이 작성자와 연결된 문서를 한곳에서 모아보고, 관련 태그를 따라 같은 맥락의 문서를 이어서 탐색할 수 있습니다.
자주 함께 등장한 태그
이 페이지는 Convex 개발자 경험을 담당하는 Ian Macartney의 글 목록으로, 인증·권한, 내구성 있는 워크플로, 협업 편집, 운영 성숙도, 확장성, AI 애플리케이션, 검증·세션·마이그레이션 같은 Convex 기반 풀스택 개발 주제를 폭넓게 정리한다.
Convex Codex 플러그인은 Codex 안에서 Convex 백엔드를 스캐폴딩·수정하게 해 주지만, 실제로 쓰려면 프롬프트에 반드시 @convex를 명시해야 한다.
이 글은 인공지능 보조 도구가 빠르게 만든 타입스크립트 코드일수록 다음 사람이 읽고 고치기 쉬운 구조, 흐름, 타입 모델링이 더 중요하다고 설명한다.
Convex OS는 Windows XP 스타일의 브라우저 기반 React 데스크톱 UI를 Convex의 반응형 데이터베이스 상태 모델 위에 올려, 창 위치·프로세스·파일 상태를 여러 탭에서 실시간으로 공유하게 만든 실험이다.
이 글은 LLM 기반 TypeScript 앱에서 작업을 단일 HTTP 요청이나 서버 메모리에 묶어 두면 실패하기 쉬우며, Convex의 반응형 데이터베이스·스케줄링·타입 안전성을 통해 비동기 AI 워크플로를 내구성 있게 구성하는 방식을 설명한다.
Claude Code는 Convex 기반 TypeScript 풀스택 작업에서 강력한 agent first 개발 경험을 보여줬지만, Cursor보다 불편한 CLI UX, 모델 전환, 메시지 큐잉, 비용 통제가 실제 약점으로 드러났다.
이 글은 Stagehand의 자연어 브라우저 제어와 Convex의 실행별 임시 백엔드를 결합해, 선택자 중심 E2E 테스트의 취약성을 줄이고 실제 사용자 의도에 가까운 테스트를 구성한 경험을 정리한다.
Convex Sandbox는 Docker나 VM 없이 Convex Node action, just bash, Convex storage를 조합해 AI 에이전트에게 상태가 유지되는 bash 터미널과 가상 파일 시스템을 제공하는 경량 샌드박스입니다.
Convex는 AI를 부정해서가 아니라 코딩 인터뷰가 지원자의 사고·소통·판단을 읽는 제한된 장치이기 때문에 AI를 배제하고, 실제 업무에서는 산출물 품질에 책임지는 한 도구 사용을 강제도 금지도 하지 않는다.
Convex의 return validator는 유용하지만 모든 쿼리·뮤테이션에 기계적으로 붙일 도구가 아니라, 정확한 런타임 반환 계약이 필요할 때 선택적으로 써야 한다는 지침 변경이다.
Convex는 데이터베이스 벤치마크 막대그래프 논쟁보다 실제 고객 워크로드, 비용, 지연 시간, 성장 이력에 기반한 투명한 확장성 설명이 더 유용하다고 주장한다.
Convex는 2022년부터 2026년까지 여러 메시지와 태그라인을 실험하며, 제품의 본질을 설명하는 일보다 ‘누구에게 어떤 의미로 들리는가’를 맞추는 일이 더 중요하다는 교훈을 얻었다.
이 글은 Convex가 파일 업로드 직후 RunPod 서버리스 GPU 워커를 호출하고, 워커가 처리 결과를 다시 Convex Storage와 데이터베이스에 반영하는 배경 제거 워크플로를 설명한다.
저자는 Client Commander를 하나의 Convex 백엔드로 확장하면서 웹 대시보드, 모바일 앱, 백그라운드 동기화, REST API를 같은 배포 안에서 운영할 수 있었고, 권한·타입·워크플로·검색이 플랫폼 기본 구조에 자연스럽게 붙었다고 설명한다.
Convex의 Persistent Text Streaming 컴포넌트를 쓰면 WebSocket이나 SSE를 직접 다루지 않고도 React 채팅 앱에 ChatGPT식 실시간 응답 스트리밍을 빠르게 붙일 수 있다는 튜토리얼입니다.
저자는 Convex에서 벗어나는 난이도를 직접 검증하기 위해 간단한 Tanstack Start 예제를 기준으로 함수, 클라이언트 호출, 반응형 쿼리, 데이터베이스 이전을 차례로 Tanstack Start와 Drizzle/Postgres로 옮겨 보며 실제 작업량과 복잡도 변화를 살펴본다.
Chef의 사례는 AI 코딩 에이전트가 잘 작동하려면 좋은 추상화, 제한된 선택지, 타입 안전한 피드백 루프, 검증 가능한 평가 체계가 필요하다는 점을 보여준다.
Postgres 데이터를 Convex로 이전하는 방법은 소규모 데이터의 JSONL 덤프·가져오기에서 시작해, 스키마 정의와 관계 필드의 Convex ID 전환, 필요 시 Airbyte 기반 스트리밍 가져오기까지 이어진다.
Convex의 사례는 좋은 추상화가 개발자뿐 아니라 AI 에이전트도 복잡한 풀스택 앱을 더 안정적으로 만들게 한다는 점을 보여준다.
Convex와 TypeScript 프로젝트에서 스키마 검증기와 타입 유틸리티를 재사용해 인자 검증 중복을 줄이고, 함수·클라이언트·부분 업데이트까지 일관된 타입 안전성을 유지하는 방법을 설명한다.
이 글은 Convex에서 convex helpers의 스트림 기능을 사용해 여러 인덱스 범위의 문서를 병합하고, 조인형 확장과 변환, 필터링, 페이지네이션을 더 효율적으로 구현하는 방법을 설명한다.
이 글은 SQL에 익숙한 개발자가 UNION, WHERE 필터, JOIN, DISTINCT, GROUP BY 같은 패턴을 Convex 쿼리와 QueryStreams 방식으로 옮기는 방법을 Slack형 채팅 앱 예시로 설명한다.
이 글은 Convex에서 스키마 validator, 함수 인자 검증, TypeScript 타입을 중복 없이 연결해 데이터 일관성과 개발 편의성을 높이는 방법을 요리책 예시로 설명한다.
이 글은 파생 상태를 로컬 React 계산에서 서버 기반 다중 클라이언트 동기화 문제로 확장해 설명하고, Convex 쿼리가 반응형 데이터베이스 위에서 프런트엔드가 필요한 파생 상태를 항상 최신으로 제공하는 방식이라고 주장한다.
