Gary Tan이 Claude AI와 토큰 최대화로 어떻게 수십만 줄의 코드를 배포하고 YC를 운영하는지 알아보세요. 개발자 생산성 혁신의 모든 것.
토큰 최대화: 최고의 빌더들이 AI를 사용해 400명의 엔지니어 역할을 하는 방법
핵심 요약
- 생산성 400배 증가: Y Combinator CEO Gary Tan이 Claude Code를 사용해 13년 만에 다시 코딩을 시작한 후 불과 5일 만에 완전한 기능의 블로그 플랫폼 구축
- 토큰 최대화의 정의: 단순히 더 많은 토큰을 쓰는 것이 아니라, AI 모델의 전체 잠재력을 활용해 더 복잡하고 완전한 결과물을 만드는 전략
- 마크다운 중심 아키텍처: LLM이 이해할 수 있는 명확한 문서 형식으로 컨텍스트와 지침을 정리해 AI의 성능을 극대화
- 에이전트 엔지니어링의 미래: Claude Code, Open Claude, Codex 등 다양한 도구를 조합해 소규모 팀이 대규모 프로젝트를 신속하게 실행하는 방식의 변화
- 개인용 AI의 시대 도래: 기업 통제가 아닌 개인이 자신의 프롬프트와 데이터를 직접 관리하는 개인용 AI 혁명이 PC 혁명만큼 중요한 변화로 다가옴
AI 도구 제어의 핵심 철학
당신이 자신의 도구를 제어할 것인가, 아니면 도구가 당신을 제어할 것인가? 이것이 현재 AI 시대에서 가장 중요한 질문입니다. Gary Tan이 강조하는 이 질문은 단순한 기술적 선택을 넘어 개인의 자유와 권력에 관한 문제입니다.
현재 OpenClaw(Claude의 최신 모델)를 사용하는 경험은 마치 페라리를 운전하는 것과 같습니다. 정말 짜릿하고 미친 수준의 속도를 경험하게 됩니다. 기계가 절대 알아낼 수 없을 것 같은 것들을 알아내고 엄청 빠르게 처리하는 능력은 놀랍습니다. 하지만 페라리처럼, 당신이 정비사여야 합니다. 도중에 고장 날 수 있고, 직접 후드를 열고 렌치를 들고 고쳐야 합니다.
이것이 정확히 지금 컴퓨터 과학 분야가 겪고 있는 상황입니다. 1970년대 Homebrew Computer Club 시대, Apple I이 나왔을 때와 매우 유사합니다. Steve Jobs와 Steve Wozniak이 만든 Apple I은 나무 상자 안에 브레드보드가 들어있었고, 못과 덕트테이프로 조립한 초라한 형태였습니다. 하지만 그것이 개인용 컴퓨터 혁명의 시작이었습니다.
오늘날 AI를 진정으로 활용하려면 꽤 똑똑한 기술 사람들도 23시간을 투자하고 토큰에 5001,000달러를 써야 합니다. 하지만 일단 그것을 해내면, 마치 키트카 페라리 단계에 있는 것 같습니다. 당신은 운전할 수 있고, 어디든 갈 수 있으며, 정말로 "이봐, 나 페라리 가졌어"라고 외치고 싶어집니다. 직접 고쳐야 하는 부분도 포함해서 말입니다.
Gary의 리스트: 마크다운으로 구축한 혁신적 저널리즘 플랫폼
Gary Tan이 실제로 코딩으로 돌아온 이유는 깊은 사회적 관심에서 비롯되었습니다. 샌프란시스코 공립학교에서 중학교 7학년, 8학년 학생들이 대수학을 배울 수 없다는 문제를 목격했습니다. 이것이 그의 마음에 오랫동안 남아있었고, 결국 "나도 코딩을 다시 해야겠다"는 깨달음으로 이어졌습니다.
2008년 그는 Posterous를 만들었는데, 이메일로 간단한 블로그를 만드는 서비스였습니다. Twitter가 약 2천만 달러에 인수했을 정도로 성공했던 서비스였습니다. 그 후 그는 Posthaven을 만들었고, 올해 1월에 세 번째로 완전히 새롭게 다시 구축했습니다.
