🤯 딜레마: 왜 내 코드는 자꾸 '쓸려나갈까'?

컴퓨팅과 데이터의 힘이 알고리즘을 이긴다는 "The Bitter Lesson"은 현실입니다.
특정 모델(예: GPT-4)의 단점을 보완하려 만든 복잡한 '하니스(harness)'는, 더
똑똑한 다음 모델에겐 불필요해지죠. 이것이 우리 코드가 '쓸려나가는' 이유입니다.

👉 핵심: 모델의 약점을 임시로 때우는 게 아니라, 모델을 언제든 갈아 끼울 수
있는 시스템을 만들어야 합니다.

핵심 전략은 '분리(Decouple)'와 '계약(Contract)'입니다.

여기에 투자하세요 (Your Core Asset)

* 📜 명세/계약 (Spec/Contract): 자연어 설명과 함께, OpenAPI나 JSON Schema로
기계가 검증 가능한 '계약'을 만드세요. 모델은 이 계약을 따라야 합니다.
* ⚖️ 평가 (Evals): 모델이 바뀌어도 "좋은 결과"의 기준은 그대로입니다. 자동화된
테스트, 특히 에이전트 간 통신은 계약 테스트(Pact)로 깨지지 않게 관리하세요.
* 🏛 ️ 아키텍처 (Architecture): 헥사고날 아키텍처로 핵심 로직과 외부 도구(LLM,
DB)를 분리하세요. LLM은 그저 하나의 '어댑터'일 뿐입니다.

🔄 이건 계속 갈아끼우세요 (Swappable Parts)

* 🧠 LLM 모델: GPT, Claude, Gemini 등 특정 모델에 종속되지 않게 추상화합니다.
* 🤔 추론 전략: CoT, 에이전트 루프 등은 언제든 더 나은 방법론으로 교체 가능한
'플러그인'입니다.
* 🎓 학습 알고리즘: 강화학습, 파인튜닝 기법 등도 마찬가지입니다.

https://youtu.be/qdmxApz3EJI