AI 에이전트 15개를 동시에 굴리는 법 — AI 병렬 오케스트레이션 실전 운용기
로컬 RAG와 독립 AI 세션 인프라로 지식을 축적하고 병렬 작업을 오케스트레이션했습니다. DAG·Branch Hunt·Ralph Loop로 구현과 검증을 자동화하는 흐름을 소개합니다.
#LLM#RAG
600
국내 IT 기업 기술 블로그 최신 글
필터 0
무신사 Self-POS — Zero to One 구축기: 직원이 사라진 계산대, 그 자리를 채운 경험 설계
무신사 Self-POS — Zero to One 구축기: 직원이 사라진 계산대, 그 자리를 채운 경험 설계
무신사 매장의 Self-POS를 Zero to One으로 설계한 과정입니다. 필드 리서치와 AI 시각화를 바탕으로 결제 속도, 회원 전환, 글로벌 대응을 함께 풀었습니다.
#UI/UX#Kotlin
30600
AI-Native RAN: 기지국 최적화의 패러다임을 바꾸는 Network Foundation Model
AI-Native RAN: 기지국 최적화의 패러다임을 바꾸는 Network Foundation Model
6G로 갈수록 네트워크 성능 요구와 운영 복잡도가 함께 커지는 문제를 다뤘습니다. AI-Native RAN과 Network Foundation Model로 기지국 최적화 방향을 제시했습니다.
#LLM#cloud
1700
유저 경험의 본질을 날카롭게 구현하는 — Product Designer
유저 경험의 본질을 날카롭게 구현하는 — Product Designer
AI가 프로토타입 시각화를 지원하는 환경에서 디자이너의 핵심 역량을 고객 문제 탐색으로 설명했습니다. 고객 피드백과 작은 단위의 검증을 중시하는 제품 문화를 소개했습니다.
#Product Designer#UI/UX
3100
EKS Application 로그를 Amazon Bedrock으로 자동 요약하는 시스템 구축하기
EKS Application 로그를 Amazon Bedrock으로 자동 요약하는 시스템 구축하기
EKS 애플리케이션 로그를 Athena와 Amazon Bedrock으로 자동 분석하는 파이프라인을 구축했습니다. 수작업 로그 분석을 줄이고 장애 원인과 패턴을 빠르게 파악하도록 구성했습니다.
#AWS#EKS
6000
![[미래를 담아낸 뼈대 5/7] 코드가 환경을 모르는 구조](https://flex.team/blog/og/main.jpg)
[미래를 담아낸 뼈대 5/7] 코드가 환경을 모르는 구조
코드와 환경을 분리하는 Hexagonal 원칙을 배포, 인프라, 디버깅, 테스트까지 확장한 사례를 다뤘습니다. 부분 교체와 외부 주입으로 이터레이션 속도를 높이는 방법을 설명했습니다.
#Kubernetes#Helm
1400
티빙에 더 잘 적응할 수 있는 업무용어 모음zip.
티빙에 더 잘 적응할 수 있는 업무용어 모음zip.
티빙에서 자주 쓰는 업무용어를 분야별로 정리한 글입니다. 낯선 용어를 빠르게 익혀 정확하고 효율적인 소통에 도움을 주고자 했습니다.
#API#gRPC
2100
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
![[미래를 담아낸 뼈대 5/7] 코드가 환경을 모르는 구조](https://cdn.sanity.io/images/v31psllp/production/626db41a03292c4b57863b75c7bc5e755e395184-1684x1030.png)
[미래를 담아낸 뼈대 5/7] 코드가 환경을 모르는 구조
애플리케이션과 인프라 전반에 Hexagonal 원칙을 적용해 환경 의존성을 분리하는 방법을 설명했습니다. 부분 교체와 주입으로 빠른 검증과 이터레이션을 가능하게 만든 사례를 다뤘습니다.
#Hexagonal Architecture#Kubernetes
45400
FE News 26년 4월 소식을 전해드립니다!
FE News 26년 4월 소식을 전해드립니다!
이번 글은 FE 분야의 주요 기술 소식을 한 번에 정리해 전해드렸습니다. Temporal, TypeScript 6.0, Node.js 릴리즈 정책, Expo UI와 AI 코딩 에이전트 관련 흐름을 소개했습니다.
#JavaScript#TypeScript
20200
기존 개발 코드(Java)로 Amazon Neptune Analytics GraphRAG 구현하기
기존 Java/Spring 코드에서 그래프 스키마와 비즈니스 규칙을 추출해 spec.json을 만들고 GraphRAG를 구현하는 방법을 소개했습니다. Neptune Analytics와 Bedrock Knowledge Bases로 관계 기반 질의를 처리하는 흐름을 설명했습니다.
#Java#Spring Boot
6800
프로덕션 Multi-Agent 시스템이 해결해야 할 5가지 문제 – Deep Insight 아키텍처로 배우는 실전 설계
프로덕션 Multi-Agent 시스템이 겪는 실행 흐름, 검증, 보안, 운영 문제를 Deep Insight 아키텍처로 정리했습니다. Strands Agents SDK와 Bedrock, Fargate 기반 설계로 실전 배포와 운영 방법을 소개했습니다.
#LLM#Multi-Agent
7000
AI 시대의 엔지니어 역할 변화: 코드 작성자에서 시스템 사고자로
AI 시대의 엔지니어 역할 변화: 코드 작성자에서 시스템 사고자로
AI가 코드를 대신 쓰는 시대에 엔지니어의 역할은 구현자에서 기준 설정자와 시스템 사고자로 이동했습니다. 기능 요구사항뿐 아니라 비기능 요구사항까지 포함해 문서, 검증, 운영을 함께 진화시켜야 한다고 설명합니다.
#문서화#비기능 요구사항
8700
OWASP 기반 GenAI 보안 실무 점검 가이드
OWASP의 LLM Top 10과 Agentic Top 10을 바탕으로 GenAI 보안 점검용 100개 체크리스트를 정리했습니다. 프롬프트, 데이터, 에이전트, 인프라까지 계층별 대응과 AWS 적용 시 주의사항을 함께 제시했습니다.
#OWASP#LLM
17000
RAG 기반 AI 서비스의 신뢰성을 확보하는 방법: 자동화 평가 체계 및 운영 최적화
RAG 기반 AI 서비스의 신뢰성을 확보하는 방법: 자동화 평가 체계 및 운영 최적화
RAG 서비스의 신뢰성을 높이기 위해 RAGAS와 LLM-as-a-Judge 기반 자동 평가 체계를 소개했습니다. 또한 시맨틱 캐싱과 가드레일을 활용한 운영 최적화 방안도 함께 제시했습니다.
#RAG#LLM
7600