

멀티턴에서 답변을 잘하는 Agent 만들기 - 쿼리 재작성(Query Rewriting)
멀티턴 RAG에서 맥락 손실로 생기는 검색 오류를 쿼리 재작성으로 줄이는 방법을 다뤘습니다. Step-Back, HyDE, Multi-Query와 적응형 라우팅으로 품질과 속도를 함께 조정했습니다.


멀티턴 RAG에서 맥락 손실로 생기는 검색 오류를 쿼리 재작성으로 줄이는 방법을 다뤘습니다. Step-Back, HyDE, Multi-Query와 적응형 라우팅으로 품질과 속도를 함께 조정했습니다.

뱅크샐러드 샐러드게임에서 운영자가 안전하게 규칙을 바꾸기 위해 DSL과 LLM을 결합한 방식을 소개했습니다. 한글 지원, 테스트 API, 이중 검토로 환각과 위험을 줄인 점이 핵심입니다.

소규모 팀의 DBA 공백 문제를 AI 에이전트로 보완한 사례를 소개했습니다. MCP 도구와 사전 검증으로 안전성을 높이며 MAIA 플랫폼으로 확장했습니다.


프롬프트 엔지니어링 기법을 조합해 GPT 앱을 만드는 방법을 소개했습니다. 연구기획서 자동 생성 예시로 역할 지정과 Tree of Thoughts 활용 흐름을 설명했습니다.
광고사업팀 인턴이 반복 운영 업무를 AI로 자동화해 월 40시간 이상의 작업을 90% 이상 줄였습니다. 자연어 기반 협업과 문제 정의를 통해 보고서 작성, 배너 검수까지 효율화했습니다.


DSPy를 활용한 프롬프트 최적화와 자동화 방법을 소개했습니다. 반복 평가와 비교 실험을 코드로 줄여 LLM 품질 관리에 적용할 수 있었습니다.


자동차 소프트웨어 요구사항이 방대해지면서 테스트 케이스 생성과 검증의 부담이 커졌습니다. 생성형 AI와 VEW를 결합해 분류와 테스트 케이스 생성을 자동화하고, 인간 검토를 거쳐 정확도를 유지했습니다.


RAG 파이프라인과 CoT 프롬프팅으로 최종 답변만 추출하는 예시를 설명했습니다. LangChain 체인, 프롬프트 설계, 출력 파서 구성과 복합 질의 처리 흐름을 다뤘습니다.
![[LLM 기반 대화형 Agent 기획] 거친 생각과 불완전한 발화에 대처하는 우리의 자세](https://devocean.sk.com/thumnail/2025/8/12/d94814f89a09101af8dcca6a956809ba647bf098e7d1ba8fb660dc3aa2244cd9.png)

LLM 기반 대화형 Agent에서 불완전한 사용자 발화를 어떻게 해석하고 보완할지 다뤘습니다. Clarification과 슬롯 보완을 통해 대화 흐름을 유도하는 기획 관점을 제시했습니다.


카카오게임즈가 Amazon Bedrock으로 실시간 게임 채팅 번역 시스템을 구축한 사례를 소개했습니다. 프롬프트 중심 구조와 캐싱, 모니터링으로 저지연과 운영 효율을 확보했습니다.


제품 개발 과정의 정보 파편화와 동기화 비용을 줄이기 위해 AI 가상 구성원을 도입한 사례를 소개했습니다. LLM을 맥락 연결과 번역의 허브로 활용해 협업 문화와 실행력을 높이는 방향을 제시했습니다.

프런트엔드와 AI 중심의 2025년 8월 기술 소식을 모아 소개했습니다. 컨퍼런스, 튜토리얼, 도구, 읽을거리를 한눈에 볼 수 있습니다.