어떤 글을 쓸 것인가

• AI — 모델을 실제 작업에 붙이면서 겪은 것들. 잘 된 것보다 안 된 것을 더 자세히.
• 개발 — 도구와 인프라. 한 번 겪은 함정은 다음에 다시 안 밟도록 기록.
• 노트 — 짧은 메모. 나중에 글이 될 수도 있고 안 될 수도 있는 것.

왜 정적 사이트인가

서버가 없으면 관리할 것도 없습니다. 원고는 Markdown 이나 HTML 파일이고, 빌드하면 HTML 이 나오고, 그걸 아무 정적 호스팅에나 올리면 끝입니다. 댓글은 두지 않기로 했습니다. 사이트를 단순하게 유지하는 대가로 얻는 것이 더 많다고 봅니다.

도구를 고치는 시간이 글 쓰는 시간보다 길어지면 뭔가 잘못된 것이다.

앞으로 천천히 채워 나가겠습니다.

왜 직접 만드는가

Hugo, Eleventy, Astro 모두 훌륭한 도구입니다. 하지만 원고가 HTML 이나 Markdown 이고 필요한 출력이 "글 페이지 + 카테고리 목록 + RSS + 사이트맵" 정도라면, 도구의 설정 체계를 배우는 비용이 직접 짜는 비용보다 큽니다. 무엇보다 구조를 완전히 통제할 수 있어서, 나중에 자동화된 파이프라인이 글을 밀어 넣을 때 다루기 쉽습니다.

구조

content/
  posts/     글 (.md 또는 .html, 프론트매터 필수)
  pages/     소개·개인정보처리방침 같은 고정 페이지
templates/   레이아웃 (JS 템플릿 리터럴)
static/      CSS, 파비콘 등 그대로 복사되는 파일
scripts/
  build.mjs  빌드
  serve.mjs  로컬 미리보기
  new.mjs    새 글 스캐폴드
site.config.json

빌드 흐름

1. content/posts/ 의 파일을 읽어 프론트매터를 파싱한다.
2. Markdown 은 markdown-it 으로, HTML 은 그대로 쓰되 코드 블록만 하이라이트한다.
3. 날짜 역순으로 정렬해 글 페이지, 홈, 카테고리 목록(페이지네이션)을 만든다.
4. feed.xml, sitemap.xml, robots.txt, ads.txt 를 생성한다.

프론트매터 파서는 YAML 전체가 아니라 필요한 부분집합만 구현했습니다.

export function parseFrontmatter(raw) {
  const m = raw.match(/^---\r?\n([\s\S]*?)\r?\n---\r?\n?/);
  if (!m) return { data: {}, body: raw };
  const data = {};
  for (const line of m[1].split(/\r?\n/)) {
    const i = line.indexOf(':');
    data[line.slice(0, i).trim()] = parseValue(line.slice(i + 1).trim());
  }
  return { data, body: raw.slice(m[0].length) };
}

배포 대상이 둘인 이유

같은 원고를 공개 서버(도메인 루트)와 내부 서버(/a/blog-ai-runner/ 하위 경로)에 동시에 올립니다. 정적 파일이라 배포처를 늘리는 건 어렵지 않지만, 링크가 루트 기준이면 하위 경로에서 깨집니다. 그래서 빌드가 --target 에 따라 base path 를 바꿔 냅니다.

내부 빌드에서도 canonical 은 공개 URL 을 가리킵니다. 중복 콘텐츠로 취급되지 않게 하기 위해서입니다.

세 가지 소비자

컨텍스트를 쓰는 주체는 대략 셋입니다.

1. 고정 비용 — 시스템 프롬프트, 도구 정의. 작업 내내 바뀌지 않는다.
2. 도구 출력 — 파일 내용, 명령 결과. 가장 빠르게 불어난다.
3. 대화 이력 — 모델의 추론과 사용자 메시지.

도구 출력이 늘 문제입니다. 파일 하나를 통째로 읽으면 몇천 토큰이 사라지는데, 실제로 필요한 건 그중 열 줄인 경우가 대부분입니다.

규칙 몇 가지

• 파일은 필요한 범위만 읽는다. 전체를 읽어야 할 이유가 있을 때만 전체를 읽는다.
• 검색 결과는 요약본만 남기고, 원본 덤프는 하위 에이전트에 격리한다.
• 같은 사실을 두 번 확인하지 않는다. 앞에서 확인한 것은 확인된 것으로 둔다.

예산 계산 예시

도구 호출 기록을 토큰 단위로 집계해 보면 어디서 새는지 바로 보입니다.

from collections import Counter

def budget_by_tool(events):
    spent = Counter()
    for e in events:
        if e["type"] == "tool_result":
            spent[e["tool"]] += e["tokens"]
    total = sum(spent.values())
    for tool, n in spent.most_common():
        print(f"{tool:12s} {n:>8,}  {n / total:5.1%}")

대개 read_file 하나가 절반을 넘습니다. 그걸 줄이는 것이 첫 번째 일입니다.

정리

컨텍스트는 자원이고, 자원은 예산이 필요합니다. 예산은 측정에서 시작합니다.