

Custom LLM Agent 구축하기(From Scratch)
Langchain 없이 Python으로 ReAct 기반 LLM Agent를 직접 구현하는 예제를 소개했습니다. 프롬프트 설계와 멀티턴 흐름에 따라 함수 호출 결과가 달라질 수 있음을 보여줬습니다.


Langchain 없이 Python으로 ReAct 기반 LLM Agent를 직접 구현하는 예제를 소개했습니다. 프롬프트 설계와 멀티턴 흐름에 따라 함수 호출 결과가 달라질 수 있음을 보여줬습니다.


폐쇄망과 VDI 환경에서 API 자동 테스트 도구를 V0와 Flutter로 만든 경험을 공유했습니다. 반복 수정과 프롬프트 개선 끝에 팀 생산성을 높인 교훈도 정리했습니다.

소득증빙과 신용정보가 부족한 고객의 대출금액 산정 문제를 다뤘습니다. 대안데이터와 구간중도절단 추정으로 모든 신청자에 대한 승인금액 예측 방식을 소개했습니다.

이름은 선언 측의 일관성보다 사용하는 측의 오해 가능성을 줄이는 방향이 중요하다고 설명했습니다. 수식어를 앞에 두는 명명과 언어·플랫폼의 표준 규칙을 따르는 예를 제시했습니다.


프롬프트 품질을 정량 평가하는 방법을 Prometheus 2와 OpenAI API 실습으로 설명했습니다. 각 평가 방식의 장단점과 환각 탐지 한계를 비교하며 자동화된 평가 파이프라인 필요성을 제시했습니다.


프롬프트 성능을 정량적으로 평가하는 방법을 Prometheus 2와 OpenAI API 실습으로 소개했습니다. 문맥 평가는 강점이지만 최신 사실 검증은 도구별 한계가 있어 반복 평가가 필요합니다.


Azar의 실시간 추천 시스템을 위해 Flink KeyedProcessFunction 기반 스트림 조인과 배포 전략을 구축한 사례를 소개했습니다. Savepoint, Blue-Green 배포, Redis 중복 제거로 무중단과 Exactly Once를 구현했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


예측 가능한 장애를 사전에 검증하기 위해 카오스 엔지니어링을 도입한 사례를 소개했습니다. 특히 mitmproxy로 API 응답에 null을 주입하는 Application Level 테스트 방법을 다뤘습니다.


monorepo CI에서 Runner 증설과 Matrix 병렬 빌드를 도입해 빌드 시간을 단축했습니다. Turborepo 캐시 사전 점검으로 캐시 적중 시 오버헤드도 줄였습니다.


monorepo CI에서 병렬 빌드와 캐시 사전 점검으로 빌드 시간을 크게 줄인 사례를 정리했습니다. Runner 개선과 검증 단계 분리로 안정성까지 함께 높였습니다.


Teacher–Student 구조를 지식 증류와 멀티턴 대화 학습 관점에서 설명했습니다. BERTScore, 코사인 유사도, Classifier로 검증하는 방법도 함께 정리했습니다.


공공기관 폐쇄망에서 K8s 기반 AI 플랫폼을 안전하게 운영하기 위한 네트워크 구조를 설계했습니다. DMZ, HAProxy, WireGuard와 오프라인 배포 자동화를 조합해 내부망 보호와 외부 접속을 함께 만족했습니다.

JavaScript Proxy로 상태 객체의 변경을 가로채 추적 도구를 만들었습니다. Redux 도입 없이도 디버깅 속도와 팀 생산성을 크게 높였습니다.
![[AWS Summit Korea 2025] 생성형 AI의 핵심 트렌드와 비즈니스 혁신](https://tech.cloud.nongshim.co.kr/wp-content/uploads/image-402.png)

생성형 AI의 2023~2025년 흐름과 AWS의 AI 서비스·인프라 구성을 정리했습니다. 또한 PoC부터 가치 실현까지 단계별 장애물과 대응 전략을 설명했습니다.