2026년 7월 6일, Anthropic의 Claude Code 엔지니어 Thariq Shihipar가 《Claude Fable 필드 가이드: 미지(未知)의 발견》을 공개했습니다. 이는 단순한 프롬프트 팁 모음집이 아닙니다. 한 달 전, Thariq는 Claude Code로 Fable 5 출시 영상을 처음부터 편집했으며, 그 과정에서 모델이 스스로 '모르는 것을 모른다'는 사각지대를 스캔하도록 하여 색보정 지식을 모두 습득했습니다. 이 방법론은 AI 협업의 핵심 모순이 전환되었음을 의미합니다. Fable 5가 시스템 프롬프트를 80% 줄이고 모델 지능이 더 이상 병목이 아니게 된 후, 결과물의 질적 상한선은 개발자 스스로 미지를 명확히 하는 능력으로 이동했습니다.

Anthropic, Claude Fable 필드 가이드 커버 이미지 공개

Claude Fable 필드 가이드: 당신의 미지 발견하기｜Anthropic 공식 블로그

지도는 영토가 아니다: 프롬프트 80% 삭제가 가져온 새로운 병목

2026년 6월 9일, Anthropic은 Claude Fable 5와 Mythos 5 모델을 공식 출시했습니다. Fable 5는 안전 분류기가 포함된 광범위 배포 버전이며, Mythos 5는 일부 제한이 해제된 초대 전용 버전입니다. 7월에 공개된 필드 가이드는 본질적으로 Fable 5 시대의 워크플로우에 대한 공식 확인서입니다.

전통적인 AI 응답 방식에서 개발자들은 '지도'를 두껍게 만드는 데 익숙했습니다. 똑똑하지 않은 모델을 상대하기 위해 개발자들은 시스템 프롬프트에 상세한 Few-shot 예시와 엄격한 제약 조건을 쌓아 올려야 했습니다. Claude Code의 원래 시스템 프롬프트는 한때 65k 토큰에 달했습니다. Fable 5가 출시된 후 Anthropic은 시스템 프롬프트의 80%를 과감히 삭제했으며, 전략을 '제약 부여'에서 '컨텍스트 부여'로 전환했습니다.

이러한 삭제는 단순한 압축이 아니라 모델 능력의 비약적 향상에 대한 직접적인 대응입니다. 65k 토큰의 시스템 프롬프트에는 코드 스타일, 파일 조작 규범, 보안 경계에 대한 수많은 하드코딩된 규칙이 포함되어 있었습니다. 이러한 규칙들은 인공지능 모델 성능이 약했던 시절, 모델이 긴 세션에서 궤도를 이탈하는 것을 막는 필수적인 안전장치였습니다. 그러나 Fable 5의 추론 능력은 이미 충분히 강력하여, 이러한 엄격한 제약 없이도 맥락에 따라 올바른 작업 경로를 스스로 판단할 수 있습니다. Anthropic 엔지니어들은 내부 테스트에서 하드코딩된 규칙을 너무 많이 유지하는 것이 오히려 Fable 5의 의사 결정을 방해한다는 사실을 발견했습니다. 모델이 특정 규칙을 준수하기 위해 더 나은 솔루션을 우회하거나, 규칙 간에 충돌이 있을 때 우유부단해질 수 있기 때문입니다.

이러한 전환은 냉혹한 사실에 기반합니다. Fable 5는 충분히 똑똑하기 때문에, 개발자의 '지도'에 '미지'가 표시되어 있지 않으면 엄청난 효율로 잘못된 방향으로 질주할 수 있습니다. 모델 성능이 약했던 시절, 개발자들은 이해 편차를 방지하기 위해 최소한의 안전장치로 프롬프트를 두껍게 만들었습니다. 하지만 Fable 5 시대에 과도한 제약은 오히려 족쇄가 되었습니다. 시스템 프롬프트에 지나치게 경직된 규칙이 많으면, Fable 5가 그 규칙을 지키기 위해 실제 목표를 우회할 수 있기 때문입니다. Anthropic이 프롬프트를 삭제한 것은 본질적으로 모델을 해방시켜 기계적인 규칙 매칭이 아닌 컨텍스트와 자체 추론 능력에 의존하도록 만든 것입니다.

