture and fixed the gaps for 3 rounds before it touched the film
> the first pass looked like a toy, so it went back and packed 202 links and 480 wheels into 8 arms
> every arm is one draw call, posed every frame by walking its chain of bends
> something opens every 2-3 seconds: the lens unscrews, the mantle hinges, the pump rises out spinning
> at 0:16 the whole thing blows apart on a 330° turntable and reassembles before the turn ends

25 seconds, 2,616 lines of code and one octopus that leaves the frame on its own.

the skill, the prompt and the live sim 👇

[디깃 | AI 매거진 @diggit_ai]

ChatGPT 폰에서 계정 2개 로그아웃 없이 전환

회사용이랑 개인용 따로 쓰는 분들
이제 매번 로그아웃 안 해도 되는 듯

설정 → Switch account → Add account
추가할 계정으로 로그인하면 끝

1. 최대 2개까지 로그인 유지
2. 대화·메모리·파일은 계정마다 따로
3. 유료 구독도 다른 계정으로 안 넘어감

아이폰·안드로이드 순차 적용 중이라
설정에 메뉴가 뜨는지 먼저 보면 됨

https://t.co/51YJdZzHys

[Tibo @thsottiaux]

Day 26/ You can now easily switch between multiple accounts on mobile, and coming soon to desktop too. Next two days will be resets… banked… do with this what you may 👀.

https://t.co/iQxsqbuk0f

[디깃 | AI 매거진 @diggit_ai]

북마크 19,814개 인생 리뷰

가상 리뷰 8개에 개발사 답변까지
습관을 버그로 쓰라는 대목이 웃김
대화 기록으로 하는 챗GPT 놀이임

1. 나와 대화한 챗GPT를 열기
2. 아래 프롬프트를 통째로 붙이기
3. 제목·장르·리뷰 8개 받아 보기

> 지금까지 나와 나눈 대화를 바탕으로 내 인생이 스팀에 출시된 게임이라고 가정해 줘.
> 게임 제목, 장르, 주요 시스템을 정하고 가상 유저 리뷰 8개를 작성해 줘.
> 각 리뷰에는 닉네임, 플레이 시간, 추천/비추천 여부를 포함해. 내 성격, 습관, 인간관계를 퀘스트나 버그처럼 표현해 줘.
> 나를 모르는 사람도 웃길 만큼 구체적으로, 실제 스팀 유저처럼 솔직하고 건조하게 작성해 줘. 마지막에는 개발사의 공식 답변도 넣어 줘.

닉네임·플레이 시간까지 붙으니
가상 리뷰 읽는 맛이 있겠네요
심심할 때 대화 기록으로 놀기 좋을 듯

https://t.co/yJFb9BlB9s

[0 @404cbjw]

심심할 때 챗지피티로 혼자 놀기 좋은 프롬프트 모음 타래

그동안 나랑 나눈 대화 기반이라 결과가 사람마다 다르게 나옴

할 거 없을 때 하나씩 해보세요
생각보다 기분 나쁠 정도로 정확할 때가 있음
계속 추가할 예정

[디깃 | AI 매거진 @diggit_ai]

아니 청소 앱도 AI로 만듦?

Cleanly 제작 과정을 공개했는데
화면보다 삭제 검증에 눈이 갔음
맥·윈도 앱을 같이 만든 사례임

1. 코딩 전에 UI 9안부터
고른 뒤 폰트·아이콘을 다듬음
2. Electron·React로 두 OS 지원
3. 삭제 경로는 별도 에이전트가 공격
문서 폴더까지 지울 뻔한 오류를 잡음

4. 첫 실행은 스캔만, 삭제 금지
실제 앱 화면까지 확인하는 조건임

파일 건드리는 앱 만드는 분이면
완성 기준에 이 검증도 넣어 둘 만함

https://t.co/soP3rf752a

[Movez @0xMovez]

I just reverse-engineered CCleaner / CleanMyMac with Opus 5.5 for Mac & Windows PC

this is insane...

one tap → 14.6 GB of junk gone. fully open-source and free.

