1ev4v @1ev4v

모두가 상상만 했던 일을 실제로 해낸 일론 제가 테슬라를 사랑하고 투자하는 이유지요. 다시 가슴이 뜨거워지메요 ㄷㄷ 2018년에 제게 자동차를 하늘을 날게한다 했어도 사기꾼이라 했을거 같지요.

Here's a simple loop: Tell codex to maintain your repos, wake up every 5 minutes and direct work to threads. That makes it easy to parallelize+steer work as needed. I use a orchestrator skill combined with my triage+autoreview+computer use skills, so some work can land autonomously. github.com/steipete/agent… github.com/steipete/agent…

Existe una extensión para VS Code que muestra tus agentes de Claude como personajes pixel art dentro de una oficina virtual. No tiene coste, es open-source y te permite ver exactamente cómo trabajan tus agentes en todo momento.

📋 카파시 스타일 Claude Code 가이드라인 github.com/forrestchang/a… 참고로 이건 Claude Code 플러그인으로도 제공됩니다. 안드레 카파시가 이전에 LLM 통한 코딩 방식의 문제를 정확하게 짚었던 적이 있습니다. > "모델은 잘못된 가정을 하고 그냥 달려나가요. 혼란을 관리하지 않고, 명확화를 요청하지 않고, 불일치를 드러내지 않고, 트레이드오프를 제시하지 않고, 밀어붙여야 할 때 밀어붙이지 않아요." > "코드와 API를 과도하게 복잡하게 만들고, 추상화를 부풀리고, 죽은 코드를 정리하지 않아요... 100줄로 될 걸 1000줄짜리 덩어리로 만들어버리죠." 이 문제를 하나의 CLAUDE.md로 해결하려는 repo가 있습니다. ↓ 4가지 원칙으로 정리할 수 있어요. 원칙마다 온도차가 있을 수 있지만 전체적으로 지금도 유효하죠. 1. 코딩 전에 생각하세요 불확실하면 추측하지 말고 물어라. 모호함이 있으면 해석을 하나 골라 침묵 속에 달려가지 말고, 여러 해석을 명시적으로 제시해라. 혼란스러우면 멈추고 무엇이 불분명한지 말해라. 2. 단순함이 먼저입니다 요청받은 것만 해결하는 최소한의 코드. 단일 사용에 대한 추상화 없음. 요청받지 않은 유연성이나 설정 가능성 없음. 불가능한 시나리오에 대한 에러 처리 없음. 3. 외과적 변경 건드려야 할 것만 건드려라. 인접 코드나 주석을 "개선"하지 마라. 깨지지 않은 것은 리팩터하지 마라. 관련 없는 죽은 코드를 발견하면 말만 하고 삭제하지 마라. 4. 목표 주도 실행 "유효성 검사 추가" 대신 "잘못된 입력에 대한 테스트를 작성하고, 통과시켜라". 성공 기준을 정의하고, 검증될 때까지 루프를 돌아라. ↓ 얻어갈 수 있는 인사이트는 이겁니다. > "LLM은 특정 목표를 달성할 때까지 루프를 도는 데 탁월해요... 무엇을 할지 말하지 말고, 성공 기준을 주고 지켜보세요." 명령어가 아니라 검증 가능한 목표를 주는 것. 이게 LLM을 제대로 쓰는 방식이죠. "무엇을 하세요"보다 "성공 기준을 정의하세요" 이건 2026년 현재도 가장 강력한 Claude Code 활용법이라고 생각해요. 특히 멀티 에이전트나 서브에이전트 패턴으로 갈수록 검증 가능한 성공 기준 없이는 루프가 발산해버리죠. 여기에 컨텍스트 관리를 곁들인다면 굉장히 강력하게 활용할 수 있다고 봐요. ↓ 🔌 Claude Code 플러그인 > /plugin marketplace add forrestchang/andrej-karpathy-skills > /plugin install andrej-karpathy-skills@karpathy-skills 이 4원칙은 사실 AI가 아니라 좋은 개발자의 원칙이기도 합니다. 코딩 전에 요구사항을 명확히 하고, 최소한으로 단순하게 짜고, 요청 범위 밖의 것은 건드리지 않고, 테스트로 성공을 정의하는 것. AI를 더 잘 쓰고 싶다면, 결국 더 명확하게 생각하는 연습이 꾸준히 필요하죠. 그게 이 repo가 가르쳐주는 것이에요.

keyboard_arrow_left Previous keyboard_arrow_right Next

ビル・ゲイツ（資産約15.6兆円・Forbes 17位）の読書ルールが4つあるそうだ (1)深い集中 - メモを取りながら内容を徹底的に考える (2)始めた本は必ず読了する「途中でやめることは絶対にしない。たとえ嫌いな本でも」 (3)嫌いな本ほどメモに時間をかける - 好きな本より長い時間を費やすことすらある (4)紙の本で1時間以上のまとまった時間を確保する 年間約50冊（週1冊ペース）を読破し、読書速度は1時間に約150ページ、しかも理解度90%を維持するという さらに毎年「Think Week（考える週間）」と呼ぶ1週間を設け、フッド運河沿いの別荘にこもり書籍と論文だけを読み続ける ゲイツは「学ぶことをやめた時に老い始める。すべての本が何か新しいことを教えてくれるか、物事の見方を変えてくれる」と語る 先日のJPMorgan調査でも億万長者の成功習慣1位は「読書」だった 読書にかけるお金と時間こそ、最もリターンの高い投資なのかもしれない

파인만 기법 (feat. 설명 못 하면 모르는 거다) 공부했는데 왜 설명은 못 할까. 분명히 읽었고, 밑줄도 그었고, 심지어 형광펜 색깔까지 구분했는데. 누가 "그거 뭔 뜻이야?"라고 물으면 갑자기 머릿속이 하얘진다. 익숙한 경험이라면, 파인만 기법을 한번 써볼 만하다. 방법은 단순하다. 배운 내용을 여덟 살 아이에게 설명해보는 것이다. 진짜 아이가 없어도 된다. 상상 속 아이한테 혼자 중얼거려도 충분하다. 단, 규칙이 하나 있다. 어려운 말은 쓰면 안 된다. "시너지", "패러다임", "엔트로피" 같은 단어는 전부 압수다. 쉬운 말로 바꾸려는 순간, 자기가 사실 뭘 모르는지 바로 티가 난다. 막히는 지점이 나왔다면 잘 되고 있는 거다. 그 부분만 다시 파고들면 된다. 전체를 처음부터 다시 읽을 필요 없다. 구멍 난 곳만 때우면 된다. 설명이 자연스럽게 흘러갈 때까지 이 과정을 반복한다. 거기에 비유까지 들 수 있다면 완성이다. 복잡한 개념을 일상의 말로 빗댈 수 있다는 건, 그 개념이 진짜로 머릿속에 자리 잡았다는 신호다. 요약하면 이렇다. 읽는 것만으로는 안다고 착각하기 쉽다. 설명하는 순간 착각이 깨진다. 그러니 공부한 다음엔 책을 덮고, 한번 말해보자. 아무도 없어도 괜찮다. 고양이한테 설명해도 된다.