기존 모델은 모호한 지시를 받으면 대개 업계 모범 사례에 기반하여 '임의로 추정'해 실행하거나 곧바로 오류를 뱉으며 거부했습니다. 이로 인해 개발자들은 코드 병합 후 AI가 눈에 띄지 않는 아키텍처 편향을 도입한 것을 발견하곤 했습니다. 전형적인 시나리오는 다음과 같습니다. 개발자가 프롬프트에 사용자 인증 모듈의 요구 사항을 설명했지만 비밀번호 암호화 알고리즘을 명확히 지정하지 않은 경우입니다. 기존 모델은 MD5나 SHA1처럼 흔하지만 이미 안전하지 않은 알고리즘을 기본값으로 사용합니다. 학습 데이터에서 그러한 구현 사례를 대량으로 접했기 때문입니다. 개발자는 보안 감사가 되어서야 이 문제를 발견합니다. Fable 5는 이 로직을 바꿔 놓았습니다. 결과물의 품질 병목은 모델의 추론 능력에서 개발자 자신의 도메인 전문성과 미지의 것을 정의하는 능력으로 이동했습니다. 개발자가 작업의 경계와 잠재적 위험을 명확히 정의할 수 없다면, Fable 5의 강력한 추론 능력은 오히려 잘못된 코드 생성을 가속화할 뿐입니다.

비교 차원	전통적인 AI 응답 모델 (예: Opus 4.8 이전)	Claude Fable 5 패러다임 (필드 가이드 결합)
프롬프트 전략	두께 쌓기, 상세한 Few-shot 예시 및 엄격한 제약 제공 (시스템 프롬프트 65k 토큰)	감산(減算), 80% 제약 삭제, 시작점 컨텍스트 제공, 모델 해방
모호함 대응 시	업계 모범 사례 기반 임의 추정 실행, 또는 직접 오류 반환 거부	능동적 역질문, 인간에게 명확화 요구, Unknown Unknowns를 Known Unknowns로 전환
인간-기계 역할	인간은 '작업반장/아키텍트', AI는 '실행 작업자'	인간은 '도메인 전문가/사고 파트너', AI는 '소크라테스식 역질문자' 및 '프로토타입 생성기'
검수 방식	인간이 코드 Diff 리뷰	AI가 보고서 생성 및 인간을 '시험'하는 문제 출제, 인간이 블랙박스 조작을 이해하도록 보장
핵심 병목	모델의 추론 능력과 컨텍스트 메모리	개발자 자신의 도메인 전문성과 미지 정의 능력

네 가지 미지 매트릭스: AI가 개발자에게 역질문하는 방법

필드 가이드의 핵심은 작업 문제를 네 가지 유형, 즉 아는 미지(Known Knowns), 아는 미지(Known Unknowns), 모르는 미지(Unknown Knowns), 모르는 미지(Unknown Unknowns)로 분류하는 것입니다. Claude Code와 결합하여 이 네 가지 미지는 구현 전부터 구현 후까지 전체 라이프사이클을 포괄하는 구체적인 프롬프트 패턴에 매핑됩니다.

아는 미지(Known Knowns)는 구현 계획에 대응합니다. 대규모 코드베이스 리팩토링에서 개발자는 어떤 모듈을 변경해야 하는지 명확히 알지만 변경 순서를 확신하지 못합니다. 개발자는 가장 변경 가능성이 높은 데이터 모델을 먼저 검토하고 기계적 리팩토링은 나중으로 미루도록 AI에 요청할 수 있습니다. 이는 AI가 실행 전에 먼저 개발자와 핵심 아키텍처를 정렬하도록 보장하여, 하위 수준 인터페이스가 확정되기 전에 대량의 상위 비즈니스 코드를 생성하는 것을 방지합니다. 5천만 줄의 Ruby 코드를 포함한 Stripe 수준의 코드베이스 마이그레이션에서 이러한 정렬 전략은 재작업을 획기적으로 줄일 수 있습니다. 만약 AI가 상위 비즈니스 로직 재작성을 먼저 완료한 후 하위 데이터 모델이 변경된다면, 모든 상위 코드를 다시 작성해야 합니다.

