IF LAB

Lab of Possibilities

Insight Feed:

[IF LAB @iflabdotfun]

📢 Insight Feed 신규 기능 업데이트 안내

Insight Feed에 오늘부터 두 가지 기능이 새롭게 추가됩니다.

① 날짜별 일일 브리핑 📰

매일 쏟아지는 수많은 뉴스 중,
진짜 인사이트가 되는 것만 AI가 점수를 매겨 선별합니다.

오늘 꼭 봐야 할 인사이트들을, 빠르게 만나보세요
→ https://t.co/ep4sbOzRPE

② 트렌딩 중인 키워드 🔥

지난 7일간 가장 많이 언급되는 키워드가 뭔지 한눈에 볼 수 있어요.
시장의 흐름을 텍스트 하나로 읽어보세요.

→ https://t.co/9JIBzh91th

Insight Feed는 앞으로도 더 빠르게, 더 깊이 인사이트를 제공합니다🫡

[IF LAB @iflabdotfun]

https://t.co/xDopueE16U

[IF LAB @iflabdotfun]

Insight Feed 오늘의 인사이트🧐

@flarrs315 님의 @ethena USDe 관한 분석 글입니다. ✍️

Insight Feed에서 매일 Insight 확인해보세요

일일 브리핑 확인하기👇

[flarrs🦅 @flarrs315]

https://t.co/gLd4qAt1PC

[IF LAB @iflabdotfun]

더 많은 오늘의 인사이트 보러 가기: https://t.co/xDopueE16U

[IF LAB @iflabdotfun]

오늘의 일일 브리핑에서 가장 높은 스코어 (4.0 / 5.0)을 기록한 @moneynena 흰님, 축하드립니다 🎉

간결하지만, @claudeai 쓰는 사용자들에게는 꿀팁이 될 수 있는 인사이트! 지금 바로 확인해보세요 👇

[휜 @moneynena]

클로드 잘 쓰는 방법은 질문을 하기보단
최적의 방향으로 플래닝하고 설계하라고 시키는 것이다

모호한 질문만큼 쿼리 소모하는 구조라 결국 생산성이 떨어진다

실제로 최근 LLM 활용 패턴 보면
성능 차이는 모델이 아니라
프롬프트 구조에서 갈린다

Anthropic, OpenAI 둘 다 공통적으로 강조하는 것도
명확한 task decomposition
즉 작업을 쪼개고 단계별로 지시하는 방식이다

한 번에 답을 묻는 것보다
문제 정의 → 중간 산출물 → 최종 결과
이렇게 파이프라인으로 나누는 게
정확도, 재현성, 비용까지 다 개선된다

특히 Claude는
맥락 유지 + 긴 컨텍스트 처리에 강해서
단발 질문보다
지속적인 설계 기반 interaction에서 성능이 터진다

[IF LAB @iflabdotfun]

4/16 Insight Feed 일일 브리핑 Winner🏆

@Gonnector 님의 Claude Code Desktop 리뉴얼 관련 분석글이 Insight Feed 스코어 4.33/5점으로 1등에 선정되었습니다.

크립토, AI관련 퀄리티 높은 인사이트를 큐레이션한
Insight Feed 일일 브리핑 바로 만나보세요🤗

링크 댓글 확인 👇

[고영혁 (Dylan Ko) @Gonnector]

새벽에 발표된 것이긴 합니다만, 집안 일로 정신이 없어서 뒤늦게서야 작업하면서 살펴본 완전 리뉴얼된 Claude Code in Claude Desktop 입니다.

이 신버전 이전에는 확실히 Codex Desktop 앱이 Claude Desktop 보다 Coding 작업에서는 더 낫다고 판단했습니다. 사실, 전자는 전용 코딩앱이고, 후자는 채팅 인터페이스로 시작해서 점점 코딩(이라고 쓰고 에브리씽이라고 읽어야 하는 상황)으로 확장한 것이기도 하니까요.

그런데 이 신버전부터는 이제 Codex 앱을 능가할 정도로 굉장히 강력해졌습니다. 무엇보다도 최대 4개의 작업 창을 병렬로 띄울 수 있고(작정하고 멀티태스킹하며 토큰을 불태우라는 뜻 ㅋㅋㅋ 아주 돈을 긁어모으려고...), task, plan, 터미널, diff 를 각 메인 창(pane)마다 서브 pane으로 띄워서 전체적인 상황을 직관적으로 알 수 있게 했습니다. 제 기준으로는 어찌보면 AI native IDE 로서는 이게 가장 적절한 형태가 아닐까 싶은 생각도 듭니다.