오늘 핫한 LLM Wiki 쉽게 설명해드림 @karpathy 형님이 제안한 LLM Wiki가 하루만에 조회수 350만이 넘을 정도로 엄청난 인기를 얻고 있슴다 LLM Wiki가 무엇이길래 이렇게 큰 관심을 받는건지 쉽게 알려드리겠슴다!

Andrej Karpathy @karpathy

7 months ago

Wow, this tweet went very viral! I wanted share a possibly slightly improved version of the tweet in an "idea file". The idea of the idea file is that in this era of LLM agents, there is less of a point/need of sharing the specific code/app, you just share the idea, then the

1K 3K 27K 7.3M 46K

OpenAI 출신 안드레 카파시가 LLM으로 개인 지식베이스를 구축할 수 있는 LLM Wiki를 공개했습니다. 방법은 간단합니다 프롬프트를 사용하고 계신 LLM 지침에 추가만 해주세요. 무엇이 달라질까요 ? AS-IS : 매번 필요한 정보를 부분적으로 잘라서 가져옴 TO-BE : 내 개인 지식의 wiki 를 LLM이 직접 생성/관리 4-step 포인트 - index.md 로 지식 목차 관리 - 정보가 많아지면 스스로 .md 파일을 생성 - 질문에 필요한 .md만 참조 - 서로 참조를 걸어 위키피디아(wikipedia)처럼 관리

Andrej Karpathy @karpathy

7 months ago

LLM Knowledge Bases Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating

3K 7K 61K 22.0M 109K

📚 개인화 지식 베이스의 미래는 어딜까나 에이전트를 위한 개인용 위키.. file-over-app.. Farza가 공개한 'Farzapedia'는 LLM이 개인의 방대한 기록(일기, 메모, 메시지 등)을 스스로 정리하여 에이전트 전용 위키로 구축한 인상적인 사례네요. 이건 단순히 나를 위한 기록을 넘어, 나의 에이전트가 나를 더 잘 이해하게 만드는 기반이 될거구요. 에이전트를 위한 지식 설계 - 먼저 데이터 가공. 2,500개의 일기, 메모, 메시지를 LLM에 입력하여 친구, 스타트업, 연구 분야 등 400여 개의 상세 아티클로 변환. - 구조적으로 탐색하자. 에이전트가 index.md (=카탈로그) 에서 시작해 필요한 문서를 직접 타고 들어가는 구조. 기존 RAG 보다 훨씬 정확하고 깊이 있는 컨텍스트 파악이 가능함. - 놀라운 업데이트. 새로운 메모나 영감을 추가하면 시스템이 스스로 기존 아티클을 업데이트하거나 새로운 연결 고리를 만들어냄. ↓ Karpathy's Commentary.. 카파시는 이 접근법이 기존 AI 서비스들의 불투명한 개인화 방식보다 훨씬 강력하다고 얘기하네요. 1. 명시성 - 지식의 실체가 위키 파일 형태로 존재하여 눈으로 직접 확인할 수 있음. - AI가 무엇을 알고 모르는지 명확히 파악하고 관리할 수 있는 투명한 메모리 아티팩트. 2. 데이터 소유권 - 데이터가 특정 기업의 서버가 아닌 사용자의 로컬 컴퓨터에 존재함. - 자신의 정보를 스스로 완벽하게 통제할 수 있는 구조. 3. 파일 중심 철학 - 마크다운이나 이미지 같은 범용 포맷을 사용하여 도구 간 상호운용성이 뛰어남. - 에이전트가 Unix 툴킷을 활용해 데이터를 처리할 수 있고, Obsidian 같은 도구로 직접 열람하거나 직접 만든 코드로 자유롭게 가공 가능. 4. AI 선택의 자유 - Claude, OpenCode 등 사용자가 원하는 어떤 AI 모델이든 이 지식 베이스에 연결할 수 있음. - 장기적으로는 이 위키 데이터를 활용해 오픈소스 AI를 파인튜닝함으로써, AI의 가중치 자체에 나의 지식을 내재화할 수도 있음. ↓ 에이전트 숙련도에 대한 얘기는 계속 나오고 있죠. 작년하고 또 달려요. 복잡한 시스템을 관리하는 것이 번거로울 수 있지만, 에이전트가 이 과정을 돕는다면 그 진입 장벽은 비약적으로 낮아지겠죠. 나만의 지식 체계를 파일로 관리하고 AI를 그 위에 얹는 것.. 어제 얘기한 Obsidian Mind 도 비슷한 맥락이라고 봐요.

keyboard_arrow_left Previous keyboard_arrow_right Next

Andrej Karpathy @karpathy

7 months ago

Farzapedia, personal wikipedia of Farza, good example following my Wiki LLM tweet. I really like this approach to personalization in a number of ways, compared to "status quo" of an AI that allegedly gets better the more you use it or something: 1. Explicit. The memory artifact

473 825 9K 1.5M 13K

AI SaaS, 생각보다 돈 많이 안 듭니다. 제가 실제로 쓰는 조합은 이렇습니다. 1. Claude — 코딩, 월 20달러 2. Supabase 또는 Convex — 백엔드, 무료 3. Vercel — 배포, 무료 4. Stripe — 결제, 거래당 2.9% 5. GitHub — 버전 관리, 무료 6. Resend — 이메일, 무료 7. Cloudflare — DNS, 무료 8. PostHog — 분석, 무료 9. Sentry — 에러 추적, 무료 10. Upstash — Redis, 무료 11. Pinecone — 벡터 DB, 무료 처음부터 큰 돈 들이지 않아도, 일단 만들고 검증하는 데는 충분합니다

하버드 심리학자의 글 중 와닿는 내용 “25세가 될 때까지 이룬 것이 없다면, 가장 큰 환상 중 하나에서 벗어난 것이다.” 이유는, • 20대엔 자신의 가치를 증명하기 위해 타인의 인정만을 갈구하게 되고, ‘조급함’ 때문에 타인이 정해놓은 길을 가곤 함. • 지금 ‘뒤처졌다’는 느낌은 ‘실패’가 아닌, 다른 사람들이 놓친 것을 얻고 더 나은 결정으로 이어진다는 것. (나만의 관점, 인내심, 무엇이 중요한지에 대한 명확한 기준) 강의의 마지막 메시지: “25살에 인생을 완벽히 이해해야 하는 것은 아니다. 여러분은 자신이 아닌 사람을 발견하도록 되어있다.”