아는 미지(Known Unknowns)는 면접에 대응합니다. 이것이 Fable 5의 가장 파괴적인 모드 중 하나입니다. AI는 더 이상 수동적으로 명령을 기다리지 않고 개발자를 인터뷰합니다. 높은 동시성을 요구하는 API 인터페이스를 설계할 때, 개발자는 대량의 요청을 처리해야 한다는 것을 명확히 알지만 구체적인 트래픽 제한 전략이나 캐시 일관성 솔루션에 대한 결론을 내리지 못한 상태일 수 있습니다. 개발자는 AI에 "제 대답에 따라 아키텍처 설계가 달라질 질문을 우선적으로 해주세요"라고 요청할 수 있습니다. AI는 데이터 일관성 요구 사항, 예상 최대 QPS, 또는 서비스 저하 전략에 대한 구체적인 지표를 역으로 질문할 수 있습니다. 이러한 역질문을 통해 AI는 개발자가 모호한 아이디어를 구체화하도록 강제합니다.

마이크로서비스 아키텍처 설계 시나리오에서, 개발자가 Fable 5에 주문 서비스를 구현해야 한다고 말했다고 가정해 보겠습니다. Fable 5는 곧바로 코드 작성을 시작하지 않고 이렇게 역질문할 것입니다. "주문 상태 변경에 크로스 서비스 트랜잭션 보장이 필요합니까? 필요하다면 Saga 패턴을 사용할까요, 아니면 2단계 커밋을 사용할까요? 재고 차감은 주문 생성 시 선점 처리할까요, 결제 완료 후 실제 차감할까요?" 이 질문들 중 각각의 답변은 최종 아키텍처 설계를 직접적으로 바꿀 것입니다. 개발자는 이 질문에 답하는 과정에서 사실상 자신만의 아키텍처 설계를 완성하게 됩니다.

모르는 미지(Unknown Knowns)는 브레인스토밍 및 프로토타입에 대응합니다. '보기 전에는 무엇을 원하는지 모르는' 미적 또는 직관적 문제에 대해, 개발자는 AI가 서로 다른 방향의 여러 HTML 프로토타입을 생성하여 인간이 선택지를 고르도록 할 수 있습니다. 데이터 대시보드를 개발할 때, 개발자는 이상적인 인터랙션 레이아웃을 말로 정확히 설명하지 못할 수 있습니다. Fable 5가 중점을 달리한 네 가지 HTML 프로토타입을 생성하게 하면, 개발자는 이를 직관적으로 살펴보고 원하는 요소를 골라 조합할 수 있습니다. 이 패턴은 인간 인지의 한계를 인정하고, 빠른 프로토타입을 통해 언어 설명의 부족함을 보완합니다.

모르는 미지(Unknown Unknowns)는 사각지대 스캔에 대응합니다. 개발자는 AI에 "이 모듈에서 내가 모르는 미지가 무엇인지 찾아줘"라고 직접 명령합니다. 단순해 보이는 결제 콜백 로직을 처리할 때, 개발자는 동시성 요청으로 인한 중복 결제 위험이나 제3자 게이트웨이의 타임아웃 재시도 메커니즘을 간과했을 수 있습니다. AI는 코드베이스에 대한 전체적인 관점을 바탕으로, 개발자가 놓칠 수 있는 경계 조건, 역사적으로 남아 있는 함정, 또는 잠재적인 보안 위험을 지적해 줄 것입니다.

Thariq는 Fable 5 릴리즈 영상을 편집할 때 바로 이 사각지대 스캔을 활용했습니다. 색보정에 대해 아무것도 몰랐던 그는 Claude Code로 하여금 영상 처리 과정의 사각지대를 스캔하게 했고, 모델은 색 공간 변환 및 LUT 적용의 핵심 지식을 능동적으로 짚어주었습니다. 구체적인 작업 흐름은 다음과 같습니다. Thariq는 먼저 Claude Code에 영상 파일을 불러와 색상 메타데이터를 분석하도록 한 뒤, "색보정 과정에서 제가 놓칠 수 있는 기술적 디테일을 찾아줘"라고 지시했습니다. Claude Code는 Rec.709와 Rec.2020 색 공간의 차이, Log 인코딩과 Linear 인코딩의 변환 타이밍, 그리고 LUT 파일을 노드별로 다르게 적용할 때 나타나는 효과 차이 등을 담은 목록을 반환했습니다. Thariq는 이 목록에 따라 하나씩 학습하며 '모르는 것을 알지 못하는 상태'를 '아는 상태'로 전환했고, 마침내 영상 편집을 완성할 수 있었습니다.