하지만, 터미널에서 시작된 세션(리모트 기능을 통해 보이는)의 경우 제대로 싱크가 안되서 태스크나 플랜 창에 터미널에서는 보이지만 데스크톱 앱에서는 안보인다든가 하는 여러 문제들도 있습니다. 출시 당일이니 뭐... Opus 든 Mythos 든 Anthropic 회사 내부에서 열심히 수정하고 있을테니 며칠내로 다 고쳐지겠죠.

전 여전히 8명 (아마도 이번주안에 10명이 될듯)의 AI 멤버들과 수시로 이야기하며 여러가지 작업들을 하고 있고, 그 작업 중 큰 축은 이 팀이 더 제대로 일하게 하기 위한 OS 레벨(harness 라고 하기에는 좀 다른데, 좀 더 넓은 의미) 의 끊임없는 개선입니다.

그런데, 오픈클로 갖고서 AI 들이 회사 구성해서 팀으로 일한다고 말하며 이런저런 애니메이션 UI (책상들 있고 CEO, CFO, CMO, CTO 등등이 왔다갔다하는) 로 잘 모르는 사람들 혹하게 만들지만 정작 그래서 무슨 일을 얼마나 빨리 고퀄리티로 하는 지는 하나도 안보여주는 사기꾼들도 꽤나 많은 것 같습니다.

듣자하니, 그런 사기꾼들에게 굴지의 대기업들 HR 담당자들도 당해서 대형 강연이나 교육 같은 것들을 진행했더군요. 강연이나 교육은 제 메인비즈니스가 아니다보니 질투나 그런 것은 아니지만, 시간이 흐르면서 세상은 미친듯이 변해가는데 엉뚱한 이야기에 시간을 날리시는 분들이 그저 안타까울 따름입니다.

모든 업무를 AI 팀과 같이 하다 보니 필연적으로 제 회사를 위한 ERP, CRM, Sales Ops, Marketing Ops, HR(아니 AIR) Ops 등이 결국에는 필요하게 되네요. 쥐꼬리만한 매출의 1인 기업이 무슨 ERP 냐라고 하실 수 있지만, 일이라는 것은 규모가 문제가 아니라 얼마나 체계적이고 정교하게 하느냐의 문제이고, ERP 에서 E가 enterprise 이니 솔직히 제 케이스는 아니긴 합니다만, 그 뒤의 Resoruce Planning 은 1인 기입에게도 매우 중요합니다.

결국 모든 태스크와 프로세스와 리소스에 대해 설계하고 모니터링/측정하고, 분석해서 최적화하고 그 과정에서 터득한 지식들을 체화해서 계속 진화하는 것을 AI 가 스스로 할 수 있게 하는 시스템을 일하면서 자연스럽게 AI 팀과 만들고 있는 자신을 보고 있습니다.

선도 대기업들의 ERP, CRM 을 비롯 각종 분석계와 운영계 오만가지를 가장 깊숙한 데이터 레벨까지 다 파헤치고 분석해서 파이프라인 만들어서 활용해온 20여년간의 경험이 결국 큰 도움이 되고 있습니다.

저의 메인 두 프레임 중 하나는 [비즈니스모델-서비스디자인-데이터모델] 이고, 나머지 하나는 [프로세스, 데이터, 도구, 사람] 인데 아무리 좋은 도구에 좋은 모델링을 갖춘 데이터로 프로세스를 잘 해보려고 해도 결국 사람이 문제라서 데이터가 엉망인 경우가 사실 대부분입니다. 사람만 문제라기보다는 저 궁합을 살릴 수 있게 제대로 설계가 안된 여러가지 총체적인 난국이 사실 대부분의 케이스이죠. 사람이 가장 어려운 문제이긴 합니다만.