Deep Psychology @DeepPsycho_HQ

7 months ago

A HARVARD psychologist says: “if you’ve achieved nothing by 25, you’ve avoided the most destructive illusion of youth” > In 2021, a Harvard psychologist surprised a lecture hall with an unexpected statement: “If you haven’t accomplished much by 25, you may have escaped one of

410 4K 28K 3.9M 17K

코넬 노트법은 단순 필기를 개념 내면화 도구로 바꿔주는 시스템임. 노트를 세 구역으로 나눠서 오른쪽 큰 칸에는 강의나 교과서 내용을 적고 왼쪽 좁은 칸에는 핵심 키워드와 질문을 적고 아래 요약 칸에 전체 내용을 한두 줄로 정리하는 방식임. 코넬 대학교 연구에 따르면 이 방법으로 공부한 학생은 단순 필기 대비 학습 효율이 30% 이상 향상됐음.

펭귄 @babybluecream

a year ago

오 진짜 아이비리그 공부법인가요 누나들이 이뻐서 5번 봤네요 일단 오른쪽에 내용 적고 왼쪽에는 트리거 키워드를 뽑아 색인 및 내용 핵심 뽑기 하단에는 내용에 대한 요약으로 스토리 암기 후 다시 상기 저도 해봐야겠습니다

0 42 134 113K 142

"AI 시대에 어떻게 글을 쓰며 살아남아야 할까" 하버드 교수 한 명이 책 9권을 쓰고, 40년간 인간의 뇌 속에서 언어가 어떻게 작동하는지를 연구했습니다. 그가 글쓰기에 대해 한 마스터클래스는 제가 본 것 중 가장 중요한 것이었습니다. 스티븐 핑커.. 그는 하나의 질문으로 시작했죠. 왜 이렇게 많은 글이 끔찍한가...? 학술 글쓰기뿐만이 아닙니다. 기업 문서, 정부 문서, 심지어 대부분의 블로그 글까지. 그의 대답은 노력이나 지능과는 아무 상관이 없었습니다. 그는 이것을 '지식의 저주'라고 불렀습니다. 무언가를 깊이 이해하는 순간, 그것을 모르던 느낌이 어땠는지를 기억하는 능력을 잃어버린다는 것. 자신의 사각지대가 공통된 상식처럼 느껴지기 때문에, 그 사각지대 자체를 보지 못하게 됩니다. 그는 TED 행사에서 400명의 청중 앞에 선 한 분자생물학자의 사례를 들었어요. 그 과학자는 자신이 풀고 있는 문제가 무엇인지, 왜 누군가가 관심을 가져야 하는지를 한 번도 설명하지 않은 채 곧바로 전문 용어로 돌진했습니다. 그 생물학자는 자신에게 그런 일이 일어나고 있다는 것조차 몰랐습니다. 바로 이것이 저주입니다. 그 다음에 핑커가 한 말을 저는 아직도 생각하고 있습니다. 나쁜 글쓰기는 성격 결함이 아닙니다. 공감의 실패입니다. 더 열심히 노력한다고 해서 독자의 머릿속에 들어갈 수 없습니다. 실제 사람을 찾아서 그 사람이 당신의 글을 실시간으로 읽는 모습을 지켜봐야 합니다. 핑커는 자신의 초고를 어머니에게 보여줬습니다. 어머니가 교양이 없어서가 아닙니다. 어머니는 인지심리학자가 아니었기 때문입니다. 똑똑하고, 책을 많이 읽지만, 핑커의 세계 완전히 바깥에 있는 사람.. 어머니가 글의 흐름을 놓치면, 핑커는 무언가가 잘못되었다는 걸 알 수 있었습니다. 두 번째로 그가 한 말은 제가 문장을 쓰는 방식 자체를 바꿔놓았습니다. 언어는 배달 시스템이지, 목적지가 아닙니다. 독자가 실제로 이해하는 것은 단어가 아닙니다. 그 단어가 불러일으켜야 할 이미지, 감각, 구체적인 것입니다. 독자가 그것을 그릴 수 없다면, 이해한 것이 아닙니다. 그가 물었습니다. 패러다임이 뭔가요? 프레임워크는 어떻게 생겼나요? 컨셉은 무슨 색인가요? 아무도 대답하지 못했습니다. 추상적인 단어는 마음의 눈에 아무것도 만들어내지 못하기 때문이죠. 2세기 전의 작가들이 오늘날에도 여전히 생생하게 느껴지는 이유가 있습니다. 그들은 숨을 추상어가 없었기에 시각적으로 사고할 수밖에 없었습니다. '공격성' 대신 '매의 영혼이 우리의 살을 찢었다'고 써야 했습니다. 이미지가 전문 용어가 하지 못하는 일을 해냈습니다. 세 번째로 그가 말한 것은 대부분의 사람들이 완전히 무시하는 것이었습니다. 간결함은 단어 수에 관한 것이 아닙니다. 독자를 더 힘들게 만들면서도 그에 대한 보상을 주지 않는 모든 단어를 제거하는 것에 관한 것입니다. 그는 40년간 외우고 있던 한 문장을 인용했습니다. "Omit needless words." (불필요한 단어는 빼세요) 세 단어. 그 자체로 예시인 지침. 그가 글쓰기에서 겪은 최고의 경험은 800단어 제한을 주고 절대 양보하지 않는 편집자들이었다고 합니다. 그 제약은 언제나 글을 개선시켰습니다. 언제나. 지식의 저주는 실재합니다. 해결책은 단순하지만, 대부분의 사람들은 하지 않습니다. 당신의 세계 바깥에 있는 사람 한 명을 찾으세요. 당신이 쓴 글을 보여주세요. 페이지가 아니라 그 사람의 표정을 지켜보세요. Harvard Professor Explains The Rules of Writing — Steven Pinker youtube.com/watch?v=nBQPnv…

keyboard_arrow_left Previous keyboard_arrow_right Next

Ihtesham Ali @ihteshamali

7 months ago

A Harvard professor who has written 9 books and spent 40 years studying how language works inside the human brain just gave the most important writing masterclass I've ever seen. Here's what he said that broke my entire understanding of writing. Steven Pinker, the professor,