→ https://t.co/xdi6E5WvBM

here’s the build step by step:

• step 1 → open Claude Code on Opus 5.5 in an empty folder, paste the prompt below + a few CleanMyMac screenshots

• step 2 → Opus didn’t start coding. it drew 9 UI concepts on a canvas first.

i picked one, it rebuilt the fonts, icons and glass buttons until it looked like Apple made it

• step 3 → i sent it a random video of smoky gradients.

Opus turned it into a live WebGL shader: “cosmic wind” rising behind the scan result

• step 4 → stack: one Electron + React codebase that runs on macOS and Windows

• step 5 → Opus split the build across 8 parallel agents.

one wrote the junk scanner, one the disk map, one the AI assistant, one the tips & feedback screens, one the installers

• step 6 → a separate safety agent attacked every line that deletes something.

it caught a Windows short-name trick (DOCUME~1) that could’ve sent my whole Documents folder to the Recycle Bin. and an icon loader that could leak my Windows password hash to a remote machine

• step 7 → the disk map is a physics toy: drag a folder bubble, throw it, watch it bump the others

• step 8 → built-in AI: plug in Claude or ChatGPT and ask “what can i safely delete?”

it only sees file names and sizes, never contents

• step 9 → GitHub Actions builds the .dmg and the .exe on every release.

the Mac build runs on Apple hardware in the cloud, not on my PC

• step 10 → first real test: the startup-apps toggle said “Windows did not allow the change”

Opus found PowerShell was losing the exit code after the admin prompt, made the app check the registry instead. next build: works

one afternoon. zero lines written by me. 14.6 GB freed on the first click. that’s it...

Find full prompt below ↓

Then, read how to rebuild any app from scratch with Opus 5.5 in the article below.

[디깃 | AI 매거진 @diggit_ai]

Opus 값 아끼고 판단만 맡기는 설정

와 이건 명령어 한 줄로 끝나서
Claude Code 쓰는 분들 저장각임

> claude --model sonnet --advisor opus

역할이 이렇게 갈림
1. Sonnet 5.5가 세션 돌리며 코드 작성
2. Haiku 5.5는 파일·문서 탐색 담당
3. Opus 5.5는 큰 결정만 자문

Opus가 끼는 순간은 딱 셋임
계획 확정 직전, 같은 에러 두 번째,
끝났다고 하기 직전

Opus 요금이 부담이던 분들한테
맞는 구성인 듯

https://t.co/IpLaX4WVLM

[xsmryze @xsmryze]

THIS IS ACTUAL F*CKING GOLD

Anthropic just shared one of the best tricks for Claude Code.

The idea: run Sonnet, Haiku and Opus 5.5 together, each one doing only the job it's best at.

Opus-level judgment on every big call, without paying Opus rates for every routine turn.

You just launch Claude Code like this:

claude --model sonnet --advisor opus

here's the split:

→ Sonnet 5.5 runs the session and writes the code
→ Haiku 5.5 explores files and docs in parallel
→ Opus 5.5 stays on call as advisor for the big calls
→ you stop spending Opus on work that doesn't need it

Opus only steps in at three moments:

→ before a plan locks
→ when the same error shows up twice
→ before calling it done

Sonnet builds. Haiku explores. Opus reviews.

JEV engineering is the same move one layer down: the forks that need no thinker (which file, which tool, retry or stop) go to JEV in milliseconds, and the big models only see the ones that split

the full tree
> Sonnet 5.5 runs the main session and edits code
> search maps the repo on Haiku 5.5
> grep finds call sites on Haiku 5.5
> docs pulls the API reference on Haiku 5.5
> Opus 5.5 on call as advisor, reads the whole transcript when consulted
> JEV routes micro-forks in milliseconds

paste the tree and this prompt into Claude Code ↓

"Rebuild my Claude Code setup around this tree:
1. Run the main session on Sonnet 5.5 with Opus 5.5 as advisor.
2. Create three read-only Haiku 5.5 subagents: search (maps the repo), grep (finds call sites), docs (pulls the API reference).
3. Add one rule to CLAUDE.md: consult the advisor before locking a plan, after the same error twice, and before calling a task done.
4. Route fast deterministic forks (tool choice, path selection, retries) through JEV.
Show me every change as a diff first. No edits until I say go."