흥미로운 점은 비용과 시간 투자의 극적인 감소입니다:
- 첫 번째 구축: 약 400만 달러, 67명, 약 1년 반 소요
- 두 번째 구축: 약 10만 달러, 2명(Gary와 공동 창립자 Brett Gibson), 약 3개월 소요
- 세 번째 구축: 약 200달러(Claude Opus 호출), 약 5일 소요
이번에 구축한 것은 완전한 기능의 블로그 플랫폼일 뿐만 아니라, 완전한 RAG(Retrieval Augmented Generation) 시스템과 에이전트 검색 기능을 갖추고 있습니다. 인터넷 전체를 읽고, Gary의 모든 트윗을 분석하며, 어떤 주제든 깊이 있는 조사를 수행할 수 있습니다.
Gary's List라는 프로젝트는 단순한 블로깅 플랫폼이 아닙니다. 실제로 고품질 조사 저널리즘의 일을 수행합니다. 약 510달러 정도의 Claude Opus 호출 비용으로, 수십 개의 기사를 읽고, 특정 주제에 대한 전체 책을 읽고, 주석을 달아야 하는 실제 인간의 작업을 완료합니다. 캘리포니아, 샌프란시스코, LA에서 일어나고 있는 일들에 대해 충분히 조사되고 완전히 출처가 명시된 기사 23개를 이미 게시했습니다.
이것은 사람이 해야 했던 일을 AI가 수행할 수 있다는 것을 보여줍니다. 하지만 이 과정에서 인간의 개입은 여전히 필수적입니다. 사람이 "무엇을 조사할 것인가", "어떤 관점에서 접근할 것인가"라는 핵심 방향을 제시해야 하기 때문입니다.
토큰 최대화: 완벽함을 위해 더 많은 돈을 쓰는 철학
"바다를 끓인다"는 Gary의 에세이에서 비롯된 철학이 있습니다. 특히 현재 생성형 소프트웨어를 구축할 때, 우리는 인간이 코드를 쓸 때 했던 일에 만족할 필요가 없습니다. 완벽주의자처럼 인간이라면 어떤 조사를 하는 데 약 한 달이 걸릴 것을 바위를 더 세게 치듯이 처리할 수 있습니다. 더 많은 돈을 지불하고 토큰을 최대화하면 됩니다.
이는 단순히 "더 비싼 모델을 쓴다"는 의미가 아닙니다. 토큰 최대화는 기본적으로 뭔가를 더 완전하고, 더 멋지고, 더 정확하게 만들기 위해 노력하는 것입니다. 예를 들어, 기사 작성에 있어서 한 개의 출처에 만족하지 않고 20개의 출처를 얻을 수 있고 그것들을 교차 검증할 수 있습니다. "이 13개의 출처는 이것을 말하고 있고 여러 출처가 그것에 동의하지 않습니다"라는 식으로 모든 맥락을 파악합니다. 그 다음 이 모든 맥락을 핵심 프롬프트에 공급하면, 기본적으로 인간이 링크를 클릭하고 헤드라인을 읽는 것보다 훨씬 나은 결정을 내릴 수 있습니다.
Gary는 토큰 최대화가 단지 기사 생성에만 있는 것이 아니라 코드 작성, 그리고 사회의 모든 부분에 스며들 것이라고 생각합니다. 우리가 지식 작업이라고 부르는 모든 것이 토큰 최대화될 수 있습니다. 그리고 이것이 사람들을 제거한다는 의미라고는 생각하지 않습니다. 오히려 사람들이 여전히 주도권을 공급해야 한다는 의미입니다.
G Stack: Claude Code와 Open Claude를 조합한 초능력 개발 워크플로우
Gary가 반복해서 같은 작업을 하고 있다는 것을 깨달았을 때, G Stack이라는 새로운 구축 방식을 만들게 되었습니다. 원래 계획은 아니었지만, Gary가 Apple Notes에 자신이 Claude Code에 반복해서 입력하는 모든 것을 정리했을 때 시작되었습니다.
G Stack의 핵심은 여러 단계의 체계적인 검토 프로세스입니다:
1. 계획 모드(Planning Mode)
- ASCII 아트 다이어그램을 사용해 모든 데이터 흐름을 시각화
- 모든 입력과 출력, 사용자 흐름, 오류 메시지를 미리 정의
- 데이터 흐름, 상태 머신, 종속성 그래프, 처리 파이프라인 등을 명확히 하는 단계
이 단계에서 Claude가 혼동하거나 버그를 쓸 가능성이 줄어듭니다. 모든 맥락이 로드되고 명확해지기 때문입니다.
