google·2026년 3월 25일원문

바이브 코딩 XR: XR Blocks와 Gemini를 활용한 AI + XR 프로토타이핑 가속화 (새 탭에서 열림)

Google XR 팀에서 발표한 **Vibe Coding XR**은 제미나이(Gemini)와 오픈 소스 프레임워크인 'XR Blocks'를 결합하여 자연어 프롬프트만으로 상호작용 가능한 XR(확장 현실) 애플리케이션을 생성하는 혁신적인 워크플로우입니다. 이 시스템은 복잡한 게임 엔진이나 센서 통합 과정 없이도 물리 법칙이 적용된 WebXR 앱을 60초 이내에 구축함으로써, 개발자가 아이디어를 Android XR 헤드셋에서 즉각적으로 검증할 수 있게 합니다. 결과적으로 공간 컴퓨팅의 진입 장벽을 낮추고 프로토타이핑 속도를 획기적으로 가속화하는 것이 이 기술의 핵심입니다. ### XR 프로토타이핑의 변화와 Vibe Coding * **전통적 방식의 한계:** 기존 XR 개발은 파편화된 인식 파이프라인, 복잡한 게임 엔진, 저수준 센서 통합 등으로 인해 숙련된 개발자에게도 진입 장벽이 높았습니다. * **Vibe Coding의 도입:** LLM이 인간의 의도를 직접 실행 가능한 코드로 변환하는 'Vibe Coding' 개념을 도입하여, 복잡한 코딩 과정 없이 의도(vibe)만으로 결과물을 만들어냅니다. * **효율성 극대화:** 며칠이 소요되던 공간 시각화 및 상호작용 테스트를 단 몇 분 만에 완료할 수 있어 아이디어의 신속한 검증과 폐기가 가능해집니다. ### Vibe Coding XR 워크플로우 * **자연어 묘사:** 사용자는 Android XR 헤드셋이나 데스크톱의 크롬 브라우저에서 "민들레를 만들어줘"와 같은 단순한 명령어를 입력합니다. * **AI 설계 및 구현:** 제미나이가 XR Blocks의 구조와 샘플을 학습하여 장면 구성, 인식 로직, 상호작용 방식을 설계하고 코드를 작성합니다. * **즉각적인 배포 및 테스트:** 생성된 앱은 'Enter XR' 버튼 클릭 한 번으로 실행되며, 핀치(Pinch) 제스처 등 손동작 인터랙션을 즉시 테스트할 수 있습니다. * **시뮬레이션 환경 제공:** 데스크톱 환경에서도 가상현실 시뮬레이터를 통해 실제 헤드셋 없이도 물리 기반 상호작용을 미리 확인하고 수정할 수 있습니다. ### 기술적 구성 요소 및 메커니즘 * **XR Blocks 프레임워크:** WebXR, three.js, LiteRT.js 등 접근성 높은 웹 기술을 기반으로 구축되어 환경 인식, AI 통합, 공간 상호작용을 관리합니다. * **전문화된 시스템 프롬프트:** 제미나이에게 공간 레이아웃, 스케일, 상호작용 거리 등 XR 환경의 모범 사례와 디자인 패턴을 가르치는 정교한 지침이 포함되어 있습니다. * **소스 코드 템플릿:** 엄선된 XR Blocks 템플릿과 소스 코드를 프롬프트 컨텍스트에 포함하여 AI의 환각(Hallucination) 현상을 방지하고 유효한 API 호출을 보장합니다. ### 실제 적용 사례 * **수학 및 과학 교육:** 오일러의 정리 시각화, 지레의 원리를 이용한 물리 실험실, 분자 연소 반응을 관찰하는 화학 실험 등 교육용 콘텐츠를 즉석에서 생성합니다. * **양자 역학 시뮬레이션:** '슈뢰딩거의 고양이' 개념을 XR로 구현하여, 상자를 열기 전까지 생사 상태가 공존하는 퀀텀 상태를 직접 체험할 수 있게 합니다. * **스포츠 프로토타이핑:** 손으로 공을 치고 주변 환경과 충돌하는 배구 게임과 같은 물리 기반 스포츠 경험을 빠르게 구축합니다. Vibe Coding XR은 복잡한 도구 학습에 시간을 쓰는 대신 아이디어의 본질에 집중할 수 있게 해줍니다. XR 개발 경험이 적은 교육자나 기획자라면 이 워크플로우를 활용해 추상적인 개념을 3차원 공간에서 시각화하는 용도로 활용해 보길 권장하며, 숙련된 개발자는 복잡한 기능을 구현하기 전 인터랙션의 "감(vibe)"을 잡는 초기 프로토타이핑 도구로 강력히 추천합니다.

