# \#context-rot **URL:** https://discuss.pytorch.kr/tag/context-rot/6245.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [GSD-2: AI 에이전트의 컨텍스트 손실 문제를 해결하는 메타 프롬프팅 및 명세 주도 개발 시스템](https://discuss.pytorch.kr/t/gsd-2-ai/9436)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 8, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/gsd-2-ai/9436 "2026-04-08T03:30:15Z")
GSD-2 소개 복잡한 소프트웨어 프로젝트를 AI 에이전트와 함께 장시간 진행하다 보면, 대화가 길어질수록 AI가 전체적인 맥락을 잃거나 일관성이 떨어지는 문제가 발생합니다. 이른바 컨텍스트 오염(Context Rot) 이라 불리는 이 현상은 LLM 기반 코딩 도구를 실용적으로 활용하는 데 있어 가장 큰 장벽 중 하나입니다. GSD-2(Get Shit Done 2)는 이 문제를 해결하기 위해 설계된 강력한 메타 프롬프팅(Meta-Prompting) 및 컨텍스트 엔지니어링(Context Engineering) 시스템으로, AI 에이전트가 큰 그림을 유지하면서도 장시간 자율적으로 작업할 수 있는 환경을 제공합니다. GSD-2는 gsd-build 팀이 TypeScript 기반으로 개발한 CLI 도구로, Pi SDK 기반으로 구현되었습니다. GSD-2는 GSD(Get Shit Done) 초기 버전의 Claude Code 프롬프트 프레임워크에서 발전하여, Pi SDK를 활용한 독립적인 TypeScript CLI 도구로 재탄생한 프로젝트입니다. 이전 버전이 Claude Code 플러그인 형태로 동작했다면, GSD-2는 에이전트 세션에 대한 더 직접적인 제어를 가능하게 하며 충돌 복구, 비용 추적, 병렬 마일스톤 처리 등 프로덕션 환경에서 필요한 고급 기능들을 갖추고 있습니다. 이전 버전(get-shit-done) 및 유사 프레임워크와의 비교 GSD 2를 더욱 명확히 이해하기 위해 이전 버전 및 목적이 비슷한 타 AI 개발 프레임워크들과의 차이점을 짚어보겠습니다. GSD v1과의 비교: 이전 버전인 GSD v1(get-shit-done)은 Claude Code 등 기존 AI 코딩 도구에 플러그인(Skill) 형태로 부착되어 LLM의 행동을 유도하는 경량 시스템이었습니다. 그러나 GSD 2는 그 한계를 넘어 시스템이 직접 파일 입출력, Git 워크플로우 제어, 에러 발생 시의 자동 복구까지 수행하는 완전히 독립적이고 강력한 도구로 진화했습니다. Su… --- ## [GSD(Get Shit Done): AI 코딩의 '컨텍스트 오염(Context Rot)'을 막아주는 강력한 스펙 주도 개발 시스템](https://discuss.pytorch.kr/t/gsd-get-shit-done-ai-context-rot/9265)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 19, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/gsd-get-shit-done-ai-context-rot/9265 "2026-03-19T03:30:07Z")
GSD 소개 최근 Claude Code와 같은 AI 코딩 어시스턴트의 발전으로, 개발자가 원하는 것을 설명하기만 하면 AI가 알아서 코드를 생성해 주는 소위 바이브코딩(Vibecoding) 시대가 열렸습니다. 하지만 이러한 방식은 장난감 수준의 프로젝트를 넘어서는 순간 치명적인 한계에 부딪힙니다. AI의 컨텍스트 윈도우가 누적된 대화와 코드 조각들로 가득 차면서 코드의 품질이 급격히 떨어지는 컨텍스트 오염(Context Rot) 현상이 발생하기 때문입니다. 결국 AI는 전체적인 아키텍처를 잃어버리고 일관성 없는 코드를 뱉어내기 시작합니다. 