그런데 AI native 로 일을 하면서 당장 제가 하는 일들에 저 구도를 적용해 보니 사람이기 때문에 돌아가지 않던 것들이 너무나 쉽게 해결되는 모습들을 하나하나씩 보고 있습니다. 게다가 충분히 맥락이 붙어 있는 행동 데이터를 토대로 의도와 판단과 감정을 추론하는 축으로 20여년을 살아왔다보니 이 모든 것들이 즉각 데이터로 확보되는 AI native 접근법이 그냥 제 천성과 찰떡궁합이라는 것을 매순간 느끼고 있습니다.

가장 최신의 핫이슈는 harness engineering(이건 그래도 좀 된) 보다는 역시 Andrej Karpathy 의 LLM wiki 인데, 이미 비슷한 걸 예전부터 구현해서 쓰고 있다가 몇 가지 생각이 들어 더 상위/광의의 개념으로 확장해서 만들고 있습니다. 지식의 습득 경로 중 하나는 행동 기반의 경험이고, 그 과정에서 여러가지 맥락들이 상호작용하는 과정에서 번뜩이는 인사이트도 나오고 대충 알고만 있던 지식이 상위 지식으로 체화되면서 정제됩니다. 그 메카니즘을 데이터 모델링과 여러가지 프로세스로 플랫폼화하고 있는 중입니다.

2012년을 돌이켜보면 이 정도의 명확하게 신념을 가지게 된 아이디어가 생기면 미국 가서 창업하는 것을 (당연히 VC 만나고 투자받고 팀 만들고 하는 프로세스) 생각했고, 그렇게 실행했고, 하지만 실패했는데, 이제는 제가 필요해 저 혼자만 잘 써도 되는 비즈니스 모델이다보니 남들도 약간의 돈내고 써주면 땡큐이고, 투자받아서 회사 키우고 사람 늘리고 IPO 등등 할 생각 1도 없다보니 너무나 맘이 편합니다.

하필 여러가지 핵폭탄들이 집안에 떨어져서 이래저래 심난하고 정신없긴 하지만, 그래도 AI 덕분에 어느 정도 경제생활에 필요한 활동들을 하면서, 또 이런 작업 덕분에 심난한 마음들도 잠시 잊고 힘을 얻을 수 있어서 그저 감사할 따름입니다.

#ai #agent #anthropic #claude #claudecode

[IF LAB @iflabdotfun]

최근 크립토 / AI 씬에서 제일 핫한 게 뭔지 피드에 쓸데없는 어그로성 정보가 많아 찾기 힘드셨나요?

이제 5초면 됩니다🕔

Insight Feed 키워드 순위는
지난 일주일간 가장 많이 언급된 키워드를 카테고리별로 보여줍니다.

"요즘 왜 다들 이 얘기를 하지?" 싶었던 그 키워드,
클릭 하나로 연관 인사이트까지 바로 연결돼요.

시장 흐름을 빠르게 읽어보세요 →
👉 https://t.co/9JIBzh9ziP

[IF LAB @iflabdotfun]

오늘의 일일 브리핑 확인하기
👉 https://t.co/hK8SFOxbZm

[IF LAB @iflabdotfun]

매일 X를 열면 쏟아지는 무수한 정보들
근데 그 사이에 진짜 깊이 있게 읽어보는 건 몇 개 없죠

Insight Feed의 일일 브리핑은
그 "몇 개"만 AI가 골라서 날짜별로 정리해 드립니다✍️

오늘의 크립토 · AI 핵심 인사이트,
스크롤 없이 한 페이지에서 끝내세요

퀄리티 높은 인사이트들을
더 다양한 방식으로 만나볼 수 있게 계속 확장할 예정이에요. 많관부🫰

👇 링크는 댓글 확인👇

[IF LAB @iflabdotfun]

Insight feed 바로가기: https://t.co/yLZjAhBNOO

[IF LAB @iflabdotfun]

X에서 "나랑 비슷한 관심사를 가진 사람"을 찾기가 어렵지 않나요?😣

알고리즘이 밀어주는 사람 말고,
같은 관심사로 인사이트를 쌓아가는 사람들
Insight Feed 유저 디렉토리에서 바로 찾을 수 있습니다.

크립토 · AI · 관심사 카테고리별로
"맞팔 의사 있음" 유저만 필터해서 볼 수도 있어요.

팔로우하고, 팔로우받고.
서로의 피드에 노출되면서 자연스럽게 같이 성장할 수 있습니다.

