중국어 | 영어

하네스 공학 학습 가이드

개념적 이해부터 독립적인 실습까지 모든 것을 아우르는 하네스 엔지니어링 딥러닝 아카이브

표지는 창고에서 직접 제작한 프로젝트 소개 PPT + 포스터에서 가져온 것입니다 — open-kimi-ppt 기술 생성, PPTD 소스이며 같은 창고에서 편집할 수 있습니다

서문

이 프로젝트는 지속적으로 성장하는 학습 프로젝트입니다. 하네스 엔지니어링은 2026년 2월 OpenAI가 제안한 엔지니어링 패러다임으로, 엔지니어는 더 이상 코드를 작성하지 않고 환경을 설계하고, 의도를 명확히 하며, 피드백 루프를 구축하여 AI 에이전트의 작업을 신뢰성 있게 완수합니다.

**인간이 지휘관에 있고, 요원들이 실행한다. **

이 저장소는 원문 읽기, 개념 분해, 사고 형성, 실습, 작품 제작에 이르기까지 전체 학습 과정을 기록합니다. AI 공학에 관심 있는 친구들에게 도움이 되길 바랍니다.

출처: OpenAI — 하네스 엔지니어링: 에이전트 우선 세계에서 코덱스 활용

참고: 다음 경험담은 보편적으로 적용되는 것은 아닙니다. 실제 실천에 변증법적으로 적용해 주시기 바랍니다.

⚡ 요약하자면

핵심 전환: 엔지니어의 산출물이 코드에서 제한된 시스템으로 전환됨—AGENTS.md, 아키텍처 규칙, 맞춤형 린터, 피드백 루프.

🧭 여섯 가지 핵심 개념

1. 창고 기록 시스템으로서 — 창고 내에 없는 품목은 에이전트에게 존재하지 않습니다

슬랙 토론, 구글 문서, 뇌 속 지식 = 에이전트에게 보이지 않는 것. 모든 결정, 기준, 계획은 버전화된 산출물로 창고에 제출되어야 합니다.

→ 자세한 내용은 concepts/01-repo-as-source-of-truth.md 참조

2. 지도, 매뉴얼이 아니라 — AGENTS.md 백과사전이 아니라 목차 페이지입니다

~100줄의 진입 파일이 더 깊은 문서를 가리키고 있습니다. 점진적 공개: 요원들은 작은 진입점부터 시작하여 다음에 무엇을 찾아야 하는지 안내받습니다. 거대한 지시 파일의 사망 원인 세 가지: 과밀한 맥락, 유지 불능, 그리고 기계적 검증 불가.

→ 자세한 내용은 concepts/00-overview.md 참조

3. 기계화된 실행 — 문서는 썩겠지만 보풀 규칙은 그렇지 않습니다

맞춤형 린터 + 구조적 테스트 = 불변 수호자. 린트 오류 메시지에 내재된 정화 지침이 있어 에이전트가 스스로 수정할 수 있게 합니다. 중앙 수준에서 경계를 강제하고 지역 수준에서 자율성을 허용합니다.

→ 자세한 내용은 concepts/02-mechanical-enforcement.md 참조

4. 에이전트 가독성 — 에이전트의 추론 능력을 최적화하는 데 우선순위를 두기

“지루한” 기법(안정적인 API와 좋은 훈련 세트 커버리지)을 선택하세요. 때로는 하위 집합을 재구현하는 것이 불투명한 래퍼를 사용하는 상위 동작보다 비용 효율적입니다. 애플리케이션이 git 워크트리를 사용할 수 있도록 지원하세요.

→ 자세한 내용은 concepts/04-agent-readability.md를 참조하세요