2. 검토 단계들
- 아키텍처 검토: 전체 시스템 구조의 타당성 확인
- 코드 품질 검토: 코드가 모범 사례를 따르는지 확인
- 테스트 검토: 단위 테스트, 통합 테스트, 엔드-투-엔드 테스트 확인
Gary가 Gary의 리스트를 만들면서 배운 것 중 하나는 자신이 직접 코드를 작성할 때 항상 최소한의 테스트만 했다는 것입니다. 그것이 그다지 재미있지 않았기 때문입니다. 하지만 실제 사용자가 건드리면 무너져버리는 80% 품질은 문제가 있습니다. 결국 100% 테스트 커버리지가 가능함을 깨달았고, 이제 80-90%에 도달하는 것이 현재의 모범 사례입니다.
3. Office Hour CEO 스킬
- 제품 피드백, 사용자 관점에서의 기능 평가
- "사람들이 이것을 원하는가", "누구를 위한 것인가", "무엇을 하는가", "영향이 무엇인가"를 검토
4. Codex를 통한 최종 심사
- "모든 문제와 버그를 찾아"라는 프롬프트로 완성된 리포지토리를 철저히 검토
- 발견된 피드백을 Claude Code와 함께 처리
이 방식을 통해 Gary는 지난 48시간 동안 13개의 PR(Pull Request)을 제출하고, 15개의 서로 다른 기능을 동시에 개발 중입니다. 각 기능은 계획 모드를 거치고, CEO 스킬로 검토되며, 엔진 스킬로 테스트되고, 최종적으로 Codex를 통해 문제를 찾습니다.
Claude Code와 Open Claude: 각각의 강점과 약점
Gary가 발견한 흥미로운 점은 Claude Code와 Open Claude의 사용 경험이 극적으로 다르다는 것입니다.
Claude Code의 강점:
- ADHD CEO 스타일의 빠른 프로토타이핑에 이상적
- 대화형으로 빠르게 문제를 해결 가능
- 실시간 피드백과 수정이 용이
- 사용 편의성과 즉각적인 실행이 뛰어남
Open Claude의 강점:
- 매우 복잡한 문제 해결에 더 강력
- "200 IQ의 거의 말이 없는 CEO"처럼 깊이 있는 분석 제공
- 복잡한 아키텍처 설계에 우수
- 장시간 컨텍스트 유지 능력
Gary는 현재 Claude Code를 메인 에이전트로 사용하되, 더 복잡한 문제가 발생하면 Open Claude(Codex)를 불러 도움을 받는 방식을 채택했습니다. 마치 친구를 부르는 것처럼 말입니다.
G Stack의 또 다른 흥미로운 측면은 QA 자동화입니다. 처음에 Gary는 Claude in Chrome MCP를 사용하려 했지만 매 턴마다 23초가 걸려서 너무 느렸습니다. 대신 Microsoft의 Playwright를 Claude Code로 래핑해서 UI 테스트를 자동화했습니다. 이제 QA 에이전트는 "당신의 컨텍스트를 살펴보세요. 이 브랜치에서 우리가 뭘 했나요? UI나 데이터 변경이 있으면 가서 브라우저를 사용해서 그걸 테스트하세요"라는 프롬프트로 자동으로 엔드-투-엔드 테스트를 수행합니다.
마크다운: LLM 세계에서의 새로운 코딩 언어
Gary의 가장 흥미로운 통찰 중 하나는 마크다운에 대한 생각의 변화입니다. 인터넷에서 마크다운 대신 마크다운을 팔고 있다고 놀림을 받지만, 그의 실제 경험은 마크다운이 실제로 코드라는 것입니다. 다른 방식으로 컴파일되는 것일 뿐입니다.
마크다운을 생각하는 방식은 다음과 같습니다. 만약 당신이 이벤트 플래너이고 결혼식을 주최하면서 다시 한 번 결혼식을 주최하는 방법의 체크리스트를 작성한다면, 평문 영어로 무엇을 작성할까요? 그 모든 것이 마크다운에 있어야 합니다.