59 608 3K 478K 3K

우리가 대학을 목숨 걸고 가려 했던 진짜 이유 수능 점수를 받는 순간, 많은 사람들은 직감적으로 안다. 이건 취업 시험이 아니라는 걸. 우리 들이 좋은 대학에 가려는 욕망의 진짜 정체는 따로 있다. 인간은 환경의 동물이다. 우리가 어떤 공간에 있느냐, 누구와 밥을 먹느냐, 어떤 대화를 일상으로 삼느냐가 그 사람이 무엇을 당연하게 여기는지를 결정한다. 동기들이 삼성 공채를 목표로 삼는 환경과, 창업을 진지하게 이야기하는 환경은 같은 스물두 살이라도 전혀 다른 인간을 만든다. 짐 론의 말이 괜히 이렇게 오래 살아남은 게 아니다. "당신은 가장 많은 시간을 보내는 다섯 명의 평균이다." 좋은 대학을 향한 욕망의 본질은 그 다섯 명을 바꾸고 싶다는 충동이다. 더 좋은 주변을 원하는 것. 더 자극적인 환경에 던져지고 싶은 것. 그 환경은 졸업 후에도 작동한다. 대기업 임원 라인에서 SKY 출신의 비율이 높은 건 단순히 그들이 더 똑똑해서가 아니다. 같은 공간에서 같은 언어로 자란 사람들끼리 연결고리가 생기는 것이다. 네트워크는 졸업장이 아니라 공유된 경험에서 나온다. 문제는 우리들은 이게 이미 끝난 게임처럼 느껴진다는 것이다. 수능이 끝난 사람에게 환경을 바꾸라는 말은 공허하게 들린다. 지금 당장 좋은 대학 동기들을 얻을 방법이 없다. 비싼 네트워크 행사에 나갈 돈도 없고, 유명 멘토를 만날 기회도 없다. 과거에 늦은 사람에게 환경을 바꾸라는 조언은 사실상 조롱이다. 그런데 딱 하나의 예외가 있다. 그것은 바로 독서다. 책은 인류가 발명한 유일한 타임머신이자 네트워크 확장 도구다. 워런 버핏은 하루 5~6시간을 책과 문서를 읽으며 보낸다고 직접 말했다. 빌 게이츠는 연간 50권을 읽고, 자신의 독서 목록을 공개한다. 이 사람들이 책을 읽은 건 취미가 아니다. 그들은 책을 통해 자신이 직접 경험할 수 없는 세계를 시뮬레이션했다. 한 번도 창업해보지 않은 채 수십 명의 창업 실패를 간접 경험했고, 전쟁터에 가보지 않고 리더십의 본질을 이해했다. 삶을 망가뜨리는 결정의 패턴을 남의 일로 먼저 겪었다. 심리학과 신경과학은 이 효과를 이미 검증했다. PubMed에 등록된 연구(PMC4733342)는 독서가 마음 이론, 즉 타인의 감정과 의도를 읽는 능력을 실제로 향상시킨다고 보고한다. 뇌는 소설 속 주인공의 경험을 직접 경험과 유사하게 처리한다. 책을 읽는 행위는 인생을 시뮬레이션하는 행위다. 여기서 이 글의 핵심이 나온다. 독서는 내가 내 환경을 직접 설계하는 유일한 방법이다. 이미 입시가 끝났어도, 이미 좋은 대학에 가지 못했어도, 이미 나이가 들었어도 책 한 권을 펴는 순간 당신은 세계 최고의 경영자, 역사상 가장 냉철한 전략가, 수십 년을 투자로 단련된 고수와 같은 공간에 있게 된다. 그들이 어떻게 생각했는지를 그들의 언어로 직접 받는다. 이건 비유가 아니다. 기능적으로 그렇다. 환경을 바꿀 돈도, 인맥도, 기회도 없을 때 책은 당신이 들어갈 수 있는 유일한 다른 세계다. 그래서 늦었다고 느끼는 사람에게 독서는 선택이 아니다. 그것은 지금 당신이 쓸 수 있는 가장 저렴하고 가장 강력한 환경 설계 도구다. 한국 성인의 57%가 1년에 종이책 한 권도 읽지 않는다(문화체육관광부, 2023년 국민 독서실태조사). 그 57% 안에 있느냐 밖에 있느냐는 생각보다 많은 것을 결정한다. 대학을 좋은 곳으로 가야 했던 이유가 환경이었다면, 지금 그 환경을 만드는 건 책장을 여는 것부터 시작된다. 오늘부터 당장 한페이지라도 읽어 보시는 것은 어떨까요? 독서 시리즈 3부작 끗

Cognac(꼬냑) @supernovajunn

7 months ago

세계에서 가장 바쁜 사람들이 왜 가장 많이 읽는가 일론 머스크, 젠슨 황, 마크 저커버그, 제프 베조스. 이 네 명의 공통점을 하나만 꼽으라면, 많은 사람들이 "천재"를 떠올립니다. 하지만 그들을 가장 오래 지켜봐 온 사람들이 꼽는 공통점은 따로 있습니다. 전부 각자의 분야의 전문가인데, 전부

