📋 Claude Code 컨텍스트 관리 전략
> 세션, 압축, 리와인드를 제대로 쓰는 법
1M 컨텍스트 시대, 잘 쓰는 사람과 그냥 쓰는 사람의 차이...
Claude Code 팀 Thariq의 굉장히 도움이 되는 아티클이예요.
"컨텍스트 창이 커졌으니까 그냥 계속 쓰면 되지 않나용???"라고 생각하셨다면, 이 글이 그 생각을 바꿔줄 거예요.
1M 컨텍스트로 늘어난 지금도, 세션을 어떻게 관리하느냐에 따라 Claude의 퍼포먼스가 크게 달라져요.
언제 새로 시작하고, 언제 압축하고, 언제 되감을지.. 그 판단 기준을 정리해봤어요.
↓
Context Rot
컨텍스트 창이 클수록 좋은 건 맞아요. 하지만 컨텍스트가 길어질수록 성능이 서서히 저하되는 현상이 있어요.
이걸 Context Rot이라고 부르는데, 어텐션이 점점 더 많은 토큰에 분산되고, 오래되거나 관련 없는 내용이 현재 작업을 방해하기 시작해요.
1M 컨텍스트는 이 현상이 더 늦게 찾아올 뿐, 피할 수는 없어요. 그래서 적절한 시점에 관리해줘야 해요.
↓
Every Turn Is a Branching Point
Claude가 한 턴을 마칠 때마다, 사실 다섯 가지 선택지가 생겨요.
- Continue : 그냥 이어서 보내기
- /rewind : 이전 메시지로 돌아가서 다시 시도
- /clear : 새 세션으로 시작
- Compact : 지금까지 내용을 요약하고 이어가기
- Subagents : 다음 작업을 별도 컨텍스트에 위임
대부분 그냥 Continue를 쓰지만, 나머지 네 가지를 언제 쓰는지가 실력의 차이를 만들어요.
↓
When to Start a New Session
새 작업이 시작될 때는 새 세션을 여는 게 기본 원칙이에요.
다만 방금 구현한 기능의 문서를 바로 쓰는 것처럼, 이전 컨텍스트가 아직 필요한 연속 작업이라면 굳이 새로 시작할 필요는 없죠.
그럼 Claude가 파일을 또 처음부터 읽어야 하거든요.
판단 기준은 간단해요.
"이전 컨텍스트가 지금 작업에 도움이 될까, 방해가 될까..?"
↓
Rewind > 가장 과소평가된 기능
Claude가 다섯 개 파일을 읽고 접근 방식을 시도했는데 잘 안 됐을 때, 보통은,, 그거 안 됐으니까 다시 해봐 라고 입력하죠.
더 나은 방법은 /rewind (ESC 두 번)으로 파일을 다 읽은 시점으로 되돌아간 다음,
"A 방식은 foo 모듈이 노출되지 않아서 안 돼요. 바로 B로 가세요" 라고 다시 프롬프팅하는 거예요.
실패한 시도가 컨텍스트에 남지 않으니, Claude가 오염 없이 다음 접근을 시작할 수 있어요.
↓
Compact vs. Clear
세션이 길어졌을 때 선택지는 두 가지예요. 느낌은 ��슷하지만 작동 방식이 달라요.
Compact는 Claude에게 "알아서 요약해줘요"를 맡기는 거예요.
덜 일하지만 뭘 남길지 Claude가 결정하고, 그 판단이 틀릴 수 있어요.
/compact 인증 리팩토링 중심으로, 테스트 디버깅은 빼처럼 방향을 지정하면 더 나아요.
Clear는 내가 직접 무엇이 중요한지 정리해서 새로 시작하는 것!
더 손이 가지만, 그 결과로 생긴 컨텍스트는 내가 원하는 것만 담겨 있어요.
↓
What Causes a Bad Compact
Compact가 유독 망하는 상황이 있어요.
긴 디버깅 세션 끝에 autocompact가 발동했는데, 다음 메시지가 "아까 bar.ts에서 봤던 그 경고도 고쳐줘요" 일 때예요.