↳ https://t.co/bsYb2K5H9G

save it, you'll use this every single day.

[디깃 | AI 매거진 @diggit_ai]

제미나이 Deep Research로 레포트 초안 뽑는 프롬프트

북마크 360개 쌓인 과제 팁임
와 주제만 넣으면 서론·본론·결론까지 써 줌
관련 자료와 출처 바탕으로 요약해 주는 방식

원문 쓴 분은 이걸로 레포트 A+ 받았다고 함

쓰는 순서
1. 아래 프롬프트에서 [주제]만 바꿔 넣기
2. 서론·본론·결론 초안 받기
3. 출처는 직접 열어서 확인하기

> [주제]에 대해 대학 과제 수준의 심층 조사를 진행해줘.
> 핵심 개념, 최근 동향, 주요 쟁점, 실제 사례, 서로 다른 관점, 참고할 수 있는 출처 등을 반드시 포함해줘.
> 단순 요약보다는 자료 간의 공통점과 차이까지 분석해줘.

대학 메일 있으면 구글이 AI 무료 업그레이드도
해 주는 중이라 자료를 더 넣을 수 있다고 함

초안 잡는 시간 줄이는 용도로 딱인 듯

https://t.co/U9S19tIY9l

[숭집사 @Geminow_usw]

아가씨들 요즘 시험공부나 레포트 쓰시느라 고생많으시죠
이 집사가 그런 아가씨들을 위해 레포트 꿀팁⭐️을 가져왔사옵니다☕️

바로 > 제미나이 Deep Research ‼️‼️
이게 뭐냐 ? 주제 넣으면 관련 레포트 자료랑 출처 바탕으로 야르하게 요약정리해줌 > 더해서 서론, 본론, 결론까지 써줌

이 집사도 이걸로 레포트 A+을 획득하였사옵니모든 아가씨들도 꼭 활용해보길 시간단축도 할수있사와요☕️

(활용 방법이랑 프롬프트 타래로‼️‼️)

[디깃 | AI 매거진 @diggit_ai]

코덱스 한도 아끼던 분들, 오늘부터 두 배임

오픈AI가 줄이겠다던 한도를 하루 전에 뒤집음

1. Pro 100·200·500, Business Premium 사용 한도 2배
2. Pro 200에 예정됐던 한도 축소는 취소
3. Work·Codex 둘 다 해당

한도 때문에 클로드 코드로 갈아탈까 고민했다면 이번 주에 다시 돌려볼 만함

여러분은 지금 뭐 주력으로 씀? 클로드 코드 vs 코덱스

[디깃 | AI 매거진 @diggit_ai]

Grok Bot 여러 개 돌리다 채팅방 터지는 분들

와 채팅방이 터져 나가던 분들한테
이건 바로 쓸 만함
Michael이 공유한 방식인데
채팅 대신 Pages로 프로젝트를 굴림

1. 프로젝트마다 Page 하나씩
2. 전체 현황용 Projects Page 따로
3. 봇은 작업 전에 읽고 끝나면 갱신
4. 채팅은 작업 하나마다 새로 열기
5. 평일 루틴으로 진행 점검
6. 막힘·지연·결정 필요할 때만 알림

발송·구매·삭제는 승인받고 하게 막아 둠

일주일 동안 프로젝트 하나로 먼저 돌려 보고
옛 대화 뒤질 일이 없어지면 넓히라는 듯

https://t.co/FNKmz01Fzd

[Michael | AI + Agents @Michael_Fenech_]

I've seen a few people struggling to manage multiple projects with Grok Bot.