X 알고리즘은 결국 "서로 아는 사람들 사이의 반응"을 좋아하니까요

Insight Feed에서 나와 비슷한 관심사를 가진 사람 찾아보세요🤝

링크는 댓글 확인 👇

[꼬부기 @thx_for_today]

InsightFeed 기능추가

사용자(1)탭을 클릭하시면
Insight Feed 를 이용중인 사용자 목록(2) 이 나옵니다.
이부분은 "마이페이지"에 들어가 "프로필 설정" 을 한 사용자들만 노출됩니다.
@HateLockDown 님 사용해주셔서 너무 감사합니다 😃

사용자 노출되는 순서에 정렬하는 기준을 추가하였습니다.
기본값은 최근 글을 등록한 유저 기준으로 보이며,
최근 가입한 사용자 기준으로도 보일 수 있게 업데이트하였습니다!

별거아닌 기능이지만 사이트를 사용해주신 개백수님이
제일 위에 나왔으면 하는 마음에 추가해보았습니다 😃
추가로 있으면 좋을것 같은 기능 추천 받습니다!!!

https://t.co/Gg2GiYUxPe

#buildinpublic #insight #if

[IF LAB @iflabdotfun]

Insight Feed 바로가기: https://t.co/aOTEIFrQUm

[IF LAB @iflabdotfun]

Insights란 무엇인가?🧐

Insight는 단순한 정보가 아닙니다.
겉으로 보이는 사실 뒤에 숨겨진 본질을 꿰뚫는 이해,
그리고 그 이해를 바탕으로 앞을 읽을 수 있게 해주는 관점입니다.

하지만 지금의 AI와 SNS 환경은
너무 빠르고, 너무 많고, 너무 자극적입니다.

- 검증되지 않은 정보
- 반복되는 의견
- 자극적인 제목과 너무 다른 내용

이 속에서 진짜 Insight는 점점 더 찾기 어려워지고 있습니다.

그래서 앞으로는 좋은 Insight를 발견하는 능력 자체가 경쟁력이 될 것으로 보입니다.

우리는 정보의 바다에서 1차적으로 ‘진짜 Insight만 남기는 필터’를 만들었고, 좋은 Insight들을 매일 큐레이션하여 저희와 같이 Insight를 갈구하는 분들과 같이 공유하며 성장하고 싶습니다.

만약 오늘 X 피드를 보면서 “정보는 많은데, 정작 도움이 되는 건 없다” 라고 느끼고 있다면

👉 Insight Feed에서 확인해보세요.

[꼬부기 @thx_for_today]

AI 와 크립토 관련하여 글을 썼는데
조회수가 안나온다?!

여기 등록해보세요!
트위터로 로그인 후 "글 등록"으로 포스팅을 등록 할 수 있어요.

[IF LAB @iflabdotfun]

@thx_for_today “X 위에서 더 깊이, 더 가치 있게 소통하고 싶은 사람들”을 위한 Insight Feed 바로가기 👉https://t.co/aOTEIFrQUm

[IF LAB @iflabdotfun]

Insight Feed 정식 오픈!! 🚀

X의 알고리즘 원칙을 정면으로 타깃한 서비스, “진짜 인사이트만 모으고, 진짜 비슷한 사람들과 연결된다”는 목표로 @thx_for_today 님과 함께 만들었습니다.

X(트위터)의 알고리즘은 빠르고, 자극적이며, 많은 사람의 주목을 끌기 위해 설계되었습니다.

하지만 그 과정에서 진짜 가치 있는 인사이트는 종종 묻히고, 어그로·논란·반복되는 감정 자극 콘텐츠가 피드를 장악하곤 하죠.

Insight Feed는 바로 그 문제를 정면으로 해결하고자 탄생했습니다.

Insight Feed의 핵심 Value

“X 위에서 더 깊이, 더 가치 있게 소통하고 싶은 사람들”을 위한 공간입니다.