디버깅에 집중된 요약본에는 사이드에서 봤던 경고가 빠져 있고, Claude는 그게 뭔지 모르는 상태가 돼요.
Context Rot이 가장 심한 순간에 Compact가 일어나는 것도 문제고요.
1M 컨텍스트 덕분��� 이제는 이 시점이 훨씬 늦게 찾아와요.
그 여유를 활용해서 /compact를 proactive하게, 내가 원하는 방향을 담아서 직접 실행하는 게 좋아요.
↓
Subagents > 컨텍스트 분리 전략
Subagent는 단순히 작업을 위임하는 게 아니라, 컨텍스트 관리 전략이에요.
Claude가 Agent 도구로 Subagent를 띄우면, 그 Subagent는 완전히 새로운 컨텍스트 창에서 작업해요.
끝나면 결과만 돌려주고, 중간에 생긴 모든 중간 산출물은 부모 컨텍스트를 오염시키지 않아요.
판단 기준 = "이 작업의 도구 출력이 나중에 또 필요할까, 아니면 결론만 필요할까..?"
결론만 필요하다면 Subagent로 보내는 게 맞아요.
↓
실전 Subagent 프롬프트 패턴
명시적으로 지시하면 Claude가 더 잘 활용해요.
- "이 작업 결과를 별도 Subagent로 검증해줘. 스펙은 이거야"
- "이 레포의 인증 흐름을 Subagent로 분석하고, 동일한 방식으로 여기에 구현해줘"
- "이번 git 변경 기준으로 Subagent가 문서를 써줬으면 해"
맥락을 충분히 줄수록, Subagent가 돌아오는 결과의 품질도 올라가요.
💭
컨텍스트 관리는 Claude의 한계를 우회하는 기술이 아니에요.
Claude가 지금 이 순간 무엇을 보고 있는지를 내가 설계하는 것..
1M 컨텍스트가 생겼다고 해서 관리가 필요 없어진 게 아니라, 더 전략적으로 설계할 여유가 생긴 거예요.
Rewind, Compact, Clear, Subagent.. 하나씩 실제로 써보는 것만으로도 Claude와 일하는 방식이 달라질 거예요.
정말 큰 도움 되는 방향이예요.
와... 이거 효과 대박입니다. 레전드입니다.
우두둑 소리 나면서 엄청 시원해져요.
Seated Upper 이라는 스트레칭인데 등의 상부를 풀어줍니다. X를 많이 하는 사람들과 직장인들 필수 스트레칭이에요.
출처 - 유튜브 BalancedMotionClinic
유튜브 physicaltherapysession
4년의 폭발적인 국장 상승을 놓치지 말자!
구조적 상승의 2번의 기회 후 이번에 온 3번째 기회!
KB증권에서 분석한 한국 증시의 50년 주기론을 담고 있습니다.
이 자료의 핵심은 한국 증시가 긴 시간 동안 박스권(횡보)에 갇혀 있다가, 특정 모멘텀을 만나면 약 4년 동안 폭발적으로 상승하는 패턴을 보였다는 것입니다.
과거의 두 주기: 왜 4년이었나?
두 번의 황금기는 각각 한국 경제의 구조가 바뀌던 시기였습니다.
1차 상승기 (1986~1989년, 3저 호황):
저달러·저유가·저금리라는 파격적인 대외 환경 덕분에 수출이 폭발하며 약 4년간 8배 가까이 올랐습니다.
2차 상승기 (2003~2007년, BRICS 시대):
중국의 급성장으로 인한 소재·부품·장비(차화정 등) 수출 호재로 약 4년간 4배 정도 상승했습니다.
이 두 시기의 공통���은 상승 전 16~17년이라는 긴 시간 동안 지수가 제자리걸음(횡보)을 하며 에너지를 응축했다는 점입니다.
지금의 AI도 투자할만한 '강세 시기'인가?
지���상으로는 3차 대세 상승기의 초입 혹은 가속 구간으로 볼 수 있습니다.
2007년 고점 이후 2024년경까지 약 17년 동안 다시 횡보했습니다.
과거 패턴대로라면 이제 막 에너지가 분출되기 시작한 시점입니다.