spatial-computinggeminivibe-codingwebxr+4

aws·2026년 1월 20일원문

NVIDIA RTX PRO 60 (새 탭에서 열림)

Amazon은 NVIDIA RTX PRO 6000 Blackwell 서버 에디션 GPU를 탑재한 새로운 EC2 G7e 인스턴스의 정식 출시를 발표했습니다. 이 인스턴스는 생성형 AI 추론 워크로드에서 뛰어난 비용 효율성을 제공하며, 이전 세대인 G6e 대비 최대 2.3배 향상된 추론 성능을 자랑합니다. 공간 컴퓨팅 및 과학적 컴퓨팅과 같이 높은 그래픽 성능이 요구되는 작업에 최적화된 하이엔드 솔루션입니다. ### NVIDIA Blackwell GPU 기반의 성능 혁신 * **메모리 용량 및 대역폭:** NVIDIA RTX PRO 6000 Blackwell GPU를 통해 G6e 대비 2배의 GPU 메모리(개당 96GB)와 1.85배의 메모리 대역폭을 제공합니다. * **대규모 모델 처리:** 향상된 메모리 사양 덕분에 단일 GPU 환경에서도 FP8 정밀도로 최대 700억 개(70B) 파라미터 규모의 중간급 모델을 실행할 수 있습니다. * **컴퓨팅 파워:** 최신 Intel Emerald Rapids 프로세서를 탑재하여 강력한 CPU 성능과 GPU 성능의 조화를 이룹니다. ### 멀티 GPU 효율성 및 상호 연결 기술 * **NVIDIA GPUDirect P2P 지원:** 단일 GPU 메모리를 초과하는 대규모 모델을 위해 PCIe 인터커넥트를 통한 GPU 간 직접 통신을 지원하여 지연 시간을 최소화합니다. * **대역폭 향상:** G6e에 탑재된 L40s GPU 대비 GPU 간 대역폭이 최대 4배 증가하여, 멀티 GPU 워크로드의 처리 효율이 비약적으로 상승했습니다. * **확장성:** 단일 노드에서 최대 8개의 GPU를 사용하여 총 768GB의 GPU 메모리를 확보할 수 있어, 거대 언어 모델(LLM) 추론에 유리합니다. ### 네트워킹 및 스토리지 가속화 * **고속 네트워크:** G6e 대비 4배 더 넓은 최대 1,600Gbps의 네트워크 대역폭을 제공하여 소규모 멀티 노드 워크로드에 적합합니다. * **지연 시간 감소:** Elastic Fabric Adapter(EFA)를 통한 GPUDirect RDMA를 지원하여 원격 GPU 간 통신 시 병목 현상을 줄였습니다. * **데이터 로딩 최적화:** Amazon FSx for Lustre와 GPUDirectStorage를 결합하여 최대 1.2Tbps의 처리량을 지원하므로, 대용량 모델 데이터를 매우 빠르게 로드할 수 있습니다. ### 상세 인스턴스 사양 * **인스턴스 구성:** 최소 `g7e.2xlarge`(1 GPU, 8 vCPU)부터 최대 `g7e.48xlarge`(8 GPU, 192 vCPU)까지 총 6가지 크기를 제공합니다. * **시스템 자원:** 최대 2,048GiB의 시스템 메모리와 15.2TB의 로컬 NVMe SSD 스토리지를 선택할 수 있어 데이터 집약적인 작업에 대응합니다. 생성형 AI 모델의 크기가 커짐에 따라 고용량 GPU 메모리와 빠른 상호 연결 성능이 필수적인 환경에서 G7e 인스턴스는 최적의 선택지입니다. 특히 기존 G6e 인스턴스 사용자가 성능 한계를 느끼거나, 70B급 모델을 보다 효율적으로 서빙하고자 하는 개발 팀에게 이 인스턴스로의 전환을 적극 추천합니다. 현재 미국 동부(버지니아 북부) 및 미국 서부(오레곤) 리전에서 바로 사용할 수 있습니다.