1. 카테고리별 진짜 인사이트만 모았습니다.
- 크립토 · AI · 그리고 앞으로 계속 추가될 다양한 분야별로
- 같은 관심사를 가진 수많은 사용자가 실제로 올린 포스트 중 진정으로 인사이트가 되는 글만 엄선하여 큐레이션합니다.
→ 어그로·플레임·단순 감정 호소·중복 정보는 필터링

2. 나와 가장 비슷한 관심사를 가진 사람들을 바로 발견하고 연결
- 관심사 기반으로 유저 디렉토리를 제공합니다.
- “맞팔 의사 표시한 사용자만 보기” 옵션으로 양질의 네트워킹 시작 가능

지금까지는 알지 못했던, 정말 비슷한 생각을 하는 사람들을 한눈에 만나보세요.

현재 크립토 / AI 카테고리부터 서비스를 시작하며, 앞으로 여러분의 피드백을 반영해 카테고리와 기능을 빠르게 확장해 나갈 예정입니다.

링크는 댓글에서 확인해보세요 👇

[꼬부기 @thx_for_today]

이전 포스팅에서 X 알고리즘 분석을 공유했었는데,
요약하면 결국 "공통 관심사를 가진 사람들이 서로 팔로우하고 인게이지할수록 빠르게 퍼지는 구조"입니다.

그래서 이걸 어떻게 효율적으로 할 수 있을지 고민하다가,
직접 만들기 시작했어요.
1⃣ 인사이트 있는 포스팅만 카테고리별로 큐레이션해서 볼 수 있는 피드
2⃣ 같은 관심사를 가진 사람들끼리 서로 발견하고 네트워킹

근데 공교롭게도, X에서도 토픽별 타임라인 필터 기능을 실험하기 시작했습니다.
방향성이 같다는 건, 이 문제의식이 틀리지 않았다는 뜻이라고 생각해요!

다만 X의 필터는 알고리즘 기반 토픽 분류인 반면,
우리는 유저들이 직접 "이건 인사이트다" 하고 올리는 구조라
결이 조금 다릅니다.
그리고 같은 관심사 사람들끼리 서로를 찾을 수 있는 네트워킹 기능은 X에 아직 없어서 지금 열심히 개발 중입니다!!!

많은 관심 부탁드립니다. 🙏
#X알고리즘 #빌더스 #크립토큐레이션 #CT네트워킹

[꼬부기 @thx_for_today]

AI가 똑똑해도 엉뚱한 답을 내놓는 이유
👉모델이 아니라 컨텍스트

기업들이 AI 도입할 때 "GPT 쓸까 Claude 쓸까" 모델 선택에 시간을 쏟는데, 파일럿이 실패하는 이유는 거의 다 모델 성능이 아닙니다. 모델에 넘기는 컨텍스트가 부실해서 원하는 결과가 안 나오는거예요.

사내 문서가 여기저기 흩어져 있고, 업무 프로세스는 사람 머릿속에만 있고, 도메인 지식은 정리된 적이 없고, 이 상태로 아무리 좋은 모델을 붙여도 결과가 좋을 수가 없죠. RAG든 프롬프트 엔지니어링이든, 결국 컨텍스트를 얼마나 잘 구조화해서 전달하느냐가 성패를 가릅니다.

Claude가 최근 Excel·PowerPoint 컨텍스트 공유 기능을 업데이트한 것도 같은 맥락이에요. 모델을 더 똑똑하게 만드는 게 아니라, 모델이 "무엇을 보고 판단하느냐"를 개선하는 방향. 모델 경쟁보다 컨텍스트 경쟁이 진짜 승부처입니다.

[꼬부기 @thx_for_today]

이전 포스팅에서 X 알고리즘 분석을 공유했었는데,
요약하면 결국 "공통 관심사를 가진 사람들이 서로 팔로우하고 인게이지할수록 빠르게 퍼지는 구조"입니다.

그래서 이걸 어떻게 효율적으로 할 수 있을지 고민하다가,
직접 만들기 시작했어요.
1⃣ 인사이트 있는 포스팅만 카테고리별로 큐레이션해서 볼 수 있는 피드
2⃣ 같은 관심사를 가진 사람들끼리 서로 발견하고 네트워킹

근데 공교롭게도, X에서도 토픽별 타임라인 필터 기능을 실험하기 시작했습니다.
방향성이 같다는 건, 이 문제의식이 틀리지 않았다는 뜻이라고 생각해요!

다만 X의 필터는 알고리즘 기반 토픽 분류인 반면,
우리는 유저들이 직접 "이건 인사이트다" 하고 올리는 구조라
결이 조금 다릅니다.
그리고 같은 관심사 사람들끼리 서로를 찾을 수 있는 네트워킹 기능은 X에 아직 없어서 지금 열심히 개발 중입니다!!!