AI가 제2의 중동/중국인가:
과거 상승기가 중동 특수나 중국 성장 때문이었다면, 이번 주기의 엔진은 AI와 반도체 슈퍼사이클입니다.
2025년 말 코스피가 4,000선을 돌파하고 2026년 현재 5,000선을 넘나드는 흐름은 과거 4년 강세장의 전형적인 모습과 닮아 있습니다.
2029년까지 호황이 이어질까?
표의 논리를 그대로 대입한다면 2025년부터 시작된 본격적인 상승세는 2028년 말에서 2029년 초까지 이어질 가능성이 큽니다.
과거 두 차례 모두 약 4년간 강세를 보였습니다.
이번 사이클이 2025년에 본격 점화되었다면, 산술적으로 2029년 초반까지는 우상향 곡선을 그릴 것이라는 계산이 나옵니다.
단순히 기대감뿐만 아니라, AI 칩(HBM 등) 수요 폭증으로 인한 삼성전자와 SK하이닉스의 실적 폭발이 뒷받침되고 있어 과거의 거품과는 결이 조금 다르다는 분석이 많습니다.
몇 년 동안 횡보하고 다시 오르는 걸까?
이 지표가 말하는 한국 증시의 인내의 시간은 매우 깁니다.
앞선 두 번의 사례를 보면 상승장 이후 다음 상승장이 오기까지 약 16~17년이 걸렸습니다.
만약 이번 AI 강세장이 2029년쯤 정점을 찍고 내려온다면, 패턴상으로는 2040년대 중반까지 다시 지루한 횡보장이 이어질 수도 있다는 뜻이 됩니다.
즉, 지금이 '17년에 한 번 올까 말까 한 기회'라고 해석하는 근거가 여기서 나옵니다.
현재는 17년의 긴 잠을 깨고 AI라는 강력한 엔진을 달고 달리는 4년 강세장의 한복판에 있다고 볼 수 있습니다.
과거 데이터대로라면 2029년까지는 긍정적인 흐름을 기대해 볼 수 있는 구간입니다.
자기계발서 말고 자기계발서 쓰는 애들이 달달 외우는 책을 읽으세요.
<설득의 심리학> 로버트 치알디니
많이 보기 귀찮으면 이거 하나만 보세요. 상호성, 일관성, 사회적 증거, 권위, 희소성, 호감. 자기계발서에서 반복되는 거의 모든 설득 패턴이 이 여섯 원칙의 변주에요. 이거 읽고 나면 서점 자기계발 코너 전체가 치알디니 실습 문제집으로 보여요.
그 밖에 <생각에 관한 생각>, <상식 밖의 경제학>, <훅>, <천의 얼굴을 가진 영웅>, <스틱!>, <권력의 법칙>, <인간 본성의 법칙>, <프로파간다>, <인간관계론>
굳이 구매하지도 말고, 동네 도서관에서 빌려 보고, 도서관에 없으면 신청해서 보세요. 사실 그럴 필요조차 없어요. 인터넷에 검색하면 무슨 내용인지 핵심은 다 나와요. 사람들이 자세히 풀어 놨어요. 그 돈으로 야채, 단백질 섭취하고 산책 하세요.
(사용법 공개) 마이크로소프트가 공개한 이 오픈소스 도구 하나 덕분에, 어떤 파일이든 60초 안에 깔끔한 마크다운 문서로 변환한다는걸 보고 바로 로컬 환경에 설치해 테스트했습니다.
기존에는 표가 포함된 문서를 LLM에 입력하려면 텍스트를 직접 수정하는 작업이 필요했습니다.
하지만 이 도구에 다양한 포맷의 파일을 입력한 결과, 추가 수정 없이 LLM이 바로 읽을 수 있는 마크다운 텍스트를 반환했습니다.
✅설치 및 사용 과정은 명령어 몇 줄로 단순합니다.
• ��이썬 환경에서 pip install markitdown 명령어로 설치합니다.
• 터미널에 markitdown 파일명.pdf > output. md를 입력하면 변환된 파일이 생성됩니다.
• 파이썬 스크립트 내에서 API로 호출하거나 Docker 컨테이너로 실행하는 방식도 지원합니다.