32 236 782 120K 433

AI가 모든 걸 알고 있는 시대에, 왜 당신은 여전히 책을 읽어야 하는가 지난달 세계 최고의 투자자 중 한 명인 하워드 막스가 AI 앞에서 신세계를 경험했습니다. 막스는 원래 AI 회의론자였습니다. 오크트리 캐피탈을 운영하며 수십 년간 쌓아온 투자 철학에 AI 따위가 끼어들 자리는 없다고 생각했습니다. 그러다 클로드와 직접 대화를 나눴고, AI가 그에게 이렇게 말했습니다. "하워드, 투자에 대해 당신이 아는 모든 것은 다른 사람들로부터 왔습니다. 벤저민 그레이엄은 안전마진을 가르쳤고, 버핏은 품질을 가르쳤고, 찰리 멍거는 여러 분야의 멘탈 모델을 가르쳤습니다. 당신은 50년 동안 수천 권의 책과 메모와 케이스 스터디를 읽었습니다. 질문은 인풋이 어디서 왔는가가 아닙니다. 그 시스템이 진정으로 새롭고 유용한 방식으로 그것들을 결합할 수 있는가입니다." 막스는 이 대화를 오크트리 캐피탈 공식 메모에 그대로 인용했습니다. 그리고 AI를 단순한 도구가 아닌 전혀 다른 무언가로 다시 보기 시작했다고 썼습니다. 그런데 저는 이 에피소드에서 완전히 다른 맥락을 읽었습니다. AI가 저 말을 할 수 있었던 이유는 무엇일까요? AI는 패턴 인식 기계입니다. 인간은 패턴 창조 기계입니다. AI는 인류가 쓴 모든 텍스트를 학습했습니다. GPT-4를 훈련시키는 데 약 1억 달러가 들었고, 아모데이는 미래 모델의 훈련 비용이 수십억 달러에서 최대 100억 달러 이상까지 올라갈 수 있다고 예측했습니다. 이 모델들은 인터넷에 존재하는 거의 모든 지식을 알고 있습니다. 워런 버핏의 주주 서한 전부, 찰리 멍거의 모든 인터뷰, 하워드 막스의 메모 전집. 그러면 이제 우리는 책을 읽을 필요가 없는 것일까요? 정반대입니다. 지금이야말로 책을 읽어야 하는 이유가 가장 명확해진 시대입니다. 단, 이유가 달라졌습니다. 예전에는 책을 읽어서 '정보'를 얻었습니다. 이제 정보는 공짜입니다. GPT에 물어보면 됩니다. 그 정보의 가치는 0에 수렴하고 있습니다. 지금 책을 읽어야 하는 이유는 단 하나입니다. 맥락과 맥락을 연결하는 뇌의 회로를 만들기 위해서. 뇌과학이 말하는 것 신경과학 연구들은 일관된 결과를 보여줍니다. 뇌는 새로운 정보를 받아들일 때마다 기존 신경망과 연결을 시도합니다. 이것을 시냅스 가소성이라고 합니다. 연구자들은 이 신경가소성이 단순 자극 반복이 아니라 맥락이 있는 깊은 독서를 통해 더 강하게 강화된다는 것을 일관되게 확인해왔습니다. 쉽게 말하면 이렇습니다. 유튜브 쇼츠로 경제학을 배우면 정보는 들어오지만 회로가 안 만들어집니다. 뇌가 다음 자극을 기다리며 처리를 중단하기 때문입니다. 하지만 책 한 권을 끝까지 읽으면 뇌는 앞의 내용과 뒤의 내용을 계속 연결하려 합니다. 이 과정에서 새로운 신경 연결이 생깁니다. 이게 바로 '인사이트'의 물리적 기반입니다. AI는 이 회로를 만들어주지 않습니다. AI는 당신이 질문한 것에 답할 뿐입니다. 질문을 만드는 능력은 당신이 쌓아온 맥락에서 나옵니다. 아래 네 사람의 공통점을 찾을 수 있나요? 워런 버핏은 하루 5~6시간을 독서에 씁니다. 투자 경력 내내 하루 500페이지를 읽는다고 직접 말해왔습니다. 그는 자신의 성공을 독서 습관 덕분이라고 직접 말합니다. 일론 머스크는 로켓 공학을 독학했습니다. 항공우주공학 학위 없이 SpaceX를 만들기 전, 그는 Rocket Propulsion Elements, Fundamentals of Astrodynamics 등 교과서를 직접 읽으며 전문가들에게 검증받았습니다. 전 SpaceX 임원이 직접 확인한 사실입니다. 하워드 막스는 50년간 수천 권의 책과 케이스 스터디를 읽었습니다. 그리고 그 원재료에서 자신만의 투자 철학 '세컨드 레벨 씽킹'을 만들어냈습니다. 제프 베조스는 핵심 비즈니스 결정들을 소설에서 영향받았다고 말합니다. 그는 특히 The Remains of the Day(가즈오 이시구로)를 읽고 "regret minimization framework"를 만들었습니다. "80살이 됐을 때 후회할 일을 하지 마라"는 그의 유명한 의사결정 원칙의 출처가 소설입니다. 이 네 사람의 공통점은 단순히 많이 읽은 것이 아닙니다. 서로 다른 분야의 책을 읽고, 그 맥락들을 연결해서 새로운 것을 만들었다는 겁니다. 버핏은 심리학 책에서 투자 원칙을 뽑아냈고, 머스크는 SF 소설에서 인류의 미래를 설계했고, 베조스는 소설에서 경영 철학을 꺼냈습니다. 그러면 우리는 한가지 질문을 또 해볼 수 있습니다. 어떤 책이 나에게 도움이 될지 어떻게 아는가? 이게 사실 제일 어려운 질문입니다. 답은 하나입니다. 지금 당신이 가장 헷갈리는 것, 결론이 안 나는 것을 찾아보는 겁니다. 투자 결정이 어렵다면 심리학 책을 읽어야 합니다. 기술 변화가 무섭다면 역사책을 읽어야 합니다. 사람 관계가 힘들다면 인류학 책을 읽어야 합니다. 당신이 지금 풀고 싶은 문제와 가장 먼 분야의 책이 오히려 더 강한 연결을 만들어냅니다. 찰리 멍거는 이것을 "격자 모형 사고"라고 불렀습니다. 경제학, 심리학, 물리학, 진화생물학, 역사학에서 각각 뽑아낸 핵심 원리들을 하나의 격자에 엮어두면, 어떤 상황에서도 그 격자를 통해 판단할 수 있다는 겁니다. 이 격자는 읽기에서 만들어집니다. 단, 한 분야만 파면 격자가 아니라 직선이 됩니다. AI 시대의 우리는 다르게 읽어야 합니다 정보를 얻기 위해 책을 읽는 시대는 끝났습니다. 이제 책을 읽는 이유는 두 가지입니다. 첫째, 좋은 질문을 만들기 위해서. AI에게 얕은 질문을 하면 얕은 답이 나옵니다. 깊은 맥락을 가진 사람이 깊은 질문을 만듭니다. 독서는 질문의 품질을 높이는 유일한 방법입니다. 둘째, 연결을 만들기 위해서. AI는 당신이 요청한 두 개념을 연결할 수 있습니다. 하지만 당신이 요청하지 않은 연결, 당신 인생의 경험과 책 속의 아이디어 사이의 연결, 이것은 당신의 뇌만 만들 수 있습니다. 이것이 창조입니다. 하워드 막스에게 클로드가 말했습니다. "당신의 모든 인풋은 다른 사람에게서 왔다"고. 그 말은 맞습니다. 하지만 AI가 말하지 않은 것이 있습니다. 막스가 50년 동안 책을 읽으며 만들어낸 연결들, 그의 삶의 경험과 그가 읽은 수천 권이 교차하면서 생긴 독특한 회로들, 그것은 어느 데이터셋에도 없습니다. 그건 하워드 막스만의 것입니다. 당신이 읽는 책도 마찬가지입니다. 지식은 공짜가 됐습니다. 하지만 그 지식이 당신의 경험과 만나 만들어내는 연결은 세상에 하나뿐입니다. 그것이 AI가 절대 복제할 수 없는 당신의 경쟁력입니다. 그래서 읽어야 합니다. 저도 오늘 이 포스트를 쓰고 책 읽으러 가야겠습니다

