CrewAI 프레임워크를 활용한 AI 에이전트 개발
CrewAI로 AI 에이전트 프로젝트를 구성하고, 역할과 작업을 YAML로 분리해 자동 보고서 생성 흐름을 만들었습니다. `main.py`에서 토픽을 넘겨 실행하면 한글 AI 트렌드 리포트를 생성하도록 구성했습니다.
#CrewAI#Python
72005분
새로운 기술 블로그가 추가되었어요
필터 1
Kanana-2 개발기 (1): Pre-training에서의 의사결정들을 중심으로
카카오의 차세대 언어모델 Kanana-2의 Pre-training 개발 과정을 의사결정 중심으로 정리한 글입니다. 시리즈의 첫 글로서 이후 post-training 개선 내용으로 이어집니다.
#LLM#ML
50005분
Kanana-2 개발기 (2): 개선된 post-training recipe를 중심으로
Kanana-2 개발기 시리즈의 두 번째 글로, 개선된 post-training recipe를 다룹니다. 다만 발췌만으로는 구체적 내용은 충분히 확인되지 않습니다.
#LLM#ML
46005분
FE News 26년 1월 소식을 전해드립니다!
FE News 26년 1월 소식을 전해드립니다!
React Server Components 시각화 도구와 클라이언트 사이드 AI 흐름, 디자인시스템 기반 마크업 자동화 사례를 소개했습니다. 프런트엔드 관점에서 AI와 브라우저 기술의 변화 지점을 함께 살펴볼 수 있습니다.
#React#LLM
131005분
엔터프라이즈 LLM 서비스 구축기 1: 컨텍스트 엔지니어링
대규모 LLM 서비스에서 프롬프트보다 컨텍스트 설계가 더 중요하다는 점을 설명했습니다.\n필요한 도구와 정보만 단계적으로 주입해 성능 저하와 환각을 줄인 방법을 공유했습니다.
#LLM#RAG
110005분
스탠퍼드 대학교는 왜 ‘코딩 말고 다른 것’을 가르치기 시작했을까?
생성형 AI 시대에는 코딩보다 문제 정의와 검증의 중요성이 커졌습니다. AI를 잘 쓰는 조직일수록 판단과 책임의 역할을 더 분명히 해야 했습니다.
#LLM#prompt
143005분
Claude Code 컨텍스트 최적화 가이드
Claude Code에서 컨텍스트가 길어질수록 응답 품질이 떨어지는 문제를 설명했습니다. CLAUDE.md, 프롬프트 간결화, 작업 분할, 내장 명령어로 컨텍스트를 관리하는 방법을 정리했습니다.
#Claude Code#LLM
191005분
Strands Agent SOPs 소개 – AI 에이전트를 위한 자연어 워크플로우
AI 에이전트 워크플로우를 자연어 SOP로 표준화하는 Strands Agent SOPs를 소개했습니다.\n제어와 유연성의 균형, 체이닝, MCP·Claude Skills 연동 예시를 설명했습니다.
#LLM#prompt
52005분
AI 스케일링과 동질화의 경계: NeurIPS 2025 핵심 트렌드 분석
NeurIPS 2025에서 스케일링 이후의 AI 흐름과 동질화, 평가 한계를 살펴보았습니다. XAI와 Causality를 통해 설명과 인과를 구분해 보는 시사점도 정리했습니다.
#LLM#ML
46005분
NVIDIA Cosmos: WFM의 세 가지 핵심 모델과 피지컬 AI의 활용
NVIDIA Cosmos는 피지컬 AI를 위한 World Foundation Model로, 예측·전이·추론의 세 가지 모델을 제공합니다. 합성 데이터 생성과 검증을 통해 자율주행과 로봇 학습의 안전성과 효율성을 높였습니다.
#NVIDIA#LLM
27005분
CrewAI: 독립된 멀티 에이전트 협업 프로세스 구축
CrewAI의 핵심 구성 요소와 독립형 Python 프레임워크 특성을 소개했습니다. 단일 에이전트와 멀티 에이전트 순차 협업 예시로 기본 사용 흐름을 설명했습니다.
#Python#LLM
41005분
Antigravity 사용 후기: sync ＆ async 코딩을 곁들인
Antigravity 사용 후기를 통해 무료 가격, 다양한 모델, Sync 코딩의 장점을 정리했습니다. 다만 영어 추론 토큰, 애매한 자율성, 멀티에이전트 안정성은 아쉬움으로 남겼습니다.
#Gemini#Claude
90005분