# \#cc0
**URL:** https://discuss.pytorch.kr/tag/cc0/7876.md
[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)
---
## [Awesome Harness Engineering: AI 에이전트를 안정적으로 만드는 하네스 엔지니어링 자료 모음](https://discuss.pytorch.kr/t/awesome-harness-engineering-ai/10556)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [6월 24, 2026, 5:30오전 UTC](https://discuss.pytorch.kr/t/awesome-harness-engineering-ai/10556 "2026-06-24T05:30:48Z")
Awesome Harness Engineering 소개 Awesome Harness Engineering는 하네스 엔지니어링(harness engineering)에 관한 글, 플레이북, 벤치마크, 명세, 오픈소스 프로젝트를 한데 모은 큐레이션 목록입니다. 프로젝트는 하네스 엔지니어링을 "the practice of shaping the environment around AI agents so they can work reliably" 라고 정의합니다. 모델 자체가 아니라 에이전트를 둘러싼 환경을 설계해 안정적으로 일하게 만드는 실천 이라는 관점입니다. 이 목록은 하네스 엔지니어링이 컨텍스트 엔지니어링, 평가, 관측성, 오케스트레이션, 안전한 자율성, 소프트웨어 아키텍처가 교차하는 지점에 있다고 봅니다. 그래서 일반적인 에이전트 도구가 아니라 오래 도는 코딩·연구 작업에서 에이전트를 더 신뢰할 수 있게 만드는 자료 에 초점을 둡니다. 저장소는 "Generic agent tooling is out of scope unless the page directly covers harness design, context management, evaluation, runtime control, or other reliability-critical harness primitives." 라며 수록 범위를 명시적으로 좁혀 두었습니다. 각 항목은 단순 링크 나열이 아니라 한두 문장의 설명이 붙어 있어, 자료를 클릭하기 전에 무엇을 다루는지 가늠할 수 있습니다. OpenAI, Anthropic, LangChain, Thoughtworks 같은 곳의 1차 자료성 글과 SWE-bench, Terminal-Bench 같은 벤치마크, SWE-agent, Harbor 같은 참조 구현이 함께 담겨 있습니다. Awesome Harness Engineering의 분류 체계 이 목록은 100개가 넘는 자료를 여덟 개의 주요 카테고리로 나눕니다. 각 카테고리가 하네스를 설계할 때 마주치는 …
---
## [Awesome Open Source AI: 오픈소스 AI 프레임워크와 모델, 인프라를 14개 분야로 정리한 큐레이션 목록](https://discuss.pytorch.kr/t/awesome-open-source-ai-ai-14/10375)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 2\
**마지막 업데이트:** [5월 27, 2026, 7:07오전 UTC](https://discuss.pytorch.kr/t/awesome-open-source-ai-ai-14/10375 "2026-05-27T07:07:44Z")
Awesome Open Source AI 소개 Awesome Open Source AI는 오픈소스 인공지능 모델, 라이브러리, 인프라, 개발자 도구를 한 곳에 모아 둔 큐레이션 목록입니다. 진정한 오픈소스 만 모은다는 기준으로 14개 대분류와 100여 개 세부 카테고리에 걸쳐 정리되어 있어, 자기 환경에 맞는 도구를 단번에 후보군으로 좁히고 싶을 때 시작점 역할을 합니다. 기존의 광범위한 awesome 리스트와 달리, 이 저장소는 2026년 시점에 프런티어 AI 개발자가 실제로 손에 잡고 쓰는 영역을 기준으로 분류 체계를 설계한 점이 특징입니다. 단순한 라이브러리 목록을 넘어 추론 엔진, 에이전트 프로토콜, RAG, 평가 벤치마크, MLOps, 안전성과 정렬, 개인정보 보호처럼 프로덕션까지 묶인 영역을 같은 깊이로 다룹니다. 본 게시물에서는 Awesome Open Source AI의 분류 체계와 각 영역의 모든 프로젝트를 GitHub 주소와 함께 빠짐없이 정리합니다. Awesome Open Source AI의 14개 대분류 한눈에 보기 저장소의 README 상단 목차는 다음 14개 대분류로 구성되며, 각 대분류는 다시 평균 5개 안팎의 세부 섹션으로 쪼개집니다. 어떤 영역을 먼저 펼쳐 볼지 정하기 위한 빠른 지도로 활용할 수 있습니다. # 대분류 대표 프로젝트 (저장소에서 발췌) 1 Core Frameworks & Libraries PyTorch, TensorFlow, JAX, Triton, MLX, scikit-learn, Polars, DuckDB 2 Open Foundation Models Qwen3, GLM-5, Llama 4, GPT-OSS, OLMo 2, Phi-4, Whisper, Stable Diffusion XL 3 Inference Engines & Serving vLLM, SGLang, llama.cpp, Ollama, TensorRT-LLM, Triton Inference Server 4 Agen…