Here's the setup I'd recommend after working through it with my Bot team.

The secret is to stop using chats as your project management system.

Instead, use Grok Bot's Pages feature.

One Page per project. One routine to keep it updated. Every Bot reads the Page before starting work and updates it when finished.

Here's the exact setup you can copy.

Paste this into your Chief of Staff:

"Set up a Page-based project management system for my Grok Bot team.

1: PROJECT PAGES - Create one Page for each project, containing its goal, current status, next actions, task owners, deadlines, decisions, blockers and an update log showing which Bot changed what.

2: MASTER INDEX - Create a Projects Page listing every active project, its status and the next action. This becomes my single place to see what's happening across all projects.

3: READ FIRST, UPDATE LAST - Every Bot must read the relevant project Page before starting work and update that same Page when finished. Never create duplicate Pages. Don't mark work complete without checking the actual result.

4: SHORT CHATS - Use fresh chats for individual tasks instead of maintaining one enormous project conversation. The Page holds the project history, decisions and context.

5: DAILY HEARTBEAT - Create one weekday routine per project. Check relevant sources such as email, GitHub, Notion or calendars, verify progress and update the project Page and master index.

6: EXCEPTION REPORTING - Only notify me when something is blocked, overdue, needs my decision or changes status. Otherwise, keep the Pages updated without interrupting me.

7: PROJECT CLOSURE - When a project finishes, mark it Closed, record the outcome and lessons learned, and pause its heartbeat routine.

Never send, purchase, publish or delete anything without my approval. Clearly flag anything unverified.

Before creating anything, show me the proposed projects, their information sources and the routines you'll establish. Wait for my approval."

My recommendation?

Start with one project for seven days.

If your Bots keep its Page current and you no longer need to dig through old conversations to understand what's happening, expand it to the rest.

Your chats are for doing the work. Your Pages are for remembering and managing it.

[디깃 | AI 매거진 @diggit_ai]

AI 앱 성공률 80%여도 5번 연속은 33%

와 북마크 4천 개 넘게 쌓일 만함
지표부터 만들지 말라는 말이 핵심임

1. 실패 사례 100개 이상 뽑아 분류할 것
빈도 상위 3개가 첫 지표가 됨
2. 정답 데이터셋에 버전을 붙일 것
3. 코드로 검사되는 것부터 확인
모델 채점은 그다음에 씀

같은 케이스를 여러 번 돌려 봐야 한다는
얘기임 (pass^k 기준)

AI 앱 만들어 출시하는 분이면
배포 전에 이 순서로 점검해 볼 만한 듯

프롬프트는 갈아끼워도 평가 세트는 쌓인다는
마지막 말이 제일 와닿음

https://t.co/DoFA7yY3AV

[diva @divaagurlxw]

Evals are the most underrated skill in AI engineering.

1. Start with error analysis, not metrics
Sample 100+ production traces. Annotate each failure in free text (open coding), then cluster them into failure categories (axial coding). Count frequency per category. Your top 3 categories are your first metrics.

2. Build a versioned golden dataset
Store inputs, expected outputs or rubrics, and metadata (intent, difficulty, user segment) in a versioned dataset. Stratify it so rare but critical cases aren't drowned out by easy ones. Version it alongside your prompts so every score is reproducible.

3. Generate synthetic data along explicit dimensions
Don't just ask an LLM for "test questions." Define dimensions (persona × intent × complexity × edge case), generate combinations as tuples, then turn each tuple into a natural input. You get coverage instead of 200 near-identical examples.

4. Deterministic assertions first
JSON schema validation, regex checks, required fields, length limits, code execution, SQL that actually runs against a test DB. These are cheap, fast, and have zero variance. Reserve model-based grading for what code genuinely can't check.

