<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
    <channel>
        <title><![CDATA[데브데이(DevDay) - 개발자 뉴스를 매일매일]]></title>
        <description><![CDATA[데브데이(DevDay)는 개발자를 위한 기술 뉴스 큐레이션 서비스로, 최신 기술 트렌드와 개발자 뉴스를 한눈에 제공합니다.]]></description>
        <link>https://devday.kr</link>
        <image>
            <url>https://devday.kr/opengraph-image.png</url>
            <title>데브데이(DevDay) - 개발자 뉴스를 매일매일</title>
            <link>https://devday.kr</link>
        </image>
        <generator>RSS for Node</generator>
        <lastBuildDate>Tue, 23 Jun 2026 16:06:05 GMT</lastBuildDate>
        <atom:link href="https://devday.kr/feed.xml" rel="self" type="application/rss+xml"/>
        <pubDate>Tue, 23 Jun 2026 16:06:05 GMT</pubDate>
        <copyright><![CDATA[All rights reserved 2026, DevDay]]></copyright>
        <language><![CDATA[ko]]></language>
        <item>
            <title><![CDATA[AI 시대, 워드프레스 플러그인 보안 위협 급증]]></title>
            <description><![CDATA[AI가 워드프레스 플러그인에서 300개 이상의 제로데이 취약점을 72시간 만에 발견했습니다. AI 생성 코드의 '이중 신뢰' 문제와 패치 지연의 심각성, 그리고 EU 규제 준수를 위한 VDP 구축 방안을 다룹니다.]]></description>
            <link>https://devday.kr/article/ai-finds-300-wordpress-plugin-zero-days</link>
            <guid isPermaLink="false">ai-finds-300-wordpress-plugin-zero-days</guid>
            <category><![CDATA[AI 워드프레스 플러그인 취약점]]></category>
            <category><![CDATA[vibe coding]]></category>
            <category><![CDATA[LLM 코드 보안]]></category>
            <category><![CDATA[워드프레스 제로데이]]></category>
            <category><![CDATA[AI 보안 감사]]></category>
            <category><![CDATA[플러그인 패치 지연]]></category>
            <category><![CDATA[WordPress zero-day AI]]></category>
            <category><![CDATA[Vulnerability Disclosure Program EU]]></category>
            <dc:creator><![CDATA[데브투]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 15:00:31 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/devto-3963124-f1466186.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/devto-3963124-f1466186.webp" alt="AI가 72시간 만에 300개 워드프레스 플러그인 제로데이 취약점 발견: 개발자의 변화" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>AI 시대, 워드프레스 플러그인 보안 위협 급증</strong></p><hr/>• AI 기반 정적 분석 및 자동 검증 파이프라인으로 72시간 내 **300개 이상 제로데이 취약점** 발견
• LLM 생성 코드 감사 불가 문제('vibe coding')로 **보안 허점 급증** 및 공격 시간 단축
• 개발자, AI 생성 코드 **이중 신뢰(Double Trust)** 문제 간과로 보안 취약점 노출 심화
• **패치 개발 지연** 및 공개 전 패치 미제공 비율 증가로 대응 시간 부족 심각]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[신입 개발자, 로컬호스트에서 실전으로!]]></title>
            <description><![CDATA[개발 학습과 실무의 차이점, 신입 개발자가 겪는 어려움과 극복 방법, Git, 코드 리뷰 등 실무 중심 역량 강화 전략을 알아봅니다.]]></description>
            <link>https://devday.kr/article/developer-career-localhost-to-production</link>
            <guid isPermaLink="false">developer-career-localhost-to-production</guid>
            <category><![CDATA[개발자 학습 vs 실무]]></category>
            <category><![CDATA[신입 개발자 어려움]]></category>
            <category><![CDATA[코드베이스 이해 방법]]></category>
            <category><![CDATA[Git 실무 활용]]></category>
            <category><![CDATA[코드 리뷰 참여 방법]]></category>
            <category><![CDATA[개발 생태계 이해]]></category>
            <category><![CDATA[프로그래밍 vs 소프트웨어 개발]]></category>
            <dc:creator><![CDATA[데브투]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 14:00:57 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/devto-3963551-cd6c0356.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/devto-3963551-cd6c0356.webp" alt="개발자 커리어: 로컬호스트에서 실전으로" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🚀 신입 개발자, 로컬호스트에서 실전으로!</strong></p><hr/>• **프로그래밍 학습**과 **소프트웨어 개발**은 다른 기술이며, 실제 개발 환경은 통제된 학습 시나리오와 크게 다름
• 신입 개발자는 **복잡한 알고리즘**보다 기존 코드 이해, **API 소비자 확인**, **기능 변경 영향도 파악** 등 생태계 이해에 어려움을 겪음
• **코드 가독성 향상**, **버그 추적**, **Git 활용**, **코드 리뷰 참여** 등 실무 중심 기술 습득이 중요함
• 성공적인 첫 직장 적응은 **미지의 코드베이스 탐색** 및 **안전한 코드 변경 능력**에 달려 있음]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Mythos, 보안 취약점 탐지 능력은 정말 뛰어난가?]]></title>
