Graphify2 Serena vs Graphify - AI 코딩 토큰을 줄이는 두 접근법 이 글에서 다루는 내용Serena MCP와 Graphify는 둘 다 AI 코딩 어시스턴트의 토큰 절감을 노리는 도구입니다. Claude Code·Cursor·Codex 같은 도구의 가장 큰 비용 발생 지점인 "코드 검색 단계의 토큰 폭발"을 다른 방식으로 풀어냅니다. Serena는 LSP 기반 실시간 인덱스로, Graphify는 사전 컴파일된 지식 그래프로 같은 문제를 푸는데, 두 접근의 강점과 약점은 정반대 방향입니다. 이 글은 두 도구의 정체부터 동작 방식·정확도·자료 범위·한계, 그리고 어떤 상황에 어느 쪽을 써야 하는지, 마지막으로 둘을 함께 쓰는 셋업까지 비교 표로 정리합니다. 기준 시점은 2026년 5월입니다.1. 한 줄 요약 - 정체와 패러다임항목Serena MCPGraphify한 줄 정체".. 2026. 5. 13. Karpathy의 LLM 위키 - RAG의 한계를 넘는 새 패턴과 Graphify 사례 이 글에서 다루는 내용Andrej Karpathy가 2026년 4월 공개한 LLM 위키(LLM Wiki) 개념은 기존 RAG의 한계를 정면으로 짚으면서 큰 파장을 일으켰습니다. 매번 벡터 검색으로 원본을 끌어오는 대신, LLM이 한 번 컴파일해 둔 지식 산출물을 영원히 쿼리하는 패턴을 제안했고, 한 달 만에 NEXUS·agentmemory 같은 후속 프로젝트들이 줄지어 등장했습니다. 이 글은 카파시의 제안 내용, 기존 RAG와 갈라지는 지점, 그리고 같은 원리를 코드베이스에 적용한 Graphify 사례를 정리합니다. 특히 "토큰은 줄어들고 동시에 답변 정확도는 올라간다"는 일견 모순처럼 들리는 가설이 왜 이 패턴에서는 성립하는지 메커니즘 단위로 풀어 봅니다. 기준 시점은 2026년 5월입니다.1. 기존 .. 2026. 5. 11. 이전 1 다음