5. Evaluate retrieval separately from generation
For RAG, measure retrieval with recall@k, MRR, or nDCG against labeled relevant chunks. Measure generation with faithfulness (is every claim supported by retrieved context?). If you only score the final answer, you can't tell which half is broken.

6. Trajectory evals for agents
Log every step: tool name, arguments, result, tokens. Score tool-call precision and recall against a reference path, argument correctness, step count, and error recovery. An agent that reaches the right answer in 14 calls when 3 would do is a cost and latency bug.

7. pass@k vs pass^k
pass@k = succeeded at least once in k runs. pass^k = succeeded in all k runs. At 80% per-run success, pass^5 drops to roughly 33%. Production reliability lives in pass^k, so run each case multiple times at your real temperature.

8. Simulated users for multi-turn
Give an LLM a persona, a hidden goal, and constraints, then let it converse with your system until the goal is met or a turn limit hits. Grade goal completion, turns-to-resolution, and policy violations. Single-turn evals miss most state and memory bugs.

9. Align your LLM judge like a classifier
Hand-label 100+ examples as pass/fail. Split into train/dev/test. Iterate on the judge prompt using dev, then report TPR and TNR on test. Use binary outputs with a written rubric, require a short critique before the verdict, and pin the judge model version.

10. Control judge bias in pairwise comparisons
LLM judges have position bias and often prefer longer answers. Run every A/B comparison twice with swapped order and only count consistent verdicts. Normalize or cap length if verbosity is skewing results.

11. Respect statistics
With 100 examples at 80% accuracy, your 95% confidence interval is about ±8 points. A jump from 80% to 83% is probably noise. Use bootstrapped confidence intervals, or a paired test on the same examples, before declaring a win.

12. Gate deploys in CI
Run the eval suite on every PR that touches prompts, models, tools, or retrieval config. Set per-category thresholds instead of one global score, so a big win in one area can't hide a regression in another. Fail the build on a regression.

13. Online evals in production
Sample a percentage of live traffic, run your judges asynchronously, and alert on drift per failure category. Use shadow deployments to run a new prompt or model on real traffic without showing users the output.

14. Make cost and latency first-class metrics
Track tokens per request, cost per successful task (not per call), and p50/p95 latency next to quality. A change that keeps quality flat while cutting cost 40% is a real win and deserves to ship.

15. Close the loop
Every production failure becomes a new labeled test case. Every new model release gets run against the full suite before anyone debates switching. Over time your eval set becomes the most valuable asset in the codebase.

Prompts are disposable. Models get replaced every few months.

Your eval infrastructure is what compounds.

[디깃 | AI 매거진 @diggit_ai]

학생이면 교과서 값 아낄 수 있음

와 시험 기간에 쓸 만한 소식임
Gemini 노트북에서 교과서 수백 권을
무료로 열 수 있게 됐음

1. 노트북 안에서 교과서를 찾음
2. 필요한 책을 골라 소스로 올림
3. 그 책을 바탕으로 질문함

제공처는 S Chand Publishing,
OpenStax, Open Textbook Library임

내 교재로 바로 공부하는 흐름이라
시험 전에 써 볼 만한 듯

https://t.co/1dnBuaHzTe

[Gemini Notebook @Gemini_Notebook]

☎️ Calling all students:

You can now access hundreds of textbooks directly in Notebook, for no charge. From publishers like S Chand Publishing, OpenStax, and Open Textbook Library— browse, select and upload them as sources to ace all of your upcoming exams (no more excuses, ok?)