            <description><![CDATA[Mythos 모델의 보안 취약점 탐지 능력을 검증한 벤치마크 결과를 분석합니다. 다양한 LLM 모델의 성능 비교, 비용 효율성, 그리고 AI 보안 감사에 대한 인사이트를 제공합니다.]]></description>
            <link>https://devday.kr/article/mythos-security-benchmark-llm-vulnerability-detection</link>
            <guid isPermaLink="false">mythos-security-benchmark-llm-vulnerability-detection</guid>
            <category><![CDATA[Mythos security benchmark]]></category>
            <category><![CDATA[LLM security vulnerability detection]]></category>
            <category><![CDATA[AI security audit tools]]></category>
            <category><![CDATA[Mythos vs Opus performance]]></category>
            <category><![CDATA[LLM cost efficiency security]]></category>
            <category><![CDATA[AI safety guardrails]]></category>
            <category><![CDATA[Mythos model limitations]]></category>
            <category><![CDATA[보안 취약점 탐지 AI]]></category>
            <dc:creator><![CDATA[해커뉴스]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 14:00:53 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/hn-48640196-ec33b07a.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/hn-48640196-ec33b07a.webp" alt="Mythos 모델, 보안 취약점 탐지 능력 벤치마크 결과" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🛡️ Mythos, 보안 취약점 탐지 능력은 정말 뛰어난가?</strong></p><hr/>• Mythos 모델의 보안 취약점 탐지 능력에 대한 **실증적 벤치마크 결과**가 공개됨
• **데이터 미저장 정책(Zero-Retention Policy)**과 비용 문제로 인한 제한적 공개 가능성에 대한 의문 제기
• **AI 환각(Hallucination)** 및 안전 가드레일(Safety Guardrail)이 탐지 능력에 미치는 영향에 대한 논쟁]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 에이전트 오류, Latitude로 자동 수정!]]></title>
            <description><![CDATA[오픈소스 AI 에이전트 모니터링 플랫폼 Latitude를 소개합니다. AI 에이전트의 실패를 자동으로 감지하고, 코딩 에이전트가 오류를 수정하도록 지원하여 안정성을 높입니다.]]></description>
            <link>https://devday.kr/article/latitude-fix-ai-agent-failures</link>
            <guid isPermaLink="false">latitude-fix-ai-agent-failures</guid>
            <category><![CDATA[AI agent monitoring]]></category>
            <category><![CDATA[open source AI agent]]></category>
            <category><![CDATA[Latitude AI platform]]></category>
            <category><![CDATA[fix AI agent errors]]></category>
            <category><![CDATA[AI agent failure detection]]></category>
            <category><![CDATA[AI agent debugging tools]]></category>
            <category><![CDATA[AI agent reliability]]></category>
            <dc:creator><![CDATA[프로덕트 헌트]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 13:00:40 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/ph-1177824-46ee4b22.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/ph-1177824-46ee4b22.webp" alt="[Latitude] AI 에이전트의 오류를 수정하는 방법" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>AI 에이전트 오류, Latitude로 자동 수정!</strong></p><hr/>• **AI 에이전트의 실패 감지**를 자동화하는 오픈소스 모니터링 플랫폼 Latitude가 공개됨
• 에이전트가 **다양한 방식으로 실패하는 지점**을 자동으로 탐지하여 문제 해결 지원
• 코딩 에이전트에게 **오류 수정 도구**를 제공하여 AI 에이전트의 안정성 향상 목표]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Mac에서 로컬 AI 음성 자동 완성]]></title>
            <description><![CDATA[Mac 앱에서 로컬 AI 음성 자동 완성 기능을 제공하는 Cotypist를 소개합니다. 데이터 프라이버시를 지키며 실시간으로 개인화된 제안을 받아보세요.]]></description>
            <link>https://devday.kr/article/cotypist-local-ai-voice-autocomplete-mac</link>
            <guid isPermaLink="false">cotypist-local-ai-voice-autocomplete-mac</guid>
            <category><![CDATA[Mac 로컬 AI 자동 완성]]></category>
            <category><![CDATA[Cotypist 사용법]]></category>
            <category><![CDATA[음성 기반 자동 완성]]></category>
            <category><![CDATA[Mac 생산성 도구]]></category>
            <category><![CDATA[On-device AI]]></category>
            <category><![CDATA[프라이버시 강화 자동 완성]]></category>
            <dc:creator><![CDATA[프로덕트 헌트]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 12:00:39 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/ph-1172491-8eb27373.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/ph-1172491-8eb27373.webp" alt="[Cotypist] Mac에서 로컬 AI 음성 자동 완성 기능" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🎙️ Mac에서 로컬 AI 음성 자동 완성</strong></p><hr/>• **Mac 앱 전반**에서 실시간 AI 자동 완성 기능을 제공하는 Cotypist 출시됨