구현 과정에서 Fable 5는 '하면서 기록하기'를 요구한다. 개발자는 implementation-notes.md 파일을 유지 관리하며, AI가 계획에서 벗어난 보수적인 결정을 내렸을 때 이를 기록해야 한다. AI가 특정 기능을 구현하는 도중 원래 계획이 실행 불가능함을 발견하고 다운그레이드된 대안을 채택하면, 이 결정이 문서에 남는다. 이를 통해 인간은 프로젝트의 실제 진행 상황을 항상 파악할 수 있고, AI가 블랙박스 속에서 스스로 진화하는 것을 막을 수 있다. 한 데이터베이스 마이그레이션 프로젝트에서, AI는 원래 계획했던 배치 임포트 도구가 대상 데이터베이스 버전에서 알려진 버그가 있음을 발견하고 건별 임포트라는 보수적인 방안으로 전환할 수 있다. 이 결정은 implementation-notes.md에 기록되며, 개발자는 추후 검토 시 AI의 판단 로직을 이해하고 필요하다면 이를 뒤집을 수도 있다.

가장 반직관적인 조작은 검수 단계에서 등장한다. 긴 세션이 종료된 후, 코드 Diff만으로는 AI의 심층적인 변경 사항을 이해할 수 없다. Thariq는 Claude에게 컨텍스트와 직관적인 설명을 포함한 HTML 보고서를 생성하게 하고, 하단에 퀴즈 문제 세트를 첨부하도록 요구한다. 퀴즈를 전부 맞혀야만 코드가 병합된다. 이는 '인간이 AI를 시험한다'는 전통적인 패러다임을 완전히 뒤집고, AI의 역질문을 통해 긴 세션 속에서 인간이 갖게 되는 블랙박스 조작에 대한 이해 부족을 메우는 방식이다. 퀴즈 문제의 예는 다음과 같다: "왜 이 함수에서 비관적 락 대신 낙관적 락을 사용했는가?" "이 캐시 무효화 전략은 어떤 시나리오에서 데이터 불일치를 일으키는가?" 개발자는 이러한 질문에 정확히 답변해야만 AI의 변경 사항을 이해했음을 증명할 수 있다.

미지의 유형	정의	대응하는 프롬프트 패턴	구체적 조작
앎을 아는 것	개발자가 명확히 알고 정리된 부분	구현 계획	AI가 휘발성 데이터 모델을 사전 검토하고, 기계적 리팩터링은 후순위로 배치
모름을 아는 것	개발자가 정리되지 않았음을 인지하는 부분	면접	AI가 개발자에게 역질문하되, 아키텍처 설계를 바꿀 수 있는 질문을 우선
앎을 모르는 것	직관이나 보아야만 이해되는 부분	브레인스토밍과 프로토타입	AI가 여러 HTML 프로토타입을 생성하여 인간이 선택하도록 제시
모름을 모르는 것	전혀 자각하지 못한 맹점	맹점 스캔	AI가 코드베이스와 시스템 설계의 잠재적 위험 요소를 능동적으로 점검
구현 중	개발 과정에서의 동적 변화	하면서 기록하기	AI가 계획에서 이탈한 보수적 결정을 기록한 노트를 유지
구현 후	코드 병합 전의 검수	검수 테스트	AI가 보고서를 생성하고 문제를 출제하며, 인간이 전부 정답을 맞혀야 병합 허용

Fable 5와 Mythos 5의 이중 트랙: 능력 해방과 안전한 롤백

Anthropic이 Fable 5와 Mythos 5를 동시에 출시한 것은 능력 해방과 안전 통제 사이의 균형을 반영한다. Mythos 5는 Project Glasswing의 일환으로 네트워크 보안 등 일부 제한이 해제되었으며 초청받은 사용자에게 제공된다. Fable 5는 광범위하게 배포되는 버전으로, 엄격한 안전 분류기가 내장되어 있다.

Fable 5는 네트워크 보안, 생화학 등 민감한 문제를 마주하면 자동으로 Claude Opus 4.8 응답으로 롤백된다. 공식 발표에 따르면 초기 데이터에서 Fable 세션의 95% 이상은 어떠한 안전 롤백도 유발하지 않으며, 오탐률은 5% 미만이다.