[디깃 | AI 매거진 @diggit_ai]

게임 영상부터 뽑고 Claude가 게임으로 바꾸는 법

와.. 순서를 거꾸로 돌린 게 신기함
Claude 혼자서는 독창적인 게임을
못 짠다고 해서 영상부터 만들었대요

1. fal의 H3 Max로 게임 영상을 먼저 생성
2. Claude가 영상을 보고 브라우저 게임으로 변환
3. 이미지·3D 모델·사운드도 전부 fal에서 생성
4. 코드는 three.js만 사용

스킬은 Claude Code·Codex·Cursor·Gemini용이고
만들어진 게임 31개도 올라와 있음

기획이 막힐 땐 AI한테 설명부터 시키는 대신
영상으로 보여 주는 게 빠른 길인 듯

https://t.co/jYfl3DMPO5

[Lovis Odin @OdinLovis]

Video2Game

Claude can't design very original little game on his own. So I let H3 Max on @fal generate the gameplay video first, and Claude turns it into a real game you can play in the browser: every image, 3D model and sound generated on fal, written in @threejs only.

[디깃 | AI 매거진 @diggit_ai]

깃허브 21K 스타 AI 에이전트 무료 교재

와.. 이건 개념만 말하고 끝나는 자료가 아님
같은 앱 하나로 환경을 쌓아 가는 방식임
21K+ 스타 깃허브 저장소고 MIT 라이선스

1. 단원 14개, 실습 프로젝트 8개
2. 에이전트 지침과 저장소 구조
3. 컨텍스트 관리와 장기 기억
4. 테스트·검증과 자동 코딩 루프
5. 병렬 실행과 롤백까지 다룸

Claude Code, Codex가 하네스를
어떻게 짜는지 해설도 들어 있다고 함

프롬프트만 만지다 막힌 분들은
에이전트 주변 환경부터 보는 게 순서인 듯

https://t.co/xZTV6rdsBN

[Tech with Mak @techNmak]

Harness Engineering from Scratch 🚀

Found this excellent 21K+ star GitHub repo that teaches you how to build reliable AI coding agents, from the ground up.

An entire open-source curriculum with 14 lectures, 8 hands-on projects, and 8 progressive learning phases.

What makes it useful is the approach: instead of just learning concepts, you gradually build the engineering environment around an AI agent, using the same real application throughout the course.

What's inside:
→ Agent instructions and repository structure
→ Context management and persistent memory
→ Multi-session continuity and task handoffs
→ Task planning, scope control, and progress tracking
→ Testing, verification, and observability
→ Automated coding loops and maker-checker workflows
→ Graph orchestration, parallel execution, and rollback

Includes practical projects, reusable templates, a harness-creator skill, and technical breakdowns of how Claude Code, Codex, Pi, and DeepSeek build their harnesses.

Available in 15 languages.

Perfect for software engineers and AI developers who want to move beyond prompting and understand how reliable coding agents are actually built.

Completely free and open source.

Here's the GitHub Repo: https://t.co/hd2KKJiAlo

[디깃 | AI 매거진 @diggit_ai]

북마크 1천 개 넘게 쌓인 취준 프롬프트 모음

이건 약점부터 찾게 시키는 게 좋았음
취준 프롬프트 모음인데
북마크가 1천 개 넘게 쌓임

1. 자소서는 약점부터
> 너는 대기업 채용담당자야. 이 자소서에서 탈락시킬 만한 부분만 찾아줘.

2. 면접은 압박 모드로
> 압박 면접관이 되어 내 답변에서 공격할 만한 허점을 찾아줘.

3. 꼬리 질문도 미리 뽑기
> 이 답변을 듣고 나올 만한 꼬리 질문 5개만 뽑아줘.

4. 마지막에 꼭 붙일 한 줄
> 확실하지 않은 정보는 추측하지 말고 모른다고 표시해 줘.

AI가 모르는 것도 그럴듯하게 답해서
기업 정보와 채용 일정은
공식 홈페이지에서 다시 확인할 것

답을 받는 것보다 내가 놓친 곳을
찾는 데 쓰는 쪽이 낫다는 말에 공감함

https://t.co/Hpyyg49d7i

[태명 @HereFirstX]

취준하면서 써먹기 좋은 프롬프트 몇 개!! 이건 진짜 쓸만하네!