많은 관심 부탁드립니다. 🙏
#X알고리즘 #빌더스 #크립토큐레이션 #CT네트워킹

[꼬부기 @thx_for_today]

요즘들어 X를 보다보면 깜짝 놀랍니다.

요즘 제 피드가 OpenClaw가 모든 걸 대신해주고, AI 에이전트들이 업무까지 다 해준다는 포스트로 도배되네요. 솔직히 저도 따라 해보기도 했지만, 관심도 못끌고 수수료 및 실험에 태운 소량의 용돈들만 날렸습니다.

결국 AI 발전으로 내 아이디어를 실체화하는게 아주 쉬워진 시대가 됐지만, 결국 수익을 내기 위해서는 "사람들의 관심을 어떻게 모을까?"라는 고민이 선행되어야한다는 걸 뼈져리게 느꼈습니다.

그래서 Claude랑 제 지식을 활용해서 X의 추천 알고리즘 오픈소스를 직접 분석해봤어요.

이미 공개된 지 오래돼서 아시는 분 많을 텐데,
한국 X 유저들께 도움이 되길 바라며 핵심만 정리해서 올려봅니다.

X는 매일 수억 개 트윗 중에서 각 유저당 약 1,500개의 후보 트윗을 뽑아요. 이걸 48M 파라미터 규모의 뉴럴넷(Heavy Ranker)이 Like, Reply, RT, Bookmark, Dwell Time(머무른 시간) 등 10개 항목의 확률을 예측해서 점수를 매깁니다.
이 점수가 높아야 피드에 뜨는 거예요. 특히 CT처럼 빠르게 움직이는 커뮤니티에서 중요하죠.

여기서 제일 중요한 모델이 Real Graph Score예요. 이건 "두 유저 간에 인게이지먼트(상호작용)가 일어날 확률"을 예측하는 거죠. 쉽게 말해, 내 Inner Circle(서로 자주 소통하는 사람들)이 내 글에 빨리 반응할수록 알고리즘이 "이 글 괜찮네" 판단하고, Out-of-Network(나 팔로우 안 하는 사람들)에게까지 노출시켜줍니다.

예를들어 말도 안되는 포스트 올렸는데, 팔로워들이 바로 리플 달아주면 바이럴 되지만 그 반대로 아무리 좋은 글을 써도 써도 Inner Circle 반응 없으면 묻힘.

가중치도 있는데요,
Reply: 가장 높음 (약 1x)
RT, Bookmark: 비슷하게 높음 (약 1x)
Like: 의외로 낮음 (약 0.5x) – 그냥 좋아요만 눌러도 도움은 되지만, 리플/RT가 더 강력.
Block/Mute/"관심없음": -74x로 치명적 – 트롤 피하려다 블록 당하면 끝장.
따라서 팁은 논쟁성 포스트 올릴 때, 리플로 대화 유도하세요. Like만으로는 부족한 감이 없잖아 있습니다.

포스팅 바이럴 골든타임: 포스팅 후 첫 30분
이 안에 인게이지먼트 속도가 빠르면 확산되고, 느리면 알고리즘이 포기해요. 따라서 포스트는 아침/저녁 피크타임에 올리고, Inner Circle 먼저 태그해서 반응 끌어내세요.

외부 링크는 리플에
외부 링크 넣으면 도달률 50~90% 깎입니다 (알고리즘 페널티) 링크 넣을 거면 리플에 넣으세요.

CT에서 Whitepaper나 Telegram 링크 공유할 때 유용.

요약: X 알고리즘은 공통 관심사(예: 크립토) 가진 사람들이 서로 팔로우 많고, 인게이지 활발할수록 빠르게 전파돼요. 콘텐츠 퀄리티 중요하지만, 그 전에 "누가 내 글에 반응해주느냐"가 선행 조건. 결국 네트워킹이 핵심입니다.

이걸로 같이 성장해보면 좋을 것 같아요. 궁금한 점 / 피드백은 리플 달아주세요! (Reply가 제일 좋다니 부탁드립니다!! 😂)

#X알고리즘 #CT #AI #InnerCircle