FTN 팀의 고객 맞춤형 숙소 상세정보 생성
가족 여행객에게 필요한 숙소 상세정보를 AI로 자동 생성하는 멀티 에이전트 방식을 소개했습니다. 수작업 한계를 넘어 전환율 향상과 대규모 콘텐츠 생성을 달성했습니다.
#LLM#ChatGPT
7700
국내 IT 기업 기술 블로그 최신 글
필터 1
SRE 3.0 - AI가 바꾸는 장애 대응·신뢰성·운영 패러다임
AI가 SRE를 장애 대응자에서 예측·자동화 중심의 운영 전략가로 바꾸고 있습니다. 메르카리 사례처럼 품질 검증과 안전장치를 갖춘 인간-AI 협업이 중요합니다.
#SRE#AIOps
8400
RAG 파이프라인과 사고의 사슬(CoT) 프롬프팅을 활용한 최종 답변 출력 예시
RAG 파이프라인과 CoT 프롬프팅으로 최종 답변만 추출하는 예시를 설명했습니다. LangChain 체인, 프롬프트 설계, 출력 파서 구성과 복합 질의 처리 흐름을 다뤘습니다.
#RAG#prompt
8400
![[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 Agent 기획] 거친 생각과 불완전한 발화에 대처하는 우리의 자세
LLM 기반 대화형 Agent에서 불완전한 사용자 발화를 어떻게 해석하고 보완할지 다뤘습니다. Clarification과 슬롯 보완을 통해 대화 흐름을 유도하는 기획 관점을 제시했습니다.
#LLM#prompt
7200
LY의 AI 기술의 현재, Tech-Verse 2025 후기
Tech-Verse 2025에서 LY의 다양한 AI 서비스 적용 사례를 살펴보았습니다. 기술 구현뿐 아니라 평가, 운영, 사용자 경험까지 함께 보는 관점이 인상적이었습니다.
#LLM#RAG
7100
LLM과 외부 세계를 연결하는 새로운 기술: OpenAI Function Calling, MCP
LLM과 외부 세계를 연결하는 새로운 기술: OpenAI Function Calling, MCP
생성형 AI에서 LLM과 외부 시스템을 연결하는 기술을 소개하는 글입니다. OpenAI Function Calling과 MCP의 필요성과 활용 맥락을 간단히 다룹니다.
#LLM#MCP
300
카카오게임즈의 Amazon Bedrock 기반 실시간 채팅 번역 구축
카카오게임즈가 Amazon Bedrock으로 실시간 게임 채팅 번역 시스템을 구축한 사례를 소개했습니다. 프롬프트 중심 구조와 캐싱, 모니터링으로 저지연과 운영 효율을 확보했습니다.
#AWS#Amazon Bedrock
6600
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
“이 옷 뭐지?” 스냅 이미지를 AI로 검색해 본 6주간의 여정
스냅 이미지를 검색어로 활용하는 이미지·자연어 검색 PoC를 6주간 검증했습니다. 객체 탐지, 임베딩, 벡터 검색으로 유사 상품 추천과 스타일 검색 가능성을 확인했습니다.
#AWS#LLM
23100
고수준의 문제해결에 집중하기 위해
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.
#LLM#prompt
1400
수식없이 GPT(트랜스포머) 이해하기. 1편
GPT의 핵심 구조인 트랜스포머 디코더와 Self Attention 흐름을 수식 없이 설명했습니다. 입력 벡터화부터 다음 단어 예측까지의 과정을 단계별로 정리했습니다.
#LLM#Transformer
11400
How Was the New QANDA Agent Built?
QANDA가 생성형 AI 시대에 맞춰 단일 문제풀이 앱에서 멀티 에이전트 학습 플랫폼으로 재설계되었습니다. 또한 Plan-and-Execute, Artifact, LangGraph 기반 구조로 의도 분류와 상태 관리를 안정화했습니다.
#LLM#Agent
6000
초개인화 Shopping Agent 만들기: Amazon Bedrock AgentCore Memory와 Custom Memory 활용법
Amazon Bedrock AgentCore Memory와 Custom Memory로 쇼핑 에이전트의 개인화 추천을 구현한 사례를 소개했습니다. 긴 대화 전체보다 중요한 정보만 메모리로 구조화해 더 적은 토큰으로 높은 추천 품질을 얻는 방법을 설명했습니다.
#Amazon Bedrock#OpenSearch
7800
Amazon Bedrock을 활용한 (주)레듀텍의 독서 교육 콘텐츠 생성 자동화 시스템 구축
Amazon Bedrock과 AWS Lambda로 독서 문항 초안 생성 과정을 자동화한 사례입니다. 프롬프트 관리와 캐싱, 병렬 처리를 통해 비용과 작업 시간을 줄였습니다.
#Amazon Bedrock#LLM
4900
EMNLP24 늦은 후기 2탄: CC 데이터로 LLM 사전학습 데이터셋을 만들어본 경험 및 NVIDIA 논문 리뷰
웹 크롤링 데이터로 LLM 사전학습 데이터셋을 만든 경험과 어려움을 정리했습니다. NVIDIA EMNLP 2024 논문을 통해 품질 필터링과 중복 제거 전략을 체계적으로 살펴봤습니다.
#LLM#PySpark
5400