반면에 결정론적이어야 하는 모든 것들, 즉 실제 행동은 코드여야 합니다. 예를 들어 결혼식 플래너는 20개의 장소에 전화해야 할 수도 있지만, 마크다운을 사용하지는 않을 것입니다. Twilio를 호출할 것입니다.
오늘날 에이전트 엔지니어링의 모든 어려움은 마크다운에 있어야 할 것들을 코드로 하려고 할 때 발생합니다. 코드는 취약하고, 특수한 경우를 이해하지 못하며, 실제로 코드는 당신이 원하는 것이나 당신의 동기를 이해하지 못합니다. 튜링 완전 루프에서 결정론적인 0과 1을 실행할 뿐입니다.
하지만 이제 우리는 잠재 공간을 가진 LLM을 가지고 있고, 그들은 당신이 누구인지 알고, 당신의 동기가 무엇인지 알고, 일반적인 경우를 처리할 수 있습니다. 엔지니어로서 지금의 마법은 "얼마나 많은 것이 LLM 영역에 있을까"와 "얼마나 많은 것이 코드 영역에 있을까"를 파악하는 것입니다.
코드 라인 수: 오해와 실제 의미
Gary는 인터넷에서 "400배의 코드를 작성했다"는 주장으로 논란을 일으켰습니다. 그는 2013년에 약 4시간 정도를 코딩했던 시간에 비해, 지금은 하루에 20시간씩 코딩하고 있습니다. 물론 Claude Code로 대부분을 작성하고 있습니다.
많은 사람들이 이것을 비판했습니다. "코드 라인 수는 개발자 생산성을 측정하지 않는다"는 주장입니다. 하지만 Gary의 분석을 보면 더 복잡합니다.
그는 실제로 git 저장소에서 논리적 코드 라인을 계산해봤습니다. 처음에 그는 "400배의 코드"라고 말했는데, 논리적 코드 라인을 제거한 후 실제로는 더 올라갔습니다. 그가 2013년에 작성한 코드 라인 수를 약 70% 줄인 대신, 약 400배의 기능을 만들었다는 것입니다.
여기서 불일치가 생깁니다. 인간이 코드를 작성할 때는 코드 라인 수를 채우기가 쉽습니다. 반면에 Claude Code에 문자 그대로 코드 라인 수를 채우도록 지시하지 않는 한, 반드시 그렇게 하지는 않습니다. 실제로 코드가 작동하는 한, Claude는 최소한의 코드로 해결하려고 합니다.
소프트웨어 공학 문헌을 보면, 테스트되고 프로덕션 준비가 되어 있는 코드는 하루에 30~100줄 정도입니다. Gary의 경우, Claude Code와의 협업으로 매일 여러 기능을 완성하고 있으며, 이는 시간 단위로 놀라운 생산성을 의미합니다.
핵심은 코드 라인 수 자체가 중요한 것이 아니라, 그것이 나타내는 생산성의 급격한 향상입니다. 기술 이해도가 높은 사람들이 토큰을 최대화할 때 가장 많은 이득을 얻을 가능성이 높다는 점입니다.
완벽함을 위해 충분히 테스트된 시스템의 중요성
AI 모델이 작성한 코드를 테스트하지 않고 사용자를 그냥 던져 넣으면 그건 쓰레기입니다. 인간이 작성한 코드보다 10배 더 나쁩니다. 왜냐하면 무슨 일이 일어날지 전혀 알 수 없기 때문입니다.
따라서 개발자가 해야 할 일은 다음과 같습니다:
1. 잠재 공간과 결정론적 공간 분리
- 마크다운(LLM 영역)에서 무엇을 처리할 것인가
- 코드(결정론적 영역)에서 무엇을 처리할 것인가
- 이 분리를 명확히 하는 것
2. 철저한 테스트
- 단위 테스트: 개별 함수나 모듈 검증
- 통합 테스트: 여러 구성요소가 함께 작동하는지 확인
- 엔드-투-엔드 테스트: 실제 사용자 경험 시뮬레이션
3. "바다를 끓이는" 마인드셋
- 기계는 신경 쓰지 않습니다. 그냥 할 것입니다
- 더 많은 토큰을 쓰고 바위를 더 많이 때리면 90% 테스트 커버리지에 도달할 수 있습니다
- 완벽하지는 않지만 작동하는 시스템을 만들 수 있습니다
현재 OpenClaw는 많은 실패 사례가 있지만 약 95% 정도는 완성되어 있습니다. 이것도 충분합니다. 완벽함을 추구하다가 아무것도 배포하지 못하는 것보다는 95% 완성된 제품을 배포하는 것이 훨씬 낫습니다.