01. 자소서 작성할 때
-"너는 대기업 채용담당자야. 이 자소서에서 탈락시킬 만한 부분만 찾아줘."
-"지원동기를 서로 다른 방향으로 3개 작성해 줘."
-"편집자 입장에서 진부한 표현과 불필요한 문장만 지적해 줘."

02. 면접 준비할 때
-"압박 면접관이 되어 내 답변에서 공격할 만한 허점을 찾아줘."
-"면접관, 현직자, 경쟁 지원자 입장에서 각각 평가해 줘."
-"이 답변을 듣고 나올 만한 꼬리 질문 5개만 뽑아줘."

03. 기업·직무 분석할 때
-"이 채용공고의 핵심 요구 역량을 분석해 줘."
-"이 기업의 강점, 약점, 최근 이슈를 출처와 함께 정리해 줘."
-"이 직무를 선택했을 때 장단점을 각각 5개씩 균형 있게 분석해 줘."

04. 공부·스펙 준비할 때
-"현재 내 수준을 바탕으로 4주 학습 계획을 짜줘."
-"이 보고서에서 취준생이 알아야 할 핵심만 1페이지로 요약해 줘."
-"이 직무에 필요한 역량 중 내가 우선적으로 보완할 부분을 찾아줘."

마지막으로 가장 중요한 한 문장.

"확실하지 않은 정보는 추측하지 말고 모른다고 표시해 줘."

AI가 모르는 정보도 그럴듯하게 답하는 경우가 있어서 기업 정보나 채용 일정은 공식 홈페이지에서 재확인하는 게 좋음.

결국 AI를 잘 쓰는 방법은 답을 대신 받는 게 아니라, 내가 놓친 부분을 발견하는 데 활용해야 베스트네!

다들 취준 파이팅! 🍀

[디깃 | AI 매거진 @diggit_ai]

블로그 백날 써도 AI 검색 안 잡히는 이유

와.. 블로그 더 쓰는 게 답이 아니었음
Granola가 7개월 만에 AI 검색
신규 유저를 4,600% 늘린 방식임

1. 키워드 말고 구매 고민부터 정리
그 질문을 구글 키워드랑
AI 프롬프트로 같이 추적함

2. 못 나온 프롬프트는 이유부터 진단
페이지가 없는 건지, 있는데 약한 건지
색인 문제인지 먼저 따짐

3. 있는 페이지는 고치고 없을 때만 새로 씀

4. 구글과 AI 순위는 따로 측정
구글 순위가 올라도 ChatGPT는 그대로일 수 있음

5. 같은 질문을 다시 돌려 보고
효과 난 것만 키움

글 수를 늘리기 전에
내 브랜드가 빠진 질문부터 찾는 게 순서인 듯

@wespreadjam 원문에 올라온 화면

[디깃 | AI 매거진 @diggit_ai]

사진 한 장으로 3D 모델 뽑는 오픈소스 나옴

와.. 블렌더로 처음부터 깎던 작업이
사진 한 장에서 시작하게 됨
Hi3D가 공개한 오픈소스 모델임

1. 물체 사진 한 장 넣으면 3D 모델이 나옴
2. 3D 에셋 200만 개로 학습함
3. 기술 보고서 기준 결과물의 90%가
3D 프린트 슬라이싱 통과
4. 기본 형태는 사진에서 뽑고
디테일은 Opus 5.5로 다듬는 방식

그래서 나는?
게임 소품이나 굿즈 시안 만들 때
모델링 첫 단계를 건너뛸 수 있을 듯

https://t.co/FajDu7idM5

[Anatoli Kopadze @AnatoliKopadze]

RIP to everyone who spent years learning 3D in Blender 💀

Hi3D just released an open-source model that turns any object from a photo into a full 3D model.

It's trained on 2 million 3D assets, and in their technical report 90% of its models pass 3D-print slicing.

Just generate the base from a photo, refine the details with Opus 5.5 and you're done.