spatial-computingAI생성형 AIamazon-ec2+5

figma·2025년 5월 18일·4분 읽기큐레이션 요약

0가지 규칙 | 피그마

메타 CTO 앤드루 “보즈” 보스워스는 AI와 공간 컴퓨팅이 기존 디자인 패러다임을 바꿀 것이라고 본다. 디자이너는 기술 자체보다 실제 인간의 문제에서 출발하고, 당연하게 여겨온 제약과 상호작용 방식을 의심해야 한다. 또한 거친 프로토타입을 빠르게 만들고 전체 시스템을 함께 설계하며, 사용자의 의도를 이해하는 도구와 지속적인 개선을 지향해야 한다. ## 1. 실제 문제를 가진 사람에서 출발하기 - 제품 개발의 기준점은 기술이나 유행이 아니라 문제를 겪는 실제 사람이어야 한다. - “이 도구가 문제를 해결하는가?”를 먼저 물어야 한다. - 최종적으로 제품의 가치를 판단하는 사람은 사용자다. - 사용자가 유용하다고 느끼면 사용하고, 그렇지 않으면 외면한다. ## 2. 당연하게 받아들인 제약을 의심하기 - 우리는 기존 디자인 관습과 시스템 안에서 살아가며, 그것을 자연스러운 현실처럼 받아들이기 쉽다. - 데이비드 포스터 월리스의 ‘물속에 사는 물고기’ 비유처럼, 현재의 제약이 인위적으로 만들어졌다는 사실을 인식해야 한다. - 다음과 같은 질문이 필요하다. - 지금의 접근 방식이 문제에 정말 적합한가? - 이 제약은 실제 제약인가? - 바꾸거나 없앨 수 있는 규칙은 무엇인가? ## 3. 전체 상호작용 패러다임을 의심하기 - 현재의 컴퓨팅 환경은 단순한 의도를 여러 앱과 단계로 쪼개는 경우가 많다. - 예를 들어 운동 중 음악을 듣기 위해 음악 권리 구조, 서비스별 제공 여부, 여러 음악 앱 사이의 전환을 이해해야 하는 것은 부자연스럽다. - 사용자가 “노래를 듣고 싶다”는 의도를 복잡한 앱 조작으로 번역하지 않아도 되는 새로운 상호작용이 필요하다. - 약 60년간 이어진 기존 컴퓨팅 방식을 부분적으로 개선하는 데 그치지 말고, 전체 방식을 재구상해야 한다. ## 4. 발명과 최적화를 구분하기 - 디자인에는 서로 다른 두 가지 모드가 있다. - **제로 투 원:** 고객과 제약이 없는 상태에서 완전히 새로운 가능성을 탐색하는 단계 - **최적화:** 실제 사용자와 함께 기존 결과물을 다듬고 개선하는 단계 - 공간 인터페이스와 AI는 기존 제약이 적은 새로운 영역이므로, 과거의 방식에 얽매이지 않고 발명가처럼 접근할 수 있다. - 현재 자신이 새로운 것을 발명하는 중인지, 기존 제품을 최적화하는 중인지 구분해야 한다. ## 5. 직관과 취향으로 올바른 문제 공간 선택하기 - 복잡한 최적화 문제에서는 어느 지점에서 시작하느냐가 결과에 큰 영향을 준다. - 낮은 언덕을 아무리 열심히 올라가도, 처음부터 더 좋은 지형에서 시작한 사람보다 나은 결과를 얻기 어려울 수 있다. - 디자이너의 직관과 취향은 어떤 문제와 방향을 선택할지 결정하는 중요한 도구다. - 선택 이후에는 여전히 많은 노력과 반복이 필요하지만, 적어도 가능성이 높은 영역에서 시작해야 한다. ## 6. 거칠더라도 가능한 모든 프로토타입 만들기 - 새로운 기술의 가능성은 문서나 토론만으로 판단하기 어렵다. - 메타는 시선 추적 모자를 쓰고 메시 벽으로 만든 방을 사용하는 등 조잡한 실험을 통해 기술의 가능성을 확인해 왔다. - 완성도 낮은 프로토타입이라도 실제로 사용해 보면 기술이 어떤 경험을 제공할 수 있는지 감을 얻을 수 있다. - 빠른 실험은 어떤 아이디어를 더 발전시킬지 결정하는 데 효과적이다. ## 7. 부분이 아니라 전체 시스템 설계하기 - 공간 컴퓨팅에서는 제스처, 피드백, 기능을 서로 분리해 설계하기 어렵다. - 함께 고려해야 할 요소는 다음과 같다. - 사용자가 어떤 제스처를 하는가 - 시각·청각·촉각 중 어떤 피드백을 제공하는가 - 그 상호작용으로 어떤 기능이 열리는가 - 이 요소들은 함께 발전하고 반복적으로 조정되어야 한다. - 진정한 디자인은 개별 화면을 만드는 것이 아니라 상호작용 전체를 설계하는 일이다. ## 8. 사용자의 의도를 이해하는 도구 만들기 - 미래의 도구는 사용자가 무엇을 하려는지 파악할 수 있어야 한다. - ‘마음 이론(theory of mind)’은 자신과 별개로 의도와 목표를 가진 존재가 있음을 이해하는 능력을 뜻한다. - 도구 역시 사용자의 목표를 추론하고 적절히 도와야 한다. - 다만 도구의 자율성은 너무 높아도, 너무 낮아도 안 되며 사용자를 대신하는 정도를 세심하게 조절해야 한다. ## 9. 자신을 완성된 제품으로 보지 않기 - 제품은 출시된 순간 끝나는 것이 아니라 다음 버전을 준비하는 지속적인 과정이다. - 보스워스는 현재의 자신과 제품을 모두 “V43” 같은 버전으로 바라본다. - 다음 버전에서는 기존 버그를 고치지만 새로운 버그도 생길 수 있으며, 그 과정 자체를 즐겨야 한다. - 업무에 적용하는 반복과 개선의 태도를 자기 자신에게도 적용해야 한다. ## 10. 인터페이스를 사라지게 만들기 - 이상적인 인터페이스는 사용자가 의식하지 않아도 목적을 달성하게 하는 매끄러운 경험에 가깝다. - 인터페이스 자체가 본질적인 가치를 갖는 것이 아니라, 사용자가 원하는 일을 방해 없이 수행하도록 돕는 것이 중요하다. - AI와 공간 컴퓨팅은 화면과 앱을 직접 조작하는 과정을 줄이고, 의도 중심의 상호작용을 가능하게 할 수 있다. 실무적으로는 먼저 사용자의 구체적인 문제를 정의한 뒤, 기존 제약을 의심하고 작은 프로토타입을 빠르게 만들어보는 것이 좋다. 특히 새로운 기술을 다룰 때는 화면 하나가 아니라 제스처·피드백·기능·도구의 자율성을 포함한 전체 경험을 함께 설계해야 한다.

원문 읽기(새 탭에서 열림)

spatial-computingAIhuman-computer-interactioninterface-design+4

figma·2024년 11월 13일·4분 읽기큐레이션 요약

잊지 못할 Config 발표를 준비

인상적인 컨퍼런스 발표는 정보를 전달하는 데 그치지 않고, 청중의 통념을 뒤집으며 오래 기억될 관점과 이야기를 제공해야 한다. Figma의 Config 발표 사례들은 위험을 감수한 선택, 사용자에 대한 깊은 관심, 단순하고 창의적인 문제 해결이 훌륭한 발표와 제품을 만든다는 점을 보여준다. 특히 발표자는 성공 결과보다 그 과정에서의 의외의 판단과 배움을 설득력 있게 전달해야 한다. ## 발표의 목적: 정보 전달을 넘어 기억에 남는 경험 만들기 - 좋은 발표는 단순히 지식을 나열하지 않고 청중의 기존 가정에 도전한다. - 발표 주제뿐 아니라 발표자가 어떤 문제를 발견했고, 어떤 선택을 했으며, 무엇을 배웠는지가 중요한 콘텐츠가 된다. - 글은 Config 2024 발표자들이 인상 깊게 본 세션을 소개하며, 향후 발표 제안서를 준비하는 사람에게 하나의 기준을 제시한다. - 발표의 영감은 제품 디자인, 공간 컴퓨팅, 새로운 하드웨어 등 다양한 분야에서 얻을 수 있지만, 공통적으로 강한 서사와 분명한 관점이 존재한다. ## 통념을 거스른 위험한 선택 - Josh Wardle의 발표 **“Opting for the opposite”**는 일반적인 게임 업계의 성공 공식과 반대되는 선택을 다룬다. - Wordle은 다음과 같은 방식으로 성장과 참여를 극대화하는 관행을 따르지 않았다. - 하루에 한 번만 플레이할 수 있도록 제한 - 공유된 결과에서 게임으로 바로 연결되는 링크를 제공하지 않음 - 모바일 게임처럼 반복 사용과 바이럴 확산을 적극적으로 유도하지 않음 - Wardle은 처음부터 바이럴 히트작을 만들려 한 것이 아니라, 파트너를 위한 애정 어린 선물로 게임을 제작했다. - 이 사례의 핵심은 “성공하려면 반드시 업계의 모범 사례를 따라야 한다”는 생각을 뒤집은 데 있다. - 발표에서 위험을 감수한 선택을 보여주려면 단순히 결과를 자랑하기보다 다음을 설명해야 한다. - 당시 업계의 일반적인 접근법은 무엇이었는가 - 왜 그 반대의 선택을 했는가 - 그 선택이 사용자 경험에 어떤 영향을 미쳤는가 - 예상하지 못한 결과와 배움은 무엇이었는가 ## 지표보다 사용자를 우선한 제품 철학 - Apple의 디자인 에반젤리스트 Linda Dong은 Wordle 사례가 “많은 사람이 사랑하는 제품을 만들기 위해 항상 관습을 따를 필요는 없다”는 점을 상기시킨다고 평가한다. - 수치와 성장 지표가 중심이 된 산업에서도 단순함과 창의성만으로 강력한 제품을 만들 수 있다. - Humane의 리드 프로덕트 디자이너 George Kedenburg III 역시 Wordle의 과정이 “틀린 방식”처럼 보이는 선택을 통해 훌륭한 결과를 만든 이야기라고 강조한다. - 중요한 것은 규칙을 어기는 행위 자체가 아니라, 만들고자 하는 사용자를 깊이 이해하고 그 사용자에게 필요한 경험을 끝까지 고민하는 태도다. ## 구체적인 사례와 시각적·서사적 구성 - Linda Dong과 Mike Stern의 **“An Infinite Canvas”**는 공간 컴퓨팅 디자인의 가능성을 다룬다. - George Kedenburg III와 Humane 공동창업자 Imran Chaudhri의 발표는 Ai Pin의 개발 과정과 제품 비전을 소개한다. - 발표 주제가 복잡하거나 미래지향적일수록 다음 요소가 이해를 돕는다. - 제품이 해결하려는 사용자 문제 - 개발 과정에서의 핵심 결정 - 기술이 사용자 경험을 어떻게 바꾸는지 보여주는 실제 사례 - 아름답거나 유머러스한 시각 자료 - 청중의 기억에 남는 발표는 새로운 기술을 설명하는 데서 끝나지 않고, 그 기술이 왜 필요한지와 어떤 인간적 동기에서 출발했는지까지 전달한다. ## 실용적인 발표 준비 방법 - 업계의 정답을 그대로 따르기보다, 자신이 의도적으로 다르게 선택한 지점을 찾는다. - 성공한 결과보다 실패, 망설임, 예상 밖의 전환점을 이야기의 중심에 둔다. - “무엇을 만들었는가”뿐 아니라 “누구를 위해 만들었고 왜 그렇게 만들었는가”를 설명한다. - 데이터와 성과 지표는 보조 자료로 활용하고, 사용자의 실제 경험과 제작자의 판단을 중심에 둔다. - 발표를 준비할 때 다음 질문을 점검하면 좋다. - 청중의 기존 생각을 바꿀 만한 지점이 있는가? - 나만 들려줄 수 있는 구체적인 제작 경험이 있는가? - 발표가 끝난 뒤 청중이 기억할 한 문장은 무엇인가? - 제품이나 프로젝트에 담긴 사용자에 대한 관심이 드러나는가? 결국 인상적인 발표는 완벽한 성공 공식을 제시하는 자리가 아니라, 사용자에 대한 진정성 있는 관심과 과감한 선택이 어떻게 결과로 이어졌는지를 보여주는 자리다. 발표를 준비한다면 자신의 프로젝트에서 가장 의외였던 결정과 그 이유를 중심으로 이야기를 구성하는 것이 효과적이다.

원문 읽기(새 탭에서 열림)

spatial-computingFigma프로덕트 디자인웹 개발+2

figma·2024년 2월 25일·3분 읽기큐레이션 요약

AI가 어떻게 디자인과 개발을 통합

AI는 디자인과 개발을 পৃথ개의 영역으로 두기보다 하나의 긴밀한 창작·제작 과정으로 통합할 가능성이 크다. David Hoang은 AI가 정해진 화면을 설계하는 방식을 넘어, 사용자와 맥락에 따라 변화하는 동적·멀티모달 인터페이스를 만들 것이라고 전망한다. Replit은 범용 인공지능(AGI)보다 개발자의 자율성과 생산성을 높이는 ‘인공 개발자 지능(ADI)’에 집중하며, 아이디어를 코드로 구현하고 실제 출시까지 이어지도록 돕는 것을 목표로 한다. ## AI가 바꾸는 인터페이스와 디자인 - 모바일 혁명 당시 기존 전문가들이 새로운 환경에서 다시 초보자가 되었듯, AI도 디자인과 상호작용의 기준을 재설정하고 있다. - 디자이너가 사용자가 보게 될 모든 인터페이스를 미리 고정하는 방식에서 벗어나, 상황에 따라 형태와 표현이 바뀌는 **동적 인터페이스**로 이동한다. - AI, 멀티모달 기술, 다양한 폼팩터, 공간 컴퓨팅(예: Apple Vision Pro)은 서로 독립적인 흐름이 아니라 하나로 수렴하는 변화로 설명된다. - 디자이너는 화면의 모든 요소를 직접 통제하기보다, 시스템이 변화할 수 있는 여지를 설계해야 한다. ## 디자인과 개발의 통합 - AI는 엔지니어에게는 설계와 코드 작성을, 디자이너에게는 기술 구현과 프로토타이핑을 보조할 수 있다. - 그 결과 디자인과 엔지니어링은 점점 더 긴밀하게 결합된 하나의 분야가 될 가능성이 있다. - AI 도구는 특정 직군을 대체하기보다 각자가 자신의 전문성을 확장하고 다른 영역의 작업까지 수행하도록 돕는 **증강 기술**로 제시된다. - 협업과 AI는 Replit이 개발자 생산성을 바라보는 핵심 축이다. ## Replit의 ‘인공 개발자 지능(ADI)’ - Replit은 인간 수준의 범용 지능인 AGI보다, 소프트웨어 개발에 특화된 **Artificial Developer Intelligence(ADI)** 구축에 초점을 맞춘다. - ADI의 목표는 사용자의 자율성을 높이고 더 적은 장벽으로 소프트웨어를 만들 수 있도록 지원하는 것이다. - 장기적으로는 복잡한 소프트웨어 아키텍처를 생성하고, Replit에 배포된 고급 개발 도구를 조율하는 에이전트가 등장할 수 있다. - 단순한 코드 생성뿐 아니라 팀의 작업 방식과 협업 맥락을 이해하는 조직 지능으로 확장될 수 있다. ## ‘코드 학습’에서 ‘제품 출시’까지 - ADI는 코드 자동완성, 코드 생성, 개발 과정 안내 등 다양한 형태로 활용될 수 있다. - Replit은 사용자가 코딩을 배우는 데서 멈추지 않고, 실제 제품을 만들고 출시하며 사업으로 발전시키는 과정을 가속하는 것을 지향한다. - Hoang은 Replit을 사용자가 필요로 하는 ‘기술 공동창업자’처럼 바라본다. - AI를 활용하면 비기술 직군의 기획자도 프롬프트와 제품 이해를 바탕으로, 기존 엔지니어 팀에 못지않은 수준의 결과물을 만들 수 있다. - 따라서 앞으로는 코딩 능력뿐 아니라 문제를 정의하고 AI에 정확한 지시를 내리는 능력도 중요한 역량이 된다. AI 시대의 창작 도구는 완성된 화면이나 코드 조각을 제공하는 수준을 넘어, 사용자의 의도와 팀의 맥락을 이해하고 실행 가능한 결과물까지 함께 만들어야 한다. 디자이너와 개발자는 모든 것을 직접 통제하려 하기보다 AI와 협업하는 방식, 명확한 문제 정의, 효과적인 프롬프트 작성 능력을 함께 발전시키는 것이 바람직하다.

원문 읽기(새 탭에서 열림)

spatial-computingAI프롬프트 엔지니어링code-generation+4