• **로컬 AI 모델**을 사용하여 클라우드 API 호출 없이 음성 기반 추천 제공
• **개인화된 음성 데이터**를 학습하여 사용자 맞춤형 자동 완성 경험 제공]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[LLM, 단순 예측 넘어선 추론 능력 증명]]></title>
            <description><![CDATA[LLM이 단순 다음 토큰 예측을 넘어 논리적 추론과 패턴 인식을 수행하는 원리를 점 퍼즐 사례로 분석합니다. 어텐션 메커니즘과 내부 연산 능력을 통해 일반화 능력을 탐구합니다.]]></description>
            <link>https://devday.kr/article/llm-reasoning-pattern-recognition-dot-puzzle</link>
            <guid isPermaLink="false">llm-reasoning-pattern-recognition-dot-puzzle</guid>
            <category><![CDATA[LLM 추론 능력]]></category>
            <category><![CDATA[Attention Mechanism explained]]></category>
            <category><![CDATA[Transformer architecture]]></category>
            <category><![CDATA[LLM pattern recognition]]></category>
            <category><![CDATA[LLM generalization]]></category>
            <category><![CDATA[LLM dot puzzle]]></category>
            <category><![CDATA[How LLMs work]]></category>
            <category><![CDATA[AI reasoning capabilities]]></category>
            <dc:creator><![CDATA[데브투]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 11:00:30 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/devto-3964775-10088f02.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/devto-3964775-10088f02.webp" alt="LLM의 추론 능력: 점 퍼즐을 통해 본 패턴 인식과 일반화" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🤔 LLM, 단순 예측 넘어선 추론 능력 증명</strong></p><hr/>• LLM이 단순한 다음 토큰 예측을 넘어 **논리적 추론 및 패턴 인식 능력**을 보인다는 점에 주목함
• 점 퍼즐(Dot Puzzle)을 통해 LLM이 **구조적 유사성(Structural Similarity)을 파악**하고 일반화하는 능력 검증
• **어텐션 메커니즘(Attention Mechanism)**과 내부 연산 능력으로 새로운 패턴에 대한 **일반화된 추론(Generalized Reasoning)** 가능성을 제시함]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[소형 모델의 반격, VibeThinker의 등장]]></title>
            <description><![CDATA[30억개 파라미터 모델 VibeThinker가 추론 능력에서 Opus 4.5를 능가하는 성능을 보였습니다. 소형 모델의 혁신과 코딩 작업 활용 방안을 분석합니다.]]></description>
            <link>https://devday.kr/article/vibe-thinker-3b-model-beats-opus-4-5-reasoning</link>
            <guid isPermaLink="false">vibe-thinker-3b-model-beats-opus-4-5-reasoning</guid>
            <category><![CDATA[VibeThinker 모델]]></category>
            <category><![CDATA[3B parameter model]]></category>
            <category><![CDATA[LLM reasoning benchmark]]></category>
            <category><![CDATA[small language model]]></category>
            <category><![CDATA[AI model breakthrough]]></category>
            <category><![CDATA[Python LLM]]></category>
            <category><![CDATA[VibeThinker coding]]></category>
            <category><![CDATA[Opus 4.5 comparison]]></category>
            <dc:creator><![CDATA[해커뉴스]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 11:00:26 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/hn-48639240-ce0ced1a.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/hn-48639240-ce0ced1a.webp" alt="30억개 파라미터 모델 VibeThinker, 추론 능력에서 Opus 4.5 능가" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🚀 소형 모델의 반격, VibeThinker의 등장</strong></p><hr/>• **30억개 파라미터(3B parameters)**의 VibeThinker 모델이 추론 능력에서 **Opus 4.5를 능가**하는 성능을 보임
• 소규모 모델이 대규모 모델의 자본력에 맞서는 **'작지만 강한' 혁신** 사례로 주목받음
• 모델의 **학습 능력 자체를 강화**하는 접근 방식에 대한 긍정적 평가가 있음
• 코딩 작업 시 **특정 함수 구현** 등 제한적 활용 가능성에 대한 논의가 있음]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 에이전트가 당신의 브랜드를 발견하고 수익을 지급합니다.]]></title>
            <description><![CDATA[Bluerails Discovery로 AI 에이전트가 당신의 브랜드를 발견하고 수익을 창출하도록 만드세요. 무료 AI 가시성 점수와 에이전트 준비 결제 기능을 제공합니다.]]></description>
            <link>https://devday.kr/article/bluerails-discovery-ai-agent-payment</link>
            <guid isPermaLink="false">bluerails-discovery-ai-agent-payment</guid>
            <category><![CDATA[AI visibility score]]></category>
            <category><![CDATA[AI agent payment]]></category>
            <category><![CDATA[Bluerails Discovery]]></category>