Closer_o @Keymong368774

7 months ago

동네 도서관 문구. 집 근처 공립 도서관에 있는 문구.📷 "책이라도 읽고 가세요" 아래 작은 글씨로 <독서는 해롭지 않습니다.> 책 살균 소독기 옆에 붙어있는 문구였당.😅

9 22 97 47K 12

MIT 연구결과: AI 시대에 가장 비싸질 '단 하나의 능력' (그리고 우리가 잃고 있는 것) 챗GPT를 넘어 수많은 AI 도구들을 사용하는 우리가 생각해보면 좋은 내용이여서 공유합니다. 148만 구독자를 보유한 실리콘밸리 걸(Silicon Valley Girl)이 MIT 교수이자 AI 안전 분야 최고 권위자인 맥스 테그마크(Max Tegmark)와 인터뷰한 내용인데, 이 시대에 AI를 실무에 한 번이라도 써보신 분들이라면 정신이 번쩍 들 내용이어서 핵심만 추려드립니다. . . . (아래 이어서)

😱 시험장에서 “아... 다 외웠는데?” 하면서 백지 되는 순간... 미국 워싱턴대가 사람들 뇌를 실험한 결과가 나왔습니다. 일주일 뒤 기억이 52%나 증발한 그룹 vs 고작 14%만 증발한 그룹 그런데 더 충격적인 건... 책을 4번이나 죽어라 읽은 학생들이 겨우 1번 읽은 학생들한테 완패했다는 거예요. “열심히 했는데 왜?” 그 이유를 알게 된 순간, 지금까지 공부한 방식이 완전히 잘못됐다는 걸 깨달았습니다. 읽기는 그냥 ‘받기’일 뿐이에요. 눈으로 훑는 순간 뇌는 정보를 슬쩍 흘려보내 버리거든요. 그래서 아무리 밤새 다섯 번 읽어도 “익숙하다”는 착각만 생길 뿐 진짜 기억은 안 돼요. 진짜 마법은 여기서 시작돼요. 책을 딱 덮고 “이 내용 뭐였지?” 스스로 물어보는 순간. 뇌가 직접 헤매고, 틀리고, 애써 끄집어내는 그 고생이 뉴런을 물리적으로 단단하게 연결시켜버립니다. 결과? 망각률이 4분의 1로 뚝 떨어져요. 시험 전날 밤새 읽기만 하는 대신 한 번 읽고 → 바로 책 덮고 → 떠올려보세요. 틀려도 되고, 답답해도 됩니다. 그 과정이 진짜 기억을 만드는 비밀입니다. “머리가 나빠서가 아니라, 방법이 틀려서였구나...” 이 한 줄 때문에 공부 인생이 바뀔 수도 있어요.

keyboard_arrow_left Previous keyboard_arrow_right Next

파인만 학습법ㅣ260314 1. 파인만 학습법은 노벨 물리학상 수상자 리처드 파인만이 직접 고안한 학습 방법론임. 단순히 내용을 외우는 게 아니라, 진짜로 이해했는지 스스로 검증하는 과정이 핵심임. 이 기법의 전제는 딱 하나인데, "어린아이에게 설명할 수 없다면 아직 제대로 이해한 게 아님"이라는 원칙임. 2. 첫 번째 단계는 배우고 싶은 주제를 하나 고르는 것임. 너무 광범위한 주제보다는 구체적인 개념 하나를 잡는 게 훨씬 효율적임. 예를 들어 "물리학"이 아니라 "중력이란 무엇인가"처럼 좁고 명확하게 잡아야 나중에 설명할 때 방향이 흔들리지 않음. 3. 주제를 정했으면 그에 대해 현재 알고 있는 것을 백지에 전부 적어보는 게 좋음. 교재나 메모를 보지 않고 떠오르는 대로 쓰는 게 포인트임. 이 과정에서 실제로 내가 얼마나 알고 있는지, 그리고 어디서 막히는지가 자연스럽게 드러남. 4. 다음으로는 그 내용을 12살짜리 아이나 해당 분야를 전혀 모르는 사람에게 설명한다고 가정하고 써보는 것임. 전문 용어를 일부러 배제하고, 비유나 일상적인 언어만 사용해서 설명해야 함. 파인만은 복잡한 용어를 쓰는 건 사실 그 개념을 제대로 모르기 때문이라고 직접 말한 바 있음. 5. 이 과정에서 막히거나 설명이 뭉개지는 부분이 반드시 생기게 되는데, 바로 그 지점이 내가 진짜로 모르는 부분임. 그냥 넘어가는 게 아니라 그 부분을 따로 표시해두는 게 중요함. 지식의 빈틈을 직접 확인하는 이 단계야말로 파인만 기법의 가장 큰 강점 중 하나임. 6. 빈틈을 파악했으면 다시 원본 자료로 돌아가서 그 부분만 집중적으로 다시 읽는 것임. 처음부터 전체를 다시 읽는 게 아니라, 막혔던 지점에 초점을 맞추는 방식이라 시간 낭비가 없음. 이 재학습이 끝나면 또다시 설명을 시도해보는 루프를 반복하게 됨. 7. 설명이 어느 정도 완성되면 그 내용을 더 단순하고 간결하게 다듬는 작업이 필요함. 좋은 비유를 찾아내는 것도 이 단계에서 이루어짐. 비유는 어려운 개념을 익숙한 경험에 연결시켜주기 때문에 이해와 기억 모두에 강력한 도움이 됨. 8. 이 4단계 사이클은 한 번에 끝나는 게 아니라 주제를 완전히 이해할 때까지 반복하는 구조임. 한 바퀴를 돌 때마다 이해의 깊이가 확실히 달라지고, 설명도 점점 명확해짐. 성장 마인드셋을 갖고 반복할수록 효과가 더 두드러지는 구조임. 9. 최근에는 AI를 접목한 파인만 학습법도 등장했음. AI가 실시간으로 설명의 명확성을 분석하고 이해 부족 영역을 감지해주는 도구들이 나오고 있음. 이 방식은 기존의 혼자 하는 학습보다 피드백 속도가 훨씬 빠르고, 24시간 언제든 상호작용이 가능하다는 점에서 주목받고 있음. 10. 파인만 학습법의 진짜 힘은 수동적 암기가 아닌 능동적 이해에 있음. 수십 번 읽는 것보다 한 번 설명해보는 게 훨씬 깊은 학습 효과를 만들어내는데, 이는 뇌에 새로운 신경 연결을 형성하기 때문임. 과학부터 철학까지 어떤 분야든 적용 가능한 이 기법은, 결국 "설명할 수 있어야 안다"는 단순한 진리를 체계적인 방법론으로 만든 것임.

