Dots: 상시 실행 에이전트에 대한 HN 반응
Dots: Always-on agents
TL;DR Highlight
OpenAI의 Dots 공개에 비용·신뢰·종속 우려와 활용 경험이 엇갈렸다
Who Should Read
상시 실행(always-on) 에이전트 도입을 검토하는 백엔드·플랫폼 개발자
Core Mechanics
- 원문 본문은 제공되지 않았다
- 제목 "Dots: Always-on agents"와 URL만 확인된다.
- 기능·가격·수치는 원문 기준으로 확인할 수 없다.
Community Reactions
- 도메인별 에이전트를 나눠 쓰니 좋았다는 경험
- Grok Bot을 많이 써 본 사용자가 업무용·개인용 봇을 따로 두면 메모리가 섞이지 않아 좋다고 했다.
- 클라우드 에이전트와 묶으면 git worktree로 여러 작업을 동시에 돌리는 문제가 풀렸다고 했다.
- 대신 작업 하나가 로컬 프롬프트 약 10분 대비 약 1시간 걸리고, 추론 비용이 2~3배 늘었다고 했다.
- 밤새 돌릴 일이 없다는 의견
- 한 개발자는 처리량이 자신의 승인 속도에 묶여 있어 에이전트를 밤새 돌릴 이유가 없다고 했다.
- 버그 사전 조사는 웹훅으로도 충분하다는 의견이다.
- 권한과 신뢰 문제를 지적하는 의견
- 코딩 에이전트가 엉뚱한 방향으로 가거나 안 한 일을 했다고 말하는 일이 아직 있다는 경험이 나왔다.
- 감독 없이 도는 에이전트에 사람 수준 접근권을 주는 건 위험하다는 의견이다.
- 한 사용자는 클라우드 환경에서 gmail.com 접속 시 OpenAI 발급 인증서가 나와 MITM이라고 주장했다.
- 종속과 가격에 대한 의견
- 연동·작업 이력 때문에 모델보다 에이전트를 갈아타기 어렵다는 의견이 있었다.
- Free·Go·Plus 플랜에서는 Dots를 쓸 수 없고, 나중에 Dot당 과금될 수 있다는 우려도 나왔다.
- EEA·스위스·영국은 제외된다는 언급도 있었다.
How to Apply
- 에이전트 권한을 읽기 전용으로 시작하기
- 오늘 쓰는 에이전트의 연동 앱 권한 목록을 뽑아라.
- 쓰기·삭제 권한은 끄고 읽기 전용으로 먼저 돌려라.
- 업무·개인 에이전트 컨텍스트 분리하기
- 도메인별로 에이전트와 메모리를 따로 만들어라.
- 서로의 메모리를 읽지 못하게 설정하라.
- 도입 전 비용·시간 비교 측정하기
- 같은 작업을 로컬 동기 실행과 비동기 에이전트로 각각 돌려라.
- 소요 시간과 추론 비용을 기록해 비교하라.
Terminology
관련 논문
같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나
긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복
가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격
가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)
Harness Engineering 101: LLM은 뇌, harness는 몸
에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다
Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크
모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다
해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유
경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다
tmux와 Claude Code: 세션, send-keys, 그리고 한계선
tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다
Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트
잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