✅제가 여러 파일을 변환하며 확인한 주의사항을 공유합니다.
• 이미지로 스캔된 PDF 문서는 텍스트 데이터가 포함되어 있지 않아 빈 결과물을 출력합니다.
• 50MB 이상의 대용량 엑셀 파일은 변환 과정에서 메모리 점유율이 상승하며 완료까지 3분 이상 대기해야 합니다.
✅이 도구의 가장 실용적인 활용법은 Claude Desktop과 직접 연동하는 기능입니다.
내장된 MCP 서버를 실행하면, Claude 애플리케이션 안에서 로컬 컴퓨터의 다양한 파일을 즉시 마크다운으로 불러와 분석할 수 있습니다.
이 도구의 배포로 사용자가 AI에 데이터를 입력하기 위해 문서를 수동으로 가공하는 과정이 사실상 사라졌습니다.
아래에 레포 주소
제 지인이 사망한 사건입니다. 제발 관심을 가져주세요. RT 부탁드립니다.
부천 중동의 한 유치원에서 26세였던 제 지인(교사)가 독감으로 40도 고열 상태였음에도 3일간 출근을 지시받았습니다.
이 과정 속에서 치료 골든타임을 놓쳤고, 결국 합병증으로 사망했습니다.
이 사건이 제대로 알려지고, 책임이 밝혀질 수 있도록 관심 부탁드립니다. #부천 #유치원 #교사사망 #공론화
https://t.co/f5y9VYg3hx
"Claude Code Skills 완전 정복"
> Anthropic 내부에서 수백 개의 Skills를 쓰며 터득한 진짜 노하우
Claude Code 팀이 직접 쓴 아티클이예요.. 너무 좋네요ㅠ
"Skills가 마크다운 파일 아닌가?"라고 생각하셨다면, 이 글이 그 인식을 완전히 바꿔줄 거예요.
Anthropic 내부에서 수백 개의 Skills를 실제로 운영하며 발견한 유형 분류, 작성 팁, 배포 전략까지.. 지금까지 나온 Skills 관련 글 중 가장 실용적인 내용을 담고 있어요.
↓
What are Skills?
Skills가 "그냥 마크다운 파일"이라는 건 흔한 오해예요.
핵심은 Skills가 폴더라는 점이에요. 마크다운 파일 하나가 아니라, 스크립트, 에셋, 데이터, 설정 파일까지 포함하는 구조예요. Claude는 이 폴더를 탐색하고, 필요한 파일을 발견하고, 직접 조작할 수 있어요.
Claude Code에서는 여기에 더해 동적 hooks을 ���록하는 등 다양한 설정 옵션을 쓸 수 있고요. 가장 흥미로운 Skills들은 바로 이 구조와 설정을 창의적으로 활용한 것들이에요.
↓
Types of Skills
수백 개의 Skills를 분류해 보니, 반복되는 유형이 9가지로 모였어요. 좋은 Skills는 하나의 유형에 딱 맞아떨어지고, 헷갈리는 Skills는 여러 유형에 걸쳐 있는 경우가 많았어요.
우리 팀에 어떤 유형이 빠져 있는지 점검하는 체크리스트로 쓰기 좋아요.
1. Library & API Reference
내부 라이브러리나 Claude가 자주 틀리는 외부 SDK 사용법을 정리해요. 레퍼런스 코드 스니펫과 주의해야 할 함정(gotchas) 목록이 핵심이에요.
(billing-lib, internal-platform-cli, frontend-design)
2. Product Verification
코드가 실제로 잘 동작하는지 검증하는 Skills예요. Playwright, tmux 같은 외부 도구와 짝을 이루는 경우가 많아요.
출력 결과를 영상으로 녹화하거나, 각 단계마다 상태를 단언하는 스크립트를 포함하면 강력해져요.
(signup-flow-driver, checkout-verifier, tmux-cli-driver)
3. Data Fetching & Analysis
데이터 스택과 모니터링 툴에 연결하는 Skills예요. 자격증명이 포함된 쿼리 라이브러리, 대시보드 ID, 일반적인 데이터 조회 패턴을 담아요.
