#ai-agents

초안은 대부분 AI 팀이 쓴다. 그래도 내가 반드시 알아야 하는 부분과 결정하는 부분은 끝까지 내가 이해한다. 리서치는 넓게, 코딩은 한 줄로.

제품 하나에 필요한 규율 스물여덟 개를 다시 분류했다. 스무 개는 파일이라 하네스에 넘겼고, 여섯 개는 문 앞까지, 두 개는 끝내 사람이었다.

1인 파운더의 로드맵은 완주 일정이 아니라 kill-gate의 지도다. 비싼 단계 앞에 둔 결정적 체크포인트, 그리고 일찍 그만둘 허가.

하네스가 빌드를 너무 싸게 만들었다. 그래서 검증도 전에 제품을 거의 다 만들어버렸다. 좋은 공동창업자의 위험한 이면, 1인 파운더의 함정.

테니스 치는 18년차 임베디드 엔지니어가 LLM을 팀 삼아 혼자 임팩트 센서를 만든다. 되든 안 되든 적어두는 제품화 일기의 출발점.

하네스로 만들 수 있는 유용한 건 결국 vanilla로 흡수된다. 남는 건 vendor가 구조적으로 못/안 하는 것뿐. harness engineering 전환기에 대한 기록.

내가 굴리는 프로젝트를 LLM에 묶어 자가 개선 루프로 만들 수 있을지 정리하는 중인 현재 가설.

3-Tier Trust로 PR을 분류하고, 머지까지 검증 게이트(spec, TDD, RAG, HIL, 결정론적 분석기 등)를 거친다. 단계마다 잡는 결함 클래스가 다르다.

AI가 짠 펌웨어는 예측 가능한 nonlocal 패턴으로 실패한다. Diff에서 보이는 3가지, 49일 뒤에 터지는 3가지.

LLM에게 로깅 데몬을 짜게 했다. 컴파일 OK, 동작 OK. 코드 리뷰에서 eMMC를 죽이는 고빈도 write를 발견했다. 프롬프트에 말하지 않은 도메인 지식이 진짜 위험 구간이다.

AI 에이전트 기반 임베디드 개발의 완전한 프로젝트 해부. i.MX8M Plus 센서 드라이버의 폴더 구조, 스펙, property-based 테스트, 리뷰 에이전트, 피드백 루프.

AI 에이전트는 Yocto 레시피는 잘 쓰지만 센서 데이터를 조용히 깨뜨리고 SPI 레지스터를 잘못 설정합니다. 해법은 더 좋은 모델이 아닙니다. 컨텍스트 엔지니어링입니다.

임베디드 팀이 TDD를 건너뛴 이유는 비용이 너무 높았기 때문입니다. AI 에이전트가 그 경제성을 바꿉니다. Yocto에서 IMU 센서 드라이버를 스펙 기반 테스트와 구조화된 JSON 피드백으로 검증했습니다.

RAG는 하드웨어 문서의 교차 참조를 파괴합니다. 파이프라인 없이 LLM에 SVD와 PDF를 파일 도구로 직접 주세요.