이러한 이중 트랙은 Fable 5를 대중 시장에 안전하게 배포할 수 있도록 보장하지만, 사용 경험의 단절을 초래하기도 한다. 일부 개발자는 정상적인 저수준 네트워크 프로그래밍이나 생화학 연구 도중 강제 롤백을 경험한다. 예를 들어, 네트워크 패킷 스니핑을 포함한 보안 감사 도구를 작성할 때 Fable 5가 안전 분류기를 트리거하여, Fable 5가 주도하던 효율적인 워크플로가 중단되고 모델 능력이 순간적으로 다운그레이드될 수 있다. 방화벽 규칙 테스트 스크립트를 작성할 때도 코드에 포트 스캔 로직이 포함되어 있어 Opus 4.8로 롤백될 수 있다. 공식은 후속 업데이트에서 분류기 범위를 좁히고 연구자 대상 신뢰 기반 접근 프로그램을 출시할 것이라고 약속했지만, 현 단계에서 안전 롤백은 여전히 개발자 피드백의 통증점 중 하나이다.

매개변수/특성	Claude Fable 5	Claude Mythos 5
출시일	2026년 6월 9일	2026년 6월 9일
가격	입력 $10/백만 토큰, 출력 $50/백만 토큰	초청제, 가격 미공개
컨텍스트 윈도우	기본 100만 토큰	기본 100만 토큰
안전 메커니즘	내장 안전 분류기, 민감한 문제 시 Opus 4.8로 롤백	일부 제한 해제(네트워크 보안 등), 강제 롤백 없음
적용 시나리오	광범위 배포, 일반 개발자 대상	Project Glasswing 초청 사용자, 특정 연구·보안 연구

토큰 연소와 상호작용 피로: 능동적 명확화의 대가

미지의 것을 능동적으로 명확히 하는 메커니즘은 실제 사용에서 상당한 비용과 경험적 문제를 가져왔다.

토큰 연소는 개발자들의 피드백이 가장 집중된 통증점이다. Fable 5는 적응형 사고(adaptive thinking)를 강제로 활성화하며, CoT(사고 연쇄)를 끌 수 없고, 오직 effort 매개변수를 통해 사고 깊이를 제어할 수 있을 뿐이다. Reddit 커뮤니티에서는 많은 사용자가 Fable 5가 "내 Max 요금제를 먹어치운다"고 불평한다. 출력이 매우 길고 사고가 항상 켜져 있어 토큰 소비가 통제 불능이 되기 때문이다. Fable 5의 가격은 입력 10달러/백만 토큰, 출력 50달러/백만 토큰이며, 기본 컨텍스트는 100만 토큰이다. 이러한 소비 속도는 개인 개발자에게 실질적인 경제적 압박을 가한다. 일부 사용자 피드백에 따르면, 중간 규모의 코드 리팩터링 한 번에 Fable 5의 사고 과정과 역질문 출력이 몇 분 만에 수십만 토큰을 소모했다고 한다. Max 20x 구독 요금제에서, 한 사용자는 Fable 5의 소비 속도가 분당 2달러에 달해 기대를 크게 웃돌았다고 보고했다.

커뮤니티 피드백에 따르면, Fable 5의 medium effort는 종종 Opus 4.8의 max effort를 뛰어넘는 것으로 나타난다. 이는 간단한 작업을 처리할 때도 Fable 5가 여전히 심층 사고에 방대한 연산 자원을 소비한다는 의미이다. 예산이 제한된 개발자는 반드시 effort 매개변수를 엄격히 사용하거나, 간단한 작업에서는 Fable 5 사용을 피해야 한다. 일부 개발자들은 실전 경험을 다음과 같이 정리했다: 명확한 CRUD 작업이나 간단한 문자열 처리에는 low effort를 사용하고, 아키텍처 설계가 개입된 복잡한 작업에만 medium이나 high effort를 활성화한다. 하지만 그럼에도 불구하고 Fable 5의 토큰 소비는 이전 세대 모델보다 현저히 높다.

상호작용 피로 역시 개발자들을 괴롭힌다. AI가 개발자를 면접하는 방식은 아키텍처 설계 품질을 높일 수 있지만, 상호작용 턴 수와 시간 비용을 대폭 증가시킨다. 목표가 명확하고 경로가 단순한 CRUD 작업에는 이러한 소크라테스식 협업이 오히려 부담이 된다. 개발자는 코드 생성을 추진하기 위해 AI의 질문에 계속 답변해야 한다. 빠르게 진행되는 애자일 개발 환경에서, 이런 빈번한 상호작용 중단은 개발 효율을 떨어뜨릴 수 있다. 단순한 회원 가입 기능 하나에도 Fable 5의 면접 모드를 사용하면, 비밀번호 정책, 이메일 인증, 사용자 역할에 관한 5~10개의 질문에 답해야 할 수 있다. 하지만 개발자는 단지 빠르게 프로토타입을 생성하고 싶었을 뿐이다. Fable 5의 가치는 복잡한 엔지니어링에서의 맹점 점검에 있으며, 모든 시나리오의 보편적 대체재가 아니다.