            <category><![CDATA[AI discoverability]]></category>
            <category><![CDATA[AI agent checkout]]></category>
            <category><![CDATA[브랜드 AI 가시성]]></category>
            <category><![CDATA[AI 에이전트 수익화]]></category>
            <dc:creator><![CDATA[프로덕트 헌트]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 11:00:21 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/ph-1178153-9aff2181.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/ph-1178153-9aff2181.webp" alt="Bluerails Discovery: AI 에이전트가 브랜드를 발견하고 수익을 창출하는 방식" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>AI 에이전트가 당신의 브랜드를 발견하고 수익을 지급합니다.</strong></p><hr/>• **AI 가시성(AI Visibility)** 도구의 한계를 넘어, AI 에이전트가 브랜드를 **발견(Discoverable)**하고 수익을 창출하도록 지원함
• 400개 샘플 기반 **AI 가시성 점수(AI-Visibility Score)**를 제공하여 브랜드의 AI 노출도를 평가함
• AI 에이전트가 즉시 결제할 수 있는 **에이전트 준비 결제(Agent-Ready Checkout)** 기능과 글로벌 정산 지원
• **규정 준수(Compliance)** 기능이 내장되어 안전한 거래 환경 제공]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI도 놓친 번역 오류, ESLint 플러그인으로 해결!]]></title>
            <description><![CDATA[AI도 놓친 번역 누락, ESLint 플러그인으로 해결! 배달의민족 커머스 웹프론트의 다국어 지원 컨벤션 준수 경험과 AST 분석 기반 커스텀 린트 규칙 개발 과정을 확인하세요.]]></description>
            <link>https://devday.kr/article/eslint-plugin-fix-translation-omission</link>
            <guid isPermaLink="false">eslint-plugin-fix-translation-omission</guid>
            <category><![CDATA[ESLint 플러그인 개발]]></category>
            <category><![CDATA[다국어 지원 번역 누락]]></category>
            <category><![CDATA[i18next 컨벤션]]></category>
            <category><![CDATA[AI 번역 한계]]></category>
            <category><![CDATA[AST 분석]]></category>
            <category><![CDATA[프론트엔드 컨벤션 유지]]></category>
            <category><![CDATA[React i18n 최적화]]></category>
            <category><![CDATA[ESLint 커스텀 규칙]]></category>
            <dc:creator><![CDATA[우아한형제들]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 07:36:13 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/woowahan-26388-e84d64c4.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/woowahan-26388-e84d64c4.webp" alt="사람도 AI도 놓친 번역 누락, ESLint 플러그인을 만들어 해결하기" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>AI도 놓친 번역 오류, ESLint 플러그인으로 해결!</strong></p><hr/>• **배달의민족 커머스 웹프론트**에서 **i18next 기반 @lib/i18n 라이브러리**를 도입하여 다국어 지원 강화 시도
• **AI 번역 및 검수**에도 불구하고 **한글 문구 누락 및 오역** 발생, **코드 품질 저하** 문제 직면
• **결정론적 정적 분석 도구인 ESLint**를 활용해 컨벤션 위반 탐지, **AI 에이전트**가 교정하는 하이브리드 방식 도입
• **커스텀 ESLint 플러그인** 개발로 **번역 누락 182건, 오역 5건, 복잡한 코드 22건**을 사전에 교정하며 품질 확보]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 모델 서빙, Automatic Sharding으로 GPU 효율 극대화]]></title>
            <description><![CDATA[SNOW의 Automatic Sharding 도입기를 통해 수천 개 AI 모델의 GPU 자원 효율화 및 모델 로딩 오버헤드 제거 전략을 알아보세요. 운영 자동화와 안정적인 모델 서빙 비결을 공유합니다.]]></description>
            <link>https://devday.kr/article/snow-automatic-sharding-ai-model-serving</link>
            <guid isPermaLink="false">snow-automatic-sharding-ai-model-serving</guid>
            <category><![CDATA[Automatic Sharding AI]]></category>
            <category><![CDATA[GPU 자원 효율화]]></category>
            <category><![CDATA[AI 모델 서빙 최적화]]></category>
            <category><![CDATA[SNOW Sharding]]></category>
            <category><![CDATA[Manual Sharding 한계]]></category>
            <category><![CDATA[모델 로딩 오버헤드 제거]]></category>
            <category><![CDATA[AI 서빙 자동화]]></category>
            <category><![CDATA[NAVER Engineering Day 2026]]></category>
            <dc:creator><![CDATA[네이버 D2]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 06:05:35 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/naver-d2-4394359-77e4fae2.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/naver-d2-4394359-77e4fae2.webp" alt="SNOW의 Automatic Sharding 도입기: AI 모델 서빙 효율 극대화 전략" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🚀 AI 모델 서빙, Automatic Sharding으로 GPU 효율 극대화</strong></p><hr/>• 수천 개의 AI 모델을 **한정된 GPU 자원**으로 효율적으로 공유하기 위한 **Automatic Sharding 기술** 도입 배경 설명
• 기존 **Manual Sharding의 한계점**을 극복하고 **모델 로딩 오버헤드 제거**를 목표로 함
• **Automatic Sharding 알고리즘 설계** 및 실제 인프라 자동 반영 방법 공유
• **AI 모델 서빙 전략** 고도화를 통해 더 빠르고 안정적인 서비스 제공 추구]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 시대, 당신의 경험은 기술로 대체될 수 있을까요?]]></title>
            <description><![CDATA[AI 시대 개발자의 불안감과 경험의 가치를 다룬 15가지 AI 이야기 회고. 스토리텔링, 콘텐츠 브랜딩, 독자 소통 전략을 통해 얻은 인사이트를 공유합니다.]]></description>
            <link>https://devday.kr/article/ai-stories-retrospective</link>
            <guid isPermaLink="false">ai-stories-retrospective</guid>
            <category><![CDATA[AI 이야기 회고]]></category>
            <category><![CDATA[개발자 직무 위협]]></category>
            <category><![CDATA[스토리텔링 콘텐츠]]></category>
            <category><![CDATA[AI 콘텐츠 신뢰성]]></category>
            <category><![CDATA[콘텐츠 브랜딩 전략]]></category>
            <category><![CDATA[독자 피드백 활용]]></category>
            <category><![CDATA[AI 시대 개발자 역할]]></category>
            <dc:creator><![CDATA[데브투]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 06:00:41 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/devto-3955460-1e00b89b.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/devto-3955460-1e00b89b.webp" alt="15개의 AI 이야기 이후, 솔직한 회고" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>AI 시대, 당신의 경험은 기술로 대체될 수 있을까요?</strong></p><hr/>• 이전 글들의 낮은 반응률(0건)을 극복하기 위해 **스토리텔링 방식의 AI 콘텐츠**를 시도하며 **독자 참여 유도(Reader Engagement)**를 목표로 함
• 총 15개의 시리즈를 통해 **최악의 성과 9건, 최고 성과 86건**을 기록하며 방향 전환의 유효성을 검증함
• **AI 기술 발전으로 인한 직무 위협**이라는 근본적인 불안감을 다루며 기술적 깊이보다 **공감대 형성(Empathy Building)**에 집중함]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 엔지니어링 용어 홍수 속, 당신의 'taste'를 찾아보세요!]]></title>
            <description><![CDATA[AI 엔지니어링의 최신 트렌드, 프롬프트부터 루프 엔지니어링까지 용어의 진화 배경과 개발자의 역할 변화, 그리고 'Taste'의 중요성을 분석합니다.]]></description>
            <link>https://devday.kr/article/ai-engineering-terms-evolution-loop-engineering</link>
            <guid isPermaLink="false">ai-engineering-terms-evolution-loop-engineering</guid>
            <category><![CDATA[AI 엔지니어링 트렌드]]></category>
            <category><![CDATA[루프 엔지니어링 정의]]></category>
            <category><![CDATA[프롬프트 엔지니어링 vs 컨텍스트 엔지니어링]]></category>
            <category><![CDATA[하네스 엔지니어링이란]]></category>
            <category><![CDATA[AI 코딩 에이전트]]></category>
            <category><![CDATA[LLM 활용법]]></category>
            <category><![CDATA[개발자의 AI 시대 역할]]></category>
            <category><![CDATA[AI 판단력 taste]]></category>
            <dc:creator><![CDATA[요즘IT]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 05:30:17 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/yozm-3816-00695608.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/yozm-3816-00695608.webp" alt="AI 엔지니어링 용어의 홍수 속에서 길을 찾다: 루프 엔지니어링까지 알아야 할까?" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>AI 엔지니어링 용어 홍수 속, 당신의 'taste'를 찾아보세요!</strong></p><hr/>• AI 엔지니어링 분야에서 프롬프트, 컨텍스트, 하네스, 루프 엔지니어링 등 **새로운 용어들이 1년 사이 빠르게 등장**하며 혼란을 야기함
• 각 엔지니어링은 **모델의 약점을 보완하고 AI 활용도를 높이기 위한 목적**으로 정의되며, 이전 기법이 폐기된 것이 아니라 더 높은 단위로 이동한 것임
• 이러한 트렌드는 **모델 성능 향상과 코딩 에이전트 도구의 발전**에 기인하며, 'AI에게 일을 더 잘 시키는 법'이라는 본질 추구의 결과임
• 개발자는 새로운 용어의 정의를 외우기보다 **등장 배경과 해결하려는 문제**를 이해하고, 직접 사용해보며 자신만의 'AI와 함께 더 나은 결과 만들기' 역량을 키워야 함]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[금융 광고 사기 방지, 유럽 전역으로 확대]]></title>
            <description><![CDATA[유럽 연합(EU) 및 EEA 전역으로 확대되는 금융 서비스 광고주 검증 프로그램 소식. 사기 광고 차단 및 사용자 신뢰도 향상을 위한 정책 변화를 확인하세요.]]></description>
            <link>https://devday.kr/article/financial-advertiser-verification-europe-expansion</link>
            <guid isPermaLink="false">financial-advertiser-verification-europe-expansion</guid>
            <category><![CDATA[금융 광고주 검증 유럽]]></category>
            <category><![CDATA[EU 금융 광고 규제]]></category>
            <category><![CDATA[온라인 사기 광고 방지]]></category>
            <category><![CDATA[금융 서비스 광고 정책]]></category>
            <category><![CDATA[GDPR 금융 광고]]></category>
            <category><![CDATA[Financial advertiser verification Europe]]></category>
            <category><![CDATA[Stop financial scams online]]></category>
            <dc:creator><![CDATA[구글]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 05:00:00 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/google-blog-eu-financial-advertiser-verification-59b49251.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/google-blog-eu-financial-advertiser-verification-59b49251.webp" alt="유럽 전역으로 확대되는 금융 서비스 광고주 검증 프로그램" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🇪🇺 금융 광고 사기 방지, 유럽 전역으로 확대</strong></p><hr/>• **유럽 연합(EU) 및 유럽 경제 지역(EEA)** 전역으로 금융 서비스 광고주 검증 프로그램을 확대하여 **온라인 사기 방지(Online Scam Prevention)** 강화함
• 기존 18개국에서 24개국 추가 확대로, **승인된 금융 광고(Authorized Financial Ads)**만 노출되도록 하여 사용자 신뢰도 제고를 목표함
• **국가별 규제 기관(National Regulators)**의 승인 여부를 직접 확인하는 방식으로, 미검증 광고주는 30일 내 검증 완료 시 광고가 제한됨]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[로컬에서 GLM-5.2 실행, 가능할까?]]></title>
            <description><![CDATA[GLM-5.2 모델을 로컬 하드웨어에서 실행하는 방법을 탐색합니다. 필요한 RAM, GPU 사양, 양자화 기법, 성능 및 비용 효율성을 분석하고 커뮤니티의견을 종합했습니다.]]></description>
            <link>https://devday.kr/article/running-glm-5-2-on-local-hardware-requirements-and-performance</link>
            <guid isPermaLink="false">running-glm-5-2-on-local-hardware-requirements-and-performance</guid>
            <category><![CDATA[GLM-5.2 local hardware]]></category>
            <category><![CDATA[run LLM locally]]></category>
            <category><![CDATA[llama.cpp quantization]]></category>
            <category><![CDATA[RTX 3090 LLM]]></category>
            <category><![CDATA[local AI model performance]]></category>
            <category><![CDATA[AI model privacy]]></category>
            <category><![CDATA[tokens per second local]]></category>
            <category><![CDATA[AI model cost comparison]]></category>
            <dc:creator><![CDATA[해커뉴스]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 03:00:40 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/hn-48636377-5f11fce8.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/hn-48636377-5f11fce8.webp" alt="로컬 하드웨어에서 GLM-5.2 모델 실행하기" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🚀 로컬에서 GLM-5.2 실행, 가능할까?</strong></p><hr/>• **GLM-5.2 모델**을 로컬 하드웨어에서 실행하기 위한 **고성능 사양(512GB RAM, 2x 3090 GPU)** 요구 사항이 제시됨
• **양자화(Quantization)** 기법을 통해 모델 크기를 줄여 실행 가능성을 높이나, **성능 저하(Performance Degradation)**는 불가피함
• 클라우드 API 대비 **독립성 확보(Independence)** 및 **비용 효율성(Cost-effectiveness)** 측면에서 로컬 실행의 이점이 논의됨
• **AI 모델의 로컬 실행 가능성 확대**가 일부 기업에 **긴장감**을 줄 수 있다는 전망도 제기됨]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI를 넘어선 토스의 지식 관리 시스템 구축기]]></title>
            <description><![CDATA[토스 TW의 경험을 통해 본 AI 시대를 위한 지식 관리 시스템 구축 전략. 도구, 문화, 거버넌스의 조화로 신뢰할 수 있는 지식을 만드는 방법을 알아보세요.]]></description>
            <link>https://devday.kr/article/toss-knowledge-management-beyond-tools</link>
            <guid isPermaLink="false">toss-knowledge-management-beyond-tools</guid>
            <category><![CDATA[토스 지식 관리]]></category>
            <category><![CDATA[Technical Writing]]></category>
            <category><![CDATA[AI 문서화]]></category>
            <category><![CDATA[지식 시스템 구축]]></category>
            <category><![CDATA[거버넌스 설계]]></category>
            <category><![CDATA[Toss knowledge management]]></category>
            <category><![CDATA[AI writing tools]]></category>
            <dc:creator><![CDATA[토스]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 02:01:00 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/toss-50715-24592006.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/toss-50715-24592006.webp" alt="6. 도구를 넘어, 기준과 책임으로" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>AI를 넘어선 토스의 지식 관리 시스템 구축기</strong></p><hr/>• 토스 TW는 **AI에게 문서 작성을 맡기고 지식 시스템 설계**에 집중하겠다는 목표를 세움.
• 커머스 도메인에서 **지식 분산으로 인한 비효율**을 경험하며 도구만으론 한계가 있음을 깨달음.
• **문서화 문화 조성 시도**는 지속적인 기여로 이어지지 못했고, 기준 부재가 문제임을 파악함.
• AI 자동화는 **정보의 최신성 및 신뢰성 문제**를 드러내며 기준과 책임의 중요성을 부각함.