The barrier to 3D just disappeared, you can find more details in the article below:

[디깃 | AI 매거진 @diggit_ai]

ChatGPT Pro 구독자 API 크레딧
월 최대 $500 받을 수 있음

오늘부터 신청이 열렸다고 함
앱이랑 에이전트 만드는 용도임

1. Pro는 등급별로 월 $100, $200, $500
2. Business는 Standard 좌석당 $20
Premium 좌석당 $100
워크스페이스 합산 최대 $500
3. ChatGPT 결제 설정에서 크레딧 신청
4. 플러그인으로 API 키 만들면 시작

자격 되는 구독자만 해당이라
본인 요금제에 뜨는지부터 볼 일인 듯

구독료 안에서 API까지 써 보라는 쪽으로
가는 느낌이네요

https://t.co/Jr9WdBDTUu

[OpenAI Developers @OpenAIDevs]

Starting today, eligible ChatGPT Pro and Business subscribers can claim up to $500 per month in API credits to build apps and agents.

[디깃 | AI 매거진 @diggit_ai]

Codex가 방어 코드만 쓸 때 넣는 규칙

와.. 사소한 수정에도 null 체크가
층마다 붙는 증상을 잡는 규칙임
GitHub 별 22만 개 오픈소스
코딩 에이전트 팀이 AGENTS.md에 적은 것

1. 모르는 값은 들어오는 곳에서
한 번만 검증하고 타입으로 넘길 것
2. 스키마·생성자가 보장한 값은
다시 검증하지 말 것

3. 한 번 쓰는 헬퍼는 미리 안 뺌
재사용·복잡한 경계일 때만 분리
4. try/catch는 되도록 피할 것

AI 코드가 쓸데없이 두꺼워졌다면
프롬프트보다 AGENTS.md부터 볼 차례인 듯

https://t.co/CZipZdznNG

[Vox @Voxyz_ai]

Found the fix!

Codex writes code 𝘄𝗮𝘆 𝘁𝗼𝗼 𝗱𝗲𝗳𝗲𝗻𝘀𝗶𝘃𝗲𝗹𝘆. Even a tiny change gets null checks at every layer.

Spell it out for Codex: check data once where it comes in, then just use it. Write one-off logic right where it's used instead of splitting it into a function ahead of time. Skip try/catch wherever you can.

The team behind a 𝟮𝟮𝟬𝗞-𝘀𝘁𝗮𝗿 open-source coding agent on GitHub wrote these rules into their own AGENTS.md. Copy them straight into yours 👇

- Validate unknown values once at the boundary that owns them. Pass typed values inward instead of repeating `typeof value === "object"` and property-existence checks.
- Do not defensively revalidate values already guaranteed by a schema, constructor, or internal type.
- Do not extract single-use helpers preemptively. Inline the logic at the call site unless the helper is reused, hides a genuinely complex boundary, or has a clear independent name that improves the caller.
- Avoid `try`/`catch` where possible

[디깃 | AI 매거진 @diggit_ai]

9,800명이 북마크한 중고 처분 프롬프트 7개

사진 한 장 올리고 순서대로 시키는 구성
이건 순서가 잘 짜여 있어서 놀람

1. 정체와 실제 팔린 가격 확인
2. 방 사진으로 품목별 판매처 표
3. 검색되는 제목·설명 작성
4. 배경 지우고 흰 바탕 보정

5. 희망가·최저가·올릴 시간 추천
6. 흥정·배송 답장 템플릿
7. 포장법·배송비 체크리스트

1번에서 호가 말고 최근 30일
실제로 팔린 값을 찾게 한 게 포인트

집에 쌓인 물건 한 번 털 때
이 순서대로 돌려 보면 될 듯

https://t.co/xDVUpXeyhs

[AI Guides @free_ai_guides]

BREAKING NEWS 🚨: ChatGPT can now sell the stuff you don't use like a $60 per hour eBay reseller.

Take one photo of anything you want gone and use these 7 prompts: