아이지에이웍스 AI 에이전트 클레어: Amazon Bedrock 기반 Text-to-SQL/Chart 에이전트로 이룬 데이터 분석 혁신 (Part 2)
Amazon Bedrock 기반 Text-to-SQL/Chart 에이전트의 구현과 최적화 전략을 다뤘습니다. 멀티 에이전트 분리, 프롬프트 관리, 캐싱, 데이터 격리로 정확도와 효율성을 높였습니다.
#Amazon Bedrock#LLM
5200
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
아이지에이웍스 AI 에이전트 클레어: Amazon Bedrock 기반 Text-to-SQL/Chart 에이전트로 이룬 데이터 분석 혁신
아이지에이웍스가 Amazon Bedrock 기반 클레어로 자연어를 SQL 분석과 차트로 연결했습니다. 마케터가 SQL 없이도 복잡한 데이터 분석을 수행하도록 돕고 의사결정 속도를 높였습니다.
#Amazon Bedrock#RAG
6400
Backoffice AI Agent 구축기 — RAG+MCP 기반 플레이스AI 특화 지식 검색 시스템
백오피스 문서 검색을 위해 RAG와 MCP 기반 지식 검색 에이전트를 구축했습니다.\n하이브리드 검색과 질의 정제로 응답 만족도와 운영 효율을 함께 높였습니다.
#RAG#MCP
20600
LangGraph를 활용한 멀티 노드 구현 : 패턴 A, B, C 분석
LangGraph로 단일 노드와 멀티 노드 그래프를 구성하는 방법을 설명했습니다. 또한 답변 개선, 요약·번역, 답변 검증 패턴으로 LLM 워크플로우 설계 예시를 제시했습니다.
#LangGraph#LangChain
9900
안녕하세요! AI UX라이터 제민희입니다. 무엇을 도와드릴까요?
안녕하세요! AI UX라이터 제민희입니다. 무엇을 도와드릴까요?
UX라이터와 개발자가 사내 AI 라이팅 툴을 만들며 겪은 실패와 방향 전환을 정리한 글입니다. 반복 검수 자동화를 위해 규칙 기반 방식 대신 RAG와 컨텍스트 설계를 적용했습니다.
#LLM#RAG
8300
문서 청크 지식 생성을 통한 생성형 검색 시스템의 정확도 향상 방법
생성형 검색의 어휘 불일치 문제를 줄이기 위해 청크 단위로 키워드, 제목, 후보 질문을 함께 생성하는 모델을 소개했습니다. 낮은 메모리 사용률로도 검색 정확도 향상과 실시간 RAG 적용 가능성을 확인했습니다.
#검색#RAG
5300
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
2025년 11월 인도 핀테크 뉴스
2025년 11월 인도 핀테크 뉴스
2025년 11월 인도 핀테크 업계의 규제와 시장 동향을 주차별로 정리했습니다. 데이터 보호, AI·클라우드 전환, 대출 구조 변화가 핵심입니다.
#핀테크#RAG
700
![[전문가 밋업#3] 금융 AI의 진화: 컨텍스트 설계와 에이전트 아키텍처 (은행 AI 전문가가 밝힌, 아무도 말해주지 않는 3가지 진실)](https://devocean.sk.com/thumnail/2025/11/6/7f52b92cae49a60174a8c096e489e1bae6acd7b6bbeb042f21218d3671be1a4a.png)
[전문가 밋업#3] 금융 AI의 진화: 컨텍스트 설계와 에이전트 아키텍처 (은행 AI 전문가가 밝힌, 아무도 말해주지 않는 3가지 진실)
금융 AI가 자동화 중심에서 문맥과 의미를 설계하는 방향으로 바뀌고 있다고 설명했습니다. LLM+RAG와 다중 에이전트 아키텍처, 그리고 컨텍스트 설계 역량의 중요성을 강조했습니다.
#LLM#RAG
6400
사내 AI Agent와 MCP 서버로 시작한 업무 자동화
사내 AI Agent와 MCP 서버로 시작한 업무 자동화
사내 AI Agent와 MCP 서버를 도입해 Slack, JupyterHub, 개발자 워크플로우를 자동화한 구조와 사례를 공유했습니다. LangGraph 오케스트레이션, 권한 관리, RAG 고도화 방향도 함께 정리했습니다.
#MCP#LangChain
1400
RAG기반 Multi-Agent를 구현해보자(feat.데보션 오픈랩)
RAG 논문 스터디를 바탕으로 개인용 데이터 분석 보조 AI DRA를 구현한 과정을 소개했습니다. Supervisor 패턴의 멀티 에이전트와 LangGraph, LangSmith, Streamlit 활용 경험을 정리했습니다.
#RAG#Multi-Agent
11200
우리 팀 코드 스타일을 아는 AI 만들기: 테스트코드 작성, GitLab MR 리뷰 만들기
우리 팀 코드 스타일을 아는 AI 만들기: 테스트코드 작성, GitLab MR 리뷰 만들기
RAG와 Vector DB로 팀 코드 스타일을 학습한 내부 AI 도구를 만들고 테스트 코드와 MR 리뷰를 자동화했습니다. GitLab CI/CD와 Webhook을 연동해 최신 코드 맥락을 반영하도록 구성했습니다.
#RAG#VectorDB
12900
우리 팀 코드 스타일을 아는 AI 만들기: RAG와 Vector DB 활용기
우리 팀 코드 스타일을 아는 AI 만들기: RAG와 Vector DB 활용기
팀 코드 스타일을 반영하는 AI를 만들기 위해 RAG와 Vector DB를 구축한 사례를 소개했습니다. ts-morph 청킹, ChromaDB, Gemini embedding, CI/CD 자동 갱신으로 코드 리뷰와 테스트 생성에 적용했습니다.
#RAG#Vector DB
11400
생성형AI를 통한 데브옵스 강화 – Part 2.운영 안정성 강화
생성형 AI로 코드 리뷰, 모니터링, 장애 대응을 자동화해 운영 안정성을 높이는 방법을 다뤘습니다. DORA 안정성 지표 개선을 위한 AWS 기반 적용 사례도 함께 소개했습니다.
#AWS#LLM
5300
하루만에 구축한 Cedar의 AWS 기반 다문화 가정 아동 디지털 심리 진단 서비스
AWS 기반으로 다문화 아동의 HTP 그림 검사를 디지털 심리 진단 서비스로 구현한 사례를 소개했습니다.\nAmazon Q Developer와 RAG 분석을 활용해 짧은 해커톤 기간에도 MVP를 완성했습니다.
#AWS#RAG
5400