• **'커머스 문서·지식 거버넌스'** 제안으로 신뢰할 수 있는 지식 구축을 위한 기준과 책임을 명확히 함.]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[토스, AI로 테크니컬 라이팅 자동화 성공!]]></title>
            <description><![CDATA[토스 팀은 AI를 활용해 테크니컬 라이팅 업무를 자동화했습니다. 사내 메신저 챗봇 '토독이'와 GitHub Actions 연동으로 문서 작성 및 리뷰 부담을 줄인 여정을 소개합니다.]]></description>
            <link>https://devday.kr/article/toss-ai-technical-writing-automation</link>
            <guid isPermaLink="false">toss-ai-technical-writing-automation</guid>
            <category><![CDATA[AI 테크니컬 라이팅]]></category>
            <category><![CDATA[토스 문서 자동화]]></category>
            <category><![CDATA[챗봇 토독이 사용법]]></category>
            <category><![CDATA[GitHub Actions 리뷰]]></category>
            <category><![CDATA[AI 기반 문서 관리]]></category>
            <category><![CDATA[테크니컬 라이터 역할 변화]]></category>
            <category><![CDATA[LLM 문서 작성]]></category>
            <dc:creator><![CDATA[토스]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 02:00:00 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/toss-50713-6ad0a816.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/toss-50713-6ad0a816.webp" alt="토스의 AI 기반 테크니컬 라이팅 자동화 여정" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🤖 토스, AI로 테크니컬 라이팅 자동화 성공!</strong></p><hr/>• 토스 팀은 **4천 명 규모**에 비해 단 3명의 테크니컬 라이터(TW)만 보유하여 **문서 리뷰 병목 현상** 발생
• **AI를 활용**하여 TW의 업무(글쓰기, 다듬기)를 자동화하고, **조직의 맥락을 AI에게 전달**하는 문서 관리 시스템 구축 목표
• **ADR 템플릿**과 **테크니컬 라이팅 원칙**을 AI에게 학습시켜 **문서 작성 및 리뷰 자동화 Skill** 개발
• **사내 메신저 챗봇 '토독이'**와 **GitHub Actions 리뷰 워크플로**를 통해 사용 편의성 증대 및 **업무 흐름 통합**
• **AI 기반 문서 관리**로 TW의 직접적인 글쓰기/다듬기 업무는 줄었으나, **문서 중복 및 노후화 문제**는 여전히 남아 향후 과제로 제시]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[LLM 프롬프트 튜닝, 유전 알고리즘으로 1시간 만에 끝내기]]></title>
            <description><![CDATA[LLM 프롬프트 튜닝, 유전 알고리즘(GEPA)과 DSPy로 자동화하여 수일/수주 걸리던 작업을 1시간으로 단축하고 정책 준수율 100% 달성한 Yahoo! JAPAN Search 사례를 소개합니다.]]></description>
            <link>https://devday.kr/article/genetic-algorithm-prompt-optimization-yahoo-japan-search</link>
            <guid isPermaLink="false">genetic-algorithm-prompt-optimization-yahoo-japan-search</guid>
            <category><![CDATA[LLM 프롬프트 튜닝 자동화]]></category>
            <category><![CDATA[유전 알고리즘 GEPA]]></category>
            <category><![CDATA[DSPy 프롬프트 최적화]]></category>
            <category><![CDATA[LLM-as-a-Judge 평가]]></category>
            <category><![CDATA[프롬프트 엔지니어링 자동화]]></category>
            <category><![CDATA[Yahoo! JAPAN Search AI 응답]]></category>
            <category><![CDATA[건강 의료 쿼리 LLM 최적화]]></category>
            <category><![CDATA[Genetic Algorithm for Prompt Tuning]]></category>
            <dc:creator><![CDATA[라인]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 02:00:00 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/line-2854-6adfb3ad.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/line-2854-6adfb3ad.webp" alt="유전 알고리즘 기반 프롬프트 자동 최적화: Yahoo! JAPAN Search 건강/의료 쿼리 적용 사례" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>LLM 프롬프트 튜닝, 유전 알고리즘으로 1시간 만에 끝내기</strong></p><hr/>• LLM 프롬프트 튜닝의 **수작업 부담**과 **느린 개선 사이클** 문제를 해결하기 위해 자동화 구조 도입을 시도함
• **유전 알고리즘(Genetic Algorithm)** 기반 GEPA 방법론을 활용해 프롬프트 최적화를 자동화하고 **개선 시간 대폭 단축**을 목표로 함
• Yahoo! JAPAN Search 건강·의료 쿼리에 적용해 **정책 준수율 100%** 달성 및 **최적화 시간 1시간 이내**로 단축하는 성과를 거둠]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[1EB HDFS 통합! 두 플랫폼 연계 과제와 해결책]]></title>
            <description><![CDATA[1EB 초과 규모의 두 HDFS 플랫폼을 통합하고 연계하는 과정에서 발생한 운영 과제와 설계 결정을 상세히 분석합니다. 권한 관리, 데이터 전송, 성능 병목 해결 방안을 다룹니다.]]></description>
            <link>https://devday.kr/article/hdfs-platform-integration-challenges-design-decisions</link>
            <guid isPermaLink="false">hdfs-platform-integration-challenges-design-decisions</guid>
            <category><![CDATA[HDFS 플랫폼 연계]]></category>
            <category><![CDATA[대규모 데이터 플랫폼 운영]]></category>
            <category><![CDATA[1EB HDFS 통합]]></category>
            <category><![CDATA[구 LINE 구 Yahoo Japan HDFS 차이]]></category>
            <category><![CDATA[HDFS 권한 관리 모델]]></category>
            <category><![CDATA[DistCP 데이터 전송]]></category>
            <category><![CDATA[NameNode 부하 해결]]></category>
            <category><![CDATA[RBF HDFS 구성]]></category>
            <dc:creator><![CDATA[라인]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 02:00:00 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/line-2866-ef03e898.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/line-2866-ef03e898.webp" alt="총 용량 1EB 초과! 서로 다른 HDFS 플랫폼 연계 과제와 설계 결정" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>1EB HDFS 통합! 두 플랫폼 연계 과제와 해결책</strong></p><hr/>• 구 LINE과 구 Yahoo Japan의 **대규모 HDFS 클러스터**를 통합하여 총 용량 1EB 초과 규모의 데이터 플랫폼을 운영하며 **스케일링 제약**과 **운영 병목**에 직면함
• 서로 다른 설계 철학과 운영 방식을 가진 두 HDFS 플랫폼을 **데이터 상호 활용**을 위해 연계하는 과정에서 **권한 관리**와 **데이터 전송 경로 설계**가 주요 과제로 부상함
• 구 LINE은 ViewFS 기반 클라이언트 해석, 구 Yahoo Japan은 RBF 기반 서버 해석 방식을 사용하며, **권한 관리 모델**과 **데이터 전송 방식**에 대한 설계 결정이 필요했음]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Flock 카메라, 경찰의 사생활 침해 도구로 전락]]></title>
            <description><![CDATA[Flock 카메라가 경찰의 여성 스토킹에 악용된 사건을 분석합니다. 영장 없는 데이터 접근의 위험성과 개인 정보 보호의 중요성을 다룹니다.]]></description>
            <link>https://devday.kr/article/flock-camera-police-stalking-warrant-needed</link>
            <guid isPermaLink="false">flock-camera-police-stalking-warrant-needed</guid>
            <category><![CDATA[Flock 카메라 논란]]></category>
            <category><![CDATA[경찰 스토킹]]></category>
            <category><![CDATA[개인 정보 보호]]></category>
            <category><![CDATA[영장 없는 조회]]></category>
            <category><![CDATA[감시 기술 남용]]></category>
            <category><![CDATA[4차 수정헌법]]></category>
            <category><![CDATA[Flock CEO Deflock]]></category>
            <dc:creator><![CDATA[해커뉴스]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 01:00:27 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/hn-48634694-d26217f4.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/hn-48634694-d26217f4.webp" alt="Flock 카메라, 경찰의 여성 스토킹에 악용: 영장 필요성 대두" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>🚨 Flock 카메라, 경찰의 사생활 침해 도구로 전락</strong></p><hr/>• **Flock 카메라**가 경찰의 사생활 침해 및 스토킹에 악용된 사례가 드러남
• **영장 없는 조회**가 개인 정보 보호의 허점(Privacy Loophole)으로 지적됨
• 기술의 잠재적 남용(Potential for Abuse)과 **강화된 규제 필요성(Need for Stronger Regulation)**이 제기됨]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[성장 정체, 불확실성... 개발자로서 길을 잃었나요?]]></title>
            <description><![CDATA[개발자로서 성장 정체, AI 의존성, 피상적인 피드백, 커뮤니티 내 고립감 등 복합적인 고민을 솔직하게 풀어냅니다. 성장의 불확실성 속에서 길을 찾는 이야기.]]></description>
            <link>https://devday.kr/article/developer-growth-stagnation-uncertainty-reflection</link>
            <guid isPermaLink="false">developer-growth-stagnation-uncertainty-reflection</guid>
            <category><![CDATA[개발자 성장 정체]]></category>
            <category><![CDATA[AI 도구 의존성]]></category>
            <category><![CDATA[개발자 커뮤니티 피드백]]></category>
            <category><![CDATA[모더레이터 역할]]></category>
            <category><![CDATA[커리어 불확실성]]></category>
            <category><![CDATA[개발자 고립감]]></category>
            <category><![CDATA[성취감 부족]]></category>
            <category><![CDATA[AI 활용 역량]]></category>
            <dc:creator><![CDATA[데브투]]></dc:creator>
            <pubDate>Tue, 23 Jun 2026 01:00:24 GMT</pubDate>
            <enclosure url="https://static.devday.kr/thumbnails-w800/devto-3964664-c43b890a.webp" length="0" type="image/webp"/>
            <content:encoded><![CDATA[<img src="https://static.devday.kr/thumbnails-w800/devto-3964664-c43b890a.webp" alt="개발자로서의 성장 정체와 불확실성에 대한 고찰" style="max-width:100%; margin-bottom: 20px;" /><br/><p><strong>성장 정체, 불확실성... 개발자로서 길을 잃었나요?</strong></p><hr/>• 2026년 중반, 개인적인 성과에 대한 회의감과 함께 **성장 정체(Growth Stagnation)**에 대한 고민이 깊어지고 있음
• dev.to 커뮤니티에서 모더레이터(Moderator) 역할 수행 및 네트워킹(Networking) 등 활동에도 불구하고 **실질적인 성취감 부족**을 느낌
• AI 도구 활용 증가로 인한 **개인 역량 성장 불확실성**과 타인에게 조언하면서 정작 자신은 적용하지 못하는 상황에 대한 좌절감 토로
• 타인의 피드백이 피상적이고 깊이가 없어 **정보 격차(Information Gap)**를 느끼며, 도움 요청에 대한 불신과 고립감 심화]]></content:encoded>
        </item>
    </channel>
</rss>