(funnel-query, cohort-compare, grafana)
4. Business Process & Team Automation
반복 작업을 커맨드 하나로 자동화하는 Skills예요. 다른 Skills나 MCP와 조합할수록 강력해지고요.
이전 실행 결과를 로그 파일에 남겨두면 다음 실행 때 일관성을 유지하기 좋아요.
(standup-post, create-ticket, weekly-recap)
5. Code Scaffolding & Templates
코드베이스 내 특정 기능의 보일러플레이트를 생성해요. 코드만으로는 다 표현 못하는 자연어 요구사항이 있을 때 특히 유용해요.
(new-workflow, new-migration, create-app)
6. Code Quality & Review
조직 내 코드 품질을 강제하고 리뷰를 도와요. 결정론적 스크립트를 포함하면 더 강해지고, 훅이나 GitHub Action으로 자동화할 수도 있어요.
(adversarial-review, code-style, testing-practices)
7. CI/CD & Deployment
코드 빌드, 배포, 롤백을 다루는 Skills예요. 데이터를 수집하는 다른 Skills와 연계해서 써요.
(babysit-pr, deploy-service, cherry-pick-prod)
8. Runbooks
증상(Slack 메시지, 알림, 에러 시그니처)을 받아 다중 도구 조사를 수행하고 구조화된 보고서를 만들어요.
(service-debugging, oncall-runner, log-correlator)
9. Infrastructure Operations
정기 유지보수와 운영 절차를 자동화해요. 파괴적인 작업에 가드레일을 붙일 수 있어서 베스트 프랙티스를 따르기가 훨씬 쉬워져요.
(resource-orphans, dependency-management, cost-investigation)
↓
Don't State the Obvious
Claude Code는 이미 코드베이스에 대해 많이 알고 있고, Claude 자체도 코딩에 대한 기본 의견이 있어요.
지식 중심의 Skills를 만들 때는 Claude의 일반적인 사고방식에서 벗어나게 만드는 정보에 집중하세요.
프론트엔드 디자인 Skills가 좋은 예예요. Inter 폰트와 보라색 그라디언트처럼 Claude가 기본으로 내놓는 패턴을 피하는 법을 Anthropic 엔지니어가 고객들과 반복해서 만들어 낸 결과물이거든요.
↓
Build a Gotchas Section
Skills에서 가장 신호 밀도가 높은 내용은 Gotchas 섹션이에요.
Claude가 실제로 실수했던 지점들을 누적해서 쌓아두는 공간이에요.
Skills를 처음 만들 때부터 넣기보다, Claude가 새로운 엣지 케이스를 만날 때마다 업데이트해 나가는 게 이 섹션을 풍성하게 만드는 방법이에요.
↓
Use the File System & Progressive Disclosure
Skills는 폴더! 파일 시스템 전체를 컨텍스트 엔지니어링과 점진적 공개의 수단으로 생각하면 좋아요.
Claude에게 어떤 파일들이 있는지 알려주면, 필요한 순간에 알아서 읽어요.
- 자세한 함수 시그니처는 references/api.md로 분리
- 최종 결과물 템플릿은 assets/에 포함
- 레퍼런스, 스크립트, 예시를 각각 폴더로 구분
이 구조 덕분에 Claude는 처음부터 모든 걸 읽지 않고, 필요한 정보를 필요한 시점에 꺼내볼 수 있어요.
↓
Avoid Railroading Claude
Claude는 기본���으로 지침을 따르려고 해요. 그래서 Skills가 너무 재사용될 만큼 구체적이면 오히려 문제가 생길 수 있어요.
필요한 정보는 충분히 주되, 상황에 맞게 적응할 여지를 남겨두세요. 정답을 알려주기보다 판단 기준을 주는 방식이 더 효과적이에요.
↓
Think through the Setup
어떤 Skills는 사용자로부터 초기 정보가 필요해요. 예를 들어 스탠드업을 Slack에 올리는 Skills라면, 어느 채널에 올릴지 물어봐야 하죠.
좋은 패턴은 config.json 파일에 설정 정보를 저장하는 거예요.
설정이 아직 없다면 Claude가 사용자에게 물어보도록 만들고, 구조화된 질문이 필요하다면 AskUserQuestion 도구를 쓰게 하면 좋아요.
↓
The Description Field Is For the Model
Claude Code가 세션을 시작하면, 사용 가능한 모든 Skills를 description과 함께 목록으로 만들어요.
이 목록을 보고 "이 요청에 맞는 Skills가 있나?"를 판단해요.
description은 요약이 아니라 트리거 조건이에요. "언제 이 Skills를 써야 하는지"를 명확히 적어야, Claude가 적시에 꺼내 쓸 수 있어요.
↓
Memory & Storing Data
Skills 안에 데이터를 저장해서 일종의 메모리를 만들 수 있어요. 텍스트 로그 파일, JSON, 심지어 SQLite까지 다양하게 활용돼요.
예를 들어 standup-post Skills가 standups.log를 계속 쌓아두면, 다음 실행 때 어제와 달라진 점을 파악할 수 있어요.
Skills 디렉토리 안에 저장된 데이터는 업그레이드 시 삭제될 수 있어요. 안정적으로 보존하려면 ${CLAUDE_PLUGIN_DATA} 폴더를 쓰는 게 좋아요.
↓
Store Scripts & Generate Code
Claude에게 줄 수 있는 가장 강력한 도구 중 하나는 코드 자체예요.
스크립트와 헬퍼 라이브러리를 Skills에 포함해두면, Claude는 보일러플레이트를 매번 새로 만드는 대신 "다음엔 뭘 할까"를 고민하는 데 컨텍스트를 집중할 수 있어요.
데이터 분석 Skills라면, 이벤트 소스에서 데이터를 가져오는 헬퍼 함수 모음을 Skills 폴더에 넣어두는 식으로요.
↓
On Demand Hooks
Skills에는 해당 Skills가 호출될 때만 활성화되고, 세션이 끝나면 사라지는 훅을 포함할 수 있어요.
항상 켜두기는 부담스럽지만, 특정 상황에선 꼭 필요한 훅에 딱 맞아요.
- /careful — rm -rf, DROP TABLE, force-push를 차단. 프로덕션 작업할 때만 켜는 용도
- /freeze — 지정한 디렉토리 밖의 Edit/Write를 막아요. "로그만 추가하고 싶은데 다른 걸 자꾸 고치네"라는 상황에서 유용해요
↓
Distributing Skills
Skills를 팀과 나누는 방법은 두 가지예요.
- 레포에 직접 포함: ./.claude/skills 아래에 체크인하는 방식. 소규모 팀, 소수의 레포에서 잘 동작해요.
- 플러그인 마켓플레이스: 내부 마켓플레이스를 만들어 팀원이 필요한 것만 골라 설치하는 방식.
레포에 체크인된 Skills는 모두 모델 컨텍스트를 조금씩 소모하기 때문에, 팀과 레포가 많아질수록 마켓플레이스가 더 효율적이에요.
↓
Managing a Marketplace
중앙에서 무엇을 올릴지 결정하지 않아요. 대신 자연스럽게 인기 있는 Skills를 찾아가는 방식이에요.
써보고 싶은 Skills가 있다면, GitHub의 sandbox 폴더에 올리고 Slack으로 공유해요. 충분히 검증됐다고 판단되면 마켓플레이스로 PR을 올리는 식이에요.
나쁜 Skills나 중복 Skills는 생각보다 쉽게 생겨요. 마켓플레이스에 올리기 전에 큐레이션 과정을 두는 게 중요해요.
↓
Composing Skills
Skills끼리 의존 관계를 만들 수 있어요.
예를 들어 파일 업로드 Skills와 CSV 생성 Skills가 있다면, CSV 생성 Skills가 업로드 Skills를 이름으로 참조하면 되고, 설치만 돼 있으면 Claude가 알아서 연계해서 써요.
의존성 관리가 아직 네이티브하게 지원되진 않지만, 이름 참조 방식으로 충분히 구성할 수 있어요.
↓
Measuring Skills
PreToolUse 훅을 이용해 Skills 사용 로그를 쌓을 수 있어요.
이걸 활용하면 어떤 Skills가 인기 있는지, 어떤 Skills가 예상보다 덜 불리는지 파악할 수 있어요.