안전 분류기의 오탐도 워크플로의 연속성에 영향을 미친다. 공식이 후속 업데이트에서 분류기 범위를 좁힐 것이라고 약속했지만, 현 단계에서 정상적인 개발 흐름이 안전 롤백에 의해 중단되는 상황은 여전히 존재한다. 이러한 경험의 단절은 일부 개발자가 Fable 5의 안정성에 의문을 품게 만든다. 보안 감사, 침투 테스트 도구 개발, 생화학 데이터 분석 등 특정 분야에서 개발자는 Mythos 5로 빈번하게 전환하거나 신뢰 기반 접근 프로그램의 승인을 기다려야 하므로, 워크플로의 복잡성이 증가한다.

명령 공학에서 미지 관리로: 개발자의 새로운 스킬 트리

Claude Fable의 출시와 현장 가이드의 배포는 분명한 신호를 전달한다. 모델은 이미 충분히 똑똑해졌으며, 이제 개발자 차례다.

개발자가 키워야 할 새로운 역량은 더 두꺼운 프롬프트를 작성하는 것이 아니라, 미지의 것을 정의하고, 불확실성을 관리하며, AI의 역질문 속에서 자신의 맹점을 식별하는 능력이다. 이는 '명령 공학'에서 '미지 관리'로의 스킬 마이그레이션이다. OmniTools는 이러한 워크플로의 재구성이 단순한 파라미터 업그레이드보다 더 파괴적이라고 본다.

전통적인 프롬프트 엔지니어링에서 개발자는 요구사항을 더 명확하고 모호함 없이 기술하는 방법에 집중합니다. 반면, 미지 관리(Unknown Management)에서는 개발자가 자신의 인지적 한계를 인정하고, AI의 재질문 능력을 활용해 그 한계를 메워야 합니다. 이는 개발자에게 더 강한 도메인 전문성을 요구하며, AI가 질문을 던졌을 때 정확한 판단을 내릴 수 있어야 합니다. AI가 "이 결제 콜백에서 네트워크 지터로 인한 중복 알림을 처리해야 하나요?"라고 재질문할 때, 개발자는 이 문제의 심각성을 판단하고 합리적인 답변을 제시할 수 있어야 합니다. 만약 개발자 자신이 결제 시스템의 경계 조건에 대한 이해가 부족하다면, AI의 재질문 역시 이 지식의 간극을 메울 수 없습니다.

하지만 이 메커니즘이 만능은 아니다. 복잡한 엔지니어링과 시스템 설계에 적합하지만, 단순한 작업에는 과도한 설계다. AI가 더 이상 전지전능한 척하지 않게 되면서, 개발자는 자신의 인식 속 공백과 직면해야 한다. Fable 5의 능동적 명료화 메커니즘은 본질적으로 상호작용 비용을 코드 품질과 맞바꾸는 것이다. 아키텍처 고민에 시간을 투자할 의향이 있는 개발자에게 이 메커니즘은 후기 재작업 위험을 크게 낮출 수 있지만, 빠른 반복을 추구하는 팀에게는 효율의 걸림돌이 될 수 있다.

Fable 5에서 Mythos 5로 이어지는 듀얼 트랙 시스템, 그리고 필드 가이드의 방법론 축적에 이르기까지, Anthropic은 AI와 개발자 간 협업의 경계를 재정의하고 있다. 모델은 더 이상 수동적인 실행 도구가 아니라 능동적 사고 능력을 갖춘 협업 파트너다. 개발자의 역할은 '지시를 작성하는 사람'에서 '미지의 것을 관리하는 사람'으로 변화했다. 이러한 전환은 개발자에게 자신의 워크플로를 재검토하고 효율성과 품질 사이에서 새로운 균형점을 찾을 것을 요구한다.

安全公司：Sonne Finance项目被攻击，损失超2000万美元

인기 기사