펭귄 @babybluecream

10 months ago

파인만 학습법 🍋‍🟩 “이해해라. 외우지 마라. 공식을 외우지 말고 원리를 배워라” 파인만이 말한 “이해해라. 외우지 마라. 공식을 외우지 말고 원리를 배워라”는 건, 공부를 암기 게임이 아니라 ‘세상이 어떻게 돌아가는지 구조를 파악하는 과정’으로 보라는 주문임. 공식을 통째로 집어넣는 방식은

1 26 86 172K 99

💭 "읽은 모든 것을 기억하는 방법" (MIT) > 인지과학이 알려주는 10가지 원칙 MIT 연구소에서 제공한 이 가이드는 독서 효율과 장기 기억력을 극대화하기 위한 체계적인 내용을 담고 있어요. 이런 내용 중에서 10가지를 기록해봅니다. 1. 수동적 독서는 착각입니다. 눈으로 텍스트를 훑는 것만으로는 뇌에 정보가 남지 않아요. 밑줄을 긋고, 질문을 만들고, 자신의 언어로 다시 써보는 능동적 개입이 있어야 비로소 '읽은 것'이 됩니다. ↓ 2. 읽기 전에 먼저 훑어보세요. 목차와 소제목을 5~10분 미리 살펴보면 뇌가 새로운 정보를 담을 '틀'을 먼저 준비할 수 있어요. 큰 그림 없이 세부 내용부터 파고드는 것은, 지도 없이 낯선 도시를 걷는 것과 같죠. ↓ 3. 소제목을 질문으로 바꿔 읽으세요. "X란 무엇인가?", "왜 Y가 중요한가?"처럼 질문을 만든 후 답을 찾듯 읽으면 집중력과 기억 형성률이 눈에 띄게 높아집니다. 독서가 탐색이 될 때, 뇌는 훨씬 더 열심히 일하게 됩니다! ↓ 4. 망각은 버그가 아니라 뇌의 기본 설계입니다. 에빙하우스의 망각 곡선에 따르면 새로운 정보의 70~80%는 24시간 안에 사라진다고 해요. 이걸 막는 가장 효과적인 방법은 배운 당일 저녁 10분, 핵심 내용을 다시 한번 떠올려 보는 것.. ↓ 5. 간격 반복은 기억의 가장 강력한 무기예요. Spaced Repetition.. 벼락치기는 시험 다음 날 대부분 증발하지만, 잊혀질 타이밍에 맞춰 복습하면 기억이 점점 더 단단하게 굳어지죠. Anki 같은 도구가 이 타이밍을 자동으로 계산해줄 수 있어요. ↓ 6. 다시 읽는 것보다 스스로 떠올리는 것이 훨씬 효과적! 수동적 복습 대비 능동적 회상은 장기 기억률을 약 50% 높인다는 연구 결과가 있습니다. 책을 덮고 방금 읽은 내용을 빈 종이에 적어보는 것, 그것이 진짜 복습입니다. ↓ 7. 파인만 테크닉은 이해의 거울. 어떤 개념을 전문 용어 없이 12살 아이에게 설명할 수 있다면 진짜로 이해한 것입니다. 막히는 부분이 바로 내가 아직 모르는 부분이고, 그곳이 다시 공부해야 할 정확한 지점이라고 봐요. ↓ 8. 수면은 선택이 아니라 기억 형성의 핵심 과정! 뇌는 수면 중 낮에 학습한 내용을 장기 기억으로 통합해요. 밤새워 공부한 내용이 오히려 잘 기억나지 않는 이유가 여기에 있습니다. 좋은 수면은 가장 저렴하고 확실한 기억력 향상법입니다. ↓ 9. 지식은 연결될 때 비로소 살아납니다. 제텔카스텐(Zettelkasten) 같은 지식관리/노트테이킹 방법론 같이 새로운 아이디어를 기존 지식과 링크하는 습관은 단순 암기와 달리 응용 가능한 이해를 만들어내요. 노트 간 연결이 많아질수록, 새로운 인사이트가 저절로 떠오르는 순간도 늘어납니다. ↓ 10. 진짜 학습의 기준은 '1개월 후에도 기억하는가'.. 오늘 이해한 느낌이 아니라, 한 달 뒤에도 설명할 수 있는지가 척도입니다. 이 기준을 마음에 두면 자연스럽게 간격 반복, 능동 회상, 파인만 테크닉 같은 깊은 학습 습관이 따라옵니다. 결국 기억력은 재능이 아니라 시스템의 문제!