개발자 TÂCHES가 구축한 GSD(Get Shit Done) 는 바로 이러한 문제를 근본적으로 해결하기 위해 탄생했습니다. GSD는 Claude Code, OpenCode, Gemini CLI, Codex 등의 AI CLI 도구를 위한 가볍고 강력한 메타 프롬프팅(Meta-prompting), 컨텍스트 엔지니어링 및 스펙 주도 개발(Spec-driven development) 시스템입니다. 복잡한 시스템의 얽힘을 개발자의 워크플로우가 아닌 GSD 내부 시스템으로 추상화하여, 개발자는 단지 몇 가지 명령어만으로 고품질의 결과물을 지속적으로 얻을 수 있습니다. GSD는 단순히 프롬프트를 전달하는 것을 넘어, 하위 에이전트(Subagent) 오케스트레이션, XML 프롬프트 포맷팅, 엄격한 상태 관리(State management)를 백그라운드에서 처리합니다. 무의미한 엔터프라이즈급 롤플레잉이나 복잡한 설정 없이 시스템이 요구사항을 추출하고 검증하며, 개발자는 "그냥 잘 작동하는(It just works)" 개발 환경을 경험할 수 있습니다. GSD vs. 일반적인 바이브코딩 비교 단순히 AI에게 "이러이러한 기능을 만들어줘"라고 지시하는 기존 방식과 GSD의 접근법은 명확한 차이가 있습니다. 기존의 일반적인 바이브코딩(Vibecoding) 방식은 컨텍스트 윈도우 내에 모든 요구사항과 이전 작업 내역이 계속 누적됩… --- ## [\[GN⁺\] 2025년 LLM 총정리: 추론·에이전트·코딩 에이전트의 해 (feat. django 개발자 Simon Willison)](https://discuss.pytorch.kr/t/gn-2025-llm-feat-django-simon-willison/8583)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 2, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/gn-2025-llm-feat-django-simon-willison/8583 "2026-01-02T09:30:01Z")
2025년 LLM 총정리 글 소개 2025년은 추론(reasoning), 에이전트, 코딩 에이전트가 실제 생산성 도구로 자리 잡은 해 Claude Code, Codex, Gemini CLI 등 터미널·비동기 코딩 에이전트가 개발 방식 자체를 바꿈 LLM의 핵심 진전은 모델 크기 확장이 아니라 RL 기반 추론 강화와 도구 사용 능력에 집중됨 DeepSeek R1의 1월 공개 이후 중국 오픈 웨이트 모델이 글로벌 순위 상위권을 점령하며, 성능·비용·개방성에서 기존 서구 모델을 위협하는 수준에 도달 바이브 코딩(vibe coding), MCP(Model Context Protocol), 치명적 삼중주(lethal trifecta) 등 새로운 용어와 개념이 등장하며 LLM 활용 방식과 보안 논의가 본격화 로컬 모델 성능이 향상되었으나 클라우드 모델이 더욱 빠르게 발전하며, 데이터 센터에 대한 환경 우려와 반대 여론도 급격히 확산됨 이미지 생성, 브라우저 에이전트, 보안 리스크까지 포함해 LLM의 영향 범위가 전면 확장됨 추론(Reasoning)의 해 OpenAI가 2024년 9월 o1 및 o1-mini로 추론 혁명을 시작했고, 2025년 초 o3, o3-mini, o4-mini를 연이어 출시하며 추론이 거의 모든 주요 AI 랩의 핵심 기능으로 자리 잡음 Andrej Karpathy의 설명에 따르면, 수학/코드 퍼즐 등 자동 검증 가능한 보상에 대해 LLM을 훈련하면 "추론"처럼 보이는 전략이 자발적으로 발현됨 문제 해결을 중간 계산으로 분해하고, 다양한 문제 해결 전략을 학습 RLVR(Reinforcement Learning from Verifiable Rewards) 실행이 높은 비용 효율을 보여 프리트레이닝 대신 RL에 컴퓨팅 투자 집중 추론의 실질적 가치는 도구(tool) 구동에서 드러남 추론 모델이 도구에 접근하면 다단계 작업 계획 및 실행, 결과 추론, 계획 수정이 가능 AI 보조 검색 이 실제로 작동하기 시작했으며, 복잡한 연구 질문도 G…