개인용 AI 혁명: 다음 세대 컴퓨팅의 패러다임
Gary가 보는 미래는 매우 명확합니다. 우리는 개인용 AI의 시대로 진입하고 있으며, 이것은 개인용 컴퓨터(PC) 혁명만큼 중요한 변화입니다.
두 가지 세상이 가능합니다:
첫 번째 세상: 개인의 선택
- 개인이 자신의 프롬프트를 직접 작성
- 자신의 데이터와 AI 모델을 관리
- 무엇이 일어나고 있는지 보고 제어
- 개인의 필요성과 가치관에 맞춘 AI 경험
두 번째 세상: 기업 통제
- Facebook 피드처럼 AI가 무엇을 보여줄지 결정
- 누가 그 알고리즘을 만들었는지, 누가 이득을 얻는지 불분명
- 개인은 거대한 기업의 "API 라인 아래"에 위치
- 개인의 필요와 가치관이 반영되지 않은 경험
Pete Koomen이 지적한 대로, 자신의 프롬프트가 없고 직접 작성할 수 없다면, 당신은 자신이 아닌 어떤 PM이나 개발자의 API 라인 아래에 있는 것입니다. 그들은 당신을 이해하지 못하고, 당신의 필요를 이해하지 못하고, 당신이 고유하게 관심 있어 하는 것을 이해하지 못합니다.
토큰 최대화와 기회 비용: 샌프란시스코 임대료처럼
Gary는 Y Combinator의 창업자들과 자주 겪게 되는 딜레마를 언급합니다. "샌프란시스코 임대료가 너무 비싸서 이사 가고 싶어"라는 주장인데, 실제로는 거기에 살지 않는 것도 너무 비쌉니다.
토큰 최대화도 마찬가지입니다. 최초의 인상으로는 매일 500달러에서 1,000달러를 AI 토큰에 쓰는 것이 터무니없어 보입니다. 하지만 그것을 하지 않는 것도 비쌉니다. 왜냐하면:
- 생산성 손실: 더 낮은 품질의 결과물로 인해 시간을 낭비
- 기회 비용: 만들 수 있었던 제품을 만들지 못함
- 경쟁 불이익: 토큰 최대화를 활용하는 다른 팀에 밀려남
YC의 핵심 격언 중 하나는 "미래 속에서 살고 부족한 것을 만들어라"입니다. 토큰 최대화는 이 철학의 심화된 버전입니다. 당신이 해야 할 일은 당신의 뇌를 한 날에 토큰에 500달러를 쓰는 것을 보도록 약속하는 것입니다. 그리고 실제로 당신이 자신에게 정말 큰 가치가 있는 것을 만들고 있다면, 당신이 올바른 것을 만들고 있다면, 당신은 그렇게 할 것입니다.
시간 억만장자가 되는 것: 기계의 도움으로
Gary는 자신의 아이들을 볼 때 "이 아이들이 지금 시간 억만장자"라고 생각합니다. 그들은 아무 책임이 없고, 어떤 것이든 배우고 할 수 있습니다. 이것이 정말로 놀라운 특권입니다.
하지만 이제 우리는 기계의 시간을 빌려서 무한한 시간을 가질 수 있습니다. Gary의 개인적 철학은 미친 듯이 서두르는 것입니다. 그의 뇌 속에서는 아마도 지금 이 몸 속에서 100억 개의 인생을 살았을 것 같고, 모든 순간이 중요합니다.
그리고 토큰을 최대화할 수 있다면, 그것은 마치 당신이 수백만 년의 기계 의식을 살 수 있다는 뜻입니다. 이제 당신은 진정한 의미의 시간 억만장이 될 수 있습니다. 물론 당신의 자신의 시간이 아니라 기계의 시간입니다. 하지만 당신을 위해 일하는 것처럼 말입니다.
Gary가 신경 쓰는 인간 개체들(사람들)이 그가 신경 쓰는 원인들(better government, better education)을 위해 일하도록 할 수 있습니다. Y Combinator를 신경 쓰고, 빌더들이 만들 수 있도록 신경 쓸 수 있습니다. 이것이 토큰 최대화의 진정한 의미입니다.
인간의 개입: 여전히 필수적인 이유
Gary는 누군가가 정말 진정으로 인간이 개입하지 않고도 소프트웨어를 만들 수 있는 것을 만들어냈다면 매우 놀랄 것이라고 말합니다. 이것은 논쟁의 여지가 있는 의견이지만, 중요한 것입니다.
기계는 정말로 대단합니다. 하지만 기계는 당신이 누구이고, 당신이 무엇을 원하고, 당신의 가치관이 무엇인지 이해하지 못합니다. 기계가 할 수 없는 일은 당신의 비전을 제시하고, 당신의 가치관을 표현하고, 당신이 원하는 세상의 모습을 정의하는 것입니다.
이것이 Gary가 기계가 그의 일을 완전히 대체하지 않기를 바라는 이유입니다. 그는 기계가 자신이 하고 싶지 않은 일을 하도록 원할 뿐입니다. 예를 들어, QA는 좋은 예입니다. 누가 manual QA를 좋아합니까? 기계가 이 일을 할 수 있다면 매우 좋습니다.
하지만 핵심적인 창의적 결정, 방향 설정, 가치 판단은 여전히 인간의 영역입니다. 이 영역에서 기계는 도구일 뿐입니다. 매우 강력한 도구이지만, 여전히 도구입니다.
YC CEO와 개발자의 이중 정체성
흥미로운 질문이 있습니다: Y Combinator의 CEO이면서 동시에 이 모든 것을 만들려고 시도했다는 사실이 Gary를 도왔을까요?
Gary의 시간은 매우 부족합니다. 그는 수십만 줄의 코드를 작성해야 하는데 회의 사이의 여유 시간으로만 해야 합니다. 하지만 이것이 오히려 그를 모든 것을 자동화하는 방법을 알아내기 위해 끊임없이 자신을 밀어붙이도록 했습니다.
풀타임 소프트웨어 엔지니어와 달리, 웹사이트를 열고 클릭해보고 테스트할 시간을 가질 수 있는 것과는 다르게, 그런 시간들은 Gary에게는 엄청나게 부족했고, 그래서 그는 모든 것을 자동화하는 방법을 알아내기 위해 끊임없이 자신을 밀어붙였습니다.
이것이 바로 G Stack이 생긴 이유입니다. Gary는 자신의 한정된 시간 때문에 자동화와 효율화를 극대화해야 했고, 결과적으로 다른 개발자들도 사용할 수 있는 강력한 시스템을 만들었습니다.
결론
토큰 최대화는 단순히 더 비싼 도구를 쓰거나 더 많은 토큰을 소비하는 것이 아닙니다. 이것은 AI의 전체 잠재력을 활용해서 세상을 더 좋게 만드는 철학입니다. Gary Tan의 경험에서 우리가 배울 수 있는 것들은 명확합니다:
도구를 제어하세요: 당신이 자신의 도구를 제어할 것인가, 아니면 도구가 당신을 제어할 것인가?
마크다운으로 생각하세요: LLM이 이해할 수 있는 명확한 문서 형식으로 당신의 의도를 표현하세요.
완벽함을 위해 투자하세요: 더 많은 토큰을 써서 더 완전한, 더 정확한 결과물을 만드세요.
자동화하세요: 인간만이 할 수 있는 일에 집중하고, 나머지는 기계에 맡기세요.
인간은 여전히 중요합니다: 기계는 도구일 뿐이고, 당신의 비전과 가치판단은 여전히 인간의 역할입니다.
지금은 컴퓨터 과학 분야에서 정말로 흥미로운 시간입니다. 우리는 개인용 AI 혁명 초기에 있으며, 누가 이 도구를 올바르게 사용하는지가 다음 세대를 형성할 것입니다. Gary Tan과 같은 빌더들이 보여주는 것처럼, 당신도 이 새로운 시대에서 기계의 도움으로 기하급수적으로 더 많은 것을 만들 수 있습니다.
당신의 뇌를 약속하세요. 매일 토큰에 500달러를 쓸 마음의 준비를 하세요. 그리고 당신이 원하는 미래를 만드세요. 기계는 기꺼이 당신을 도울 것입니다.
원문출처: Tokenmaxxing: How Top Builders Use AI To Do The Work Of 400 Engineers
powered by osmu.app