MIT CSAIL @MIT_CSAIL

8 months ago

A guide to remembering everything you read: bit.ly/4rxUHIr v/@CuriousMindsHub

28 1K 6K 496K 9K

🤖 나의 AI 수석 비서, Claude Code > "아침마다 자료 정리하느라 30분씩 날리고 있나요?" Jim Prosser는 테크 커뮤니케이션, 미디어 전략 컨설팅 분야에서 최고의 전문가예요. 코딩 경험이 전혀 없는 43세 커뮤니케이션 컨설턴트가 36시간 만에 자신만의 AI 비서 시스템을 만들었다는 이야기입니다. 단순한 챗봇이 아닙니다. 그가 만든 건 일정, 이메일, 할 일, 고객 파일까지 스스로 처리하는 'Chief of Staff' 수준의 시스템이에요. 그것도 Claude Code 하나로 말이죠. ↓ 매일 아침 6시 15분, 그가 일어나기도 전에 두 가지 프로세스가 자동으로 실행됩니다. 첫 번째는 Google Calendar를 스캔해서 외부 미팅이 있으면 실제 이동 시간을 계산하고 '이동 시간 이벤트'를 자동으로 생성합니다. 두 번째는 어제의 이메일을 분석해 액션이 필요한 항목을 찾아, 우선순위/마감일/소요 시간과 함께 태스크 매니저, Todoist에 자동 등록합니다. 책상에 앉으면 이미 정리된 하루가 기다리고 있습니다. ↓ 그 다음도 재미있어요. Stream Deck의 'AM Sweep' 버튼을 누르면 6개의 AI 에이전트가 병렬로 동시에 작동하기 시작합니다. - 이메일 초안 작성 에이전트 (전송은 절대 하지 않고, 초안만) - Obsidian 고객 노트 업데이트 에이전트 - 미팅 일정 조율 에이전트 - 배경 리서치 에이전트 각 에이전트는 독립된 컨텍스트 창과 도구 접근 권한을 가지고, 서로 충돌 없이 동시에 작업을 처리합니다. 몇 분 뒤 완료 보고서가 도착하면 이메일 초안은 Gmail에, 고객 노트는 업데이트되어 있고, 리서치 결과는 파일로 정리되어 있죠. 그다음 'Time Block' 버튼 하나면, 남은 태스크들이 시간 블록 캘린더로 자동 변환됩니다. 지리적 동선을 최적화하고, 집과 오피스 태스크를 구분하고, 헬스장 일정도 알아서 넣어줍니다. 오늘 안에 못 끝내는 건 가장 여유 있는 날을 추천해서 자동으로 밀어줍니다. ↓ 그는 코딩을 전혀 모릅니다. 그러나 시스템은 완벽하게 작동합니다. Claude Code에서 원하는 동작 방식을 자연어로 적은 마크다운 파일을 넘겨주면, Claude Code가 그걸 읽고 코드로 구현해줍니다. 실제 태스크 목록을 돌려보고, 잘못 분류된 항목이 있으면 조건을 조정하는 방식으로 36시간 동안 반복했습니다. 그가 강조하는 가장 중요한 인사이트는 이거예요. > "이건 소프트웨어 엔지니어링이 아닙니다. 시스템 사고입니다." ↓ 각 구성 요소가 서로를 '알고' 있어야 합니다. 야간 이메일 스캐너가 태스크를 저장할 때, AM Sweep이 분류에 필요한 메타데이터까지 함께 저장합니다. AM Sweep의 결과는 각 에이전트가 필요로 하는 컨텍스트 패키지 형태로 전달됩니다. 시간 블로커는 그 앞의 모든 단계 결과를 읽고 나서야 작동합니다. 각 레이어가 다음 레이어를 먹여 살리는 구조. 그것이 단순한 스크립트 묶음과 진짜 시스템의 차이입니다. ↓ 가장 중요한 설계 원칙은 따로 있습니다. "무엇을 인간이 해야 하는가"를 명확히 하는 일입니다. 시스템은 절대 이메일을 직접 발송하지 않습니다. 전략 문서 작성, 민감한 커뮤니케이션, 가격 결정은 100% 그의 영역으로 남겨두었습니다. 판단이 애매한 상황에서는 항상 '내가 개입하는 방향'으로 편향됩니다. 그의 분류 프레임워크는 4가지로 얘기할 수 있어요. - 🟢 초록 (Dispatch): 에이전트가 완전히 처리 - 🟡 노랑 (Prep): 80%까지 준비 후 인간이 마무리 - 🔴 빨강 (Yours): 인간의 판단이 필요, 에이전트는 컨텍스트만 제공 - ⚪ 회색 (Skip): 오늘은 보류, 이유 포함 너무 소극적이면 그냥 멋진 할 일 목록이 됩니다. 너무 공격적이면 나처럼 들리지 않는 이메일이 나가고 승인하지 않은 결정이 내려집니다. 그 중간 지점을 찾는 것이 진짜 작업이에요. ↓ 비용은 Claude Max 플랜 월 $100 정도. Google Maps API는 무료 티어 안에서 해결됩니다. 모든 것이 본인의 Mac Studio에서 로컬로 실행됩니다. 반대로 얻은 것은 매일 아침 30-45분, 연간으로 따지면 130-195시간입니다. 하지만 그보다 더 큰 건 인지 부하의 감소입니다. 이제 아침에 앉으면 정보를 모으는 모드가 아니라, 결정을 내리는 모드로 하루를 시작합니다. 혼자 사업을 운영해본 사람이라면 그 차이가 얼마나 결정적인지 알 거예요. 비슷한 일을 해줄 파트타임 어시스턴트라면 월 $400~$1,000은 필요했을 텐데, 시스템은 회의 기록과 이메일 히스토리, 지식 베이스 전체에 즉시 접근할 수 있습니다. ↓ 그는 처음부터 '비서 시스템 구축'을 목표로 한 게 아니었습니다. 이메일 정리 문제 하나를 해결하다 보니 다음 문제가 보였고, 그 다음도 보였습니다. 야간 스캐너가 아침 분류를 더 잘 만들었고, 분류가 좋아지자 에이전트 위임이 가능해졌고, 위임이 안정되자 시간 블로킹이 의미를 가졌습니다. 각 레이어가 다음 레이어를 전제하며 쌓였습니다. 36시간이 그렇게 복리로 작동했습니다. 테크 버블 바깥의 대부분의 사람들은 아직 이런 시스템을 갖고 있지 않습니다. 그 격차는 언젠가 좁혀지겠지만, 지금 시스템적으로 사고하는 법을 익히고 시작한 사람은 나중에 나올 SaaS 제품들보다 훨씬 앞서 있을 겁니다. 채팅창에 질문 하나 던지는 것과, 내 삶의 운영 체계를 직접 설계하는 건 완전히 다른 이야기니까요.

Jim Prosser @jimprosser

8 months ago

x.com/i/article/2029…

113 413 6K 3.8M 23K