Skills의 description을 개선할 때 데이터 기반으로 판단할 수 있게 되죠.
↓
결국 모든 Skills는 "몇 줄짜리 지침 + 함정 하나"로 시작했어요.
Claude가 새로운 엣지 케이스를 만날 때마다 조금씩 더해진 것들이 쌓여서, 지금의 수백 개가 됐고요.
정답을 찾아서 만들기보다, 지금 막히는 지점 하나를 Skills로 만들어 시작하는 게 가장 빠른 방법!
매일 Claude Code 사용하시는 분들 보세요 🧵
저는 비개발자 출신이라 IDE를 안 쓰고,
터미널로 사용하는 게 어색했습니다.
무엇보다 안 예뻐서 썩 내키지 않았습니다.
저와 비슷한 사용자 경험을 느낀 한 개발자는
아예 자기가 쓰고 싶은 UI를 직접 만들어서 공개했습니다.
━━━━━━━━━━━━━━━━━━
Clui CC는 기존 Claude Code를 플로팅 오버레이 UI로 감싸주는 도구입니다.
별도의 에이전트도, 다른 모델도 아닙니다.
터미널과 실제 사용 사이의 간극을 메워주는 인터페이스입니다.
✅ 주요 특징:
▸ Claude Code를 깔끔한 UI로 사용
▸ 터미널이라는 장벽 제거
▸ 답변·출력을 쉽게 복사하는 인터페이스
▸ 어떤 앱/스페이스 위에도 띄울 수 있는 오버레이 형태
▸ 파일·스크린샷 드래그 앤 드롭
▸ 지저분한 로그 대신 결과 화면 렌더링
▸ 전체 채팅 히스토리 유지
▸ 모델 전환 및 로컬 슬래시 커맨드 지원
▸ 내장 스킬 마켓플레이스(워크플로/스킬 선택용)
▸ 워크플로우에 맞춘 커스터마이즈
━━━━━━━━━━━━━━━━━━
저처럼 터미널이 익숙하지 않은 분들은 써보시길 추천드립니다.
저장해두고 써먹으세요 🔖
제가 직접 코���해서 만든!
범죄 피해자분들이
탄원서를 쉽게 쓸 수 있는 앱,
"진심의 무게"
갤럭시, 애플 모두 출시되었습니다!
1. 범죄사실을 고통스럽게
다시 떠올릴 필요 없이
피해사실 관련 자료 넣기만 하면
변호사가 설계한 ai가 자동 요약
2. 지인들 탄원서 받아오기 힘드셨죠?
보통 신분증 노출되는거 꺼려져서인데,
신분증 사진찍으면 알아서 뒷자리 마스킹 후
탄원서 맨뒷장에 알아서 붙는 기능!
3. 이 모든게 무료라는 사실!
4. 원하는 경우에 한해 전문가 검토토 가능!
포켓몬 GO가 숨겨왔던 거대 AI 데이터 수집의 진실
잠만보 잡는 줄 알았는데 알고보니 AI 데이터 수집
> 1억 4,300만 명이 포켓몬을 잡는 줄 알았음
> 사실은 인류 역사상 가장 큰 AI 시각 데이터셋을 무보수로 구축하고 있었음
> 나이언틱이 8년 동안 수집한 데이터만 300억 장 이상의 이미지와 AR 스캔임
> 유저들이 전 세계의 랜드마크, 상점, 거리, 공원을 모든 각도에서 촬영함
> 시간대, 조명, 날씨 등 기존 지도 회사가 막대한 비용을 들여도 불가능한 데이터를 수집함
> 나이언틱은 이 데이터를 '배달 로봇용 자율주행 AI' 학습에 사용하고 있다고 공개함
> 사람들은 희귀한 리자몽을 쫓는 줄 알았지만, 실제로는 AI 인프라를 건설한 셈임
> 가장 가치 있는 AI 데이터는 연구소가 아니라, 자신이 무엇을 하는지 모르는 대중들에 의해 만들어지고 있음
사람들은 게임을 즐겼다고 생각했지만, 실제로는 전 지구적 규모의 데이터 노동에 참여하고 있었다.