

한/글 문서 파일 형식: Python을 통한 HWPX 포맷 파싱하기 (2)
HWPX 본문 구조와 section.xml·header.xml의 참조 관계를 Python으로 파싱하는 과정을 설명했습니다.문단과 run, 서식 정보를 연결해 텍스트·표·그림을 추출하는 방법을 다루었습니다.


HWPX 본문 구조와 section.xml·header.xml의 참조 관계를 Python으로 파싱하는 과정을 설명했습니다.문단과 run, 서식 정보를 연결해 텍스트·표·그림을 추출하는 방법을 다루었습니다.

Amazon Bedrock AgentCore로 Strands 에이전트를 배포하고 운영하는 실습 과정을 다뤘습니다. 로컬 테스트부터 클라우드 배포, 호출, 모니터링까지의 흐름을 정리했습니다.

마이리얼트립 AI Lab이 내부 바운티 ‘마리트 크몽’으로 반복 업무를 자동화한 사례를 소개했습니다. 이후 유지보수와 주도권 문제를 보완해 구성원이 직접 문제를 푸는 ‘AI 챔피언’ 제도로 발전시켰습니다.


LLM 활용이 늘며 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성을 정리했습니다. 입력·출력 검증 구조와 간단한 구현 예제로 실무 적용 방향도 제시했습니다.


LLM 확산에 따라 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성과 구조를 설명했습니다. 또한 입력·출력 가드레일 구현 예시와 함께 다층 방어 전략의 중요성을 정리했습니다.


Airflow Task SDK는 Dag와 내부 시스템을 분리해 업그레이드 호환성과 안정성을 높이는 방향을 소개했습니다. 또한 Supervisor와 Task Runner 구조로 보안과 확장성까지 강화하는 변화를 설명했습니다.


Strands Agents와 MCP로 신약 개발 연구 어시스턴트를 구성하는 방법을 소개했습니다. 다중 데이터베이스 검색과 결과 종합, PDF 생성까지 이어지는 에이전트 워크플로우를 보여주었습니다.

항공 해외제휴 정산 업무를 Python과 Cursor로 자동화해 1분 이내로 단축했습니다. 업무 당사자의 이해와 AI 협업이 확장성까지 확보한 핵심이었습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


여기어때는 파편화된 CI/CD와 Helm Chart를 표준화해 문제를 줄였습니다. 개발자 숙련도와 무관한 동일한 배포 경험을 만들기 위해 입력 방식과 재사용 구조를 개선했습니다.


AWS Lambda와 S3 트리거로 MediaConvert 변환 작업을 요청하고, 완료 이벤트를 가공해 콜백 API로 전달하는 과정을 설명했습니다. HLS 출력과 썸네일 생성, 환경 변수와 IAM 설정, 데이터 정제 예시까지 함께 정리했습니다.


유선과 무선 데이터를 결합해 광케이블 장애의 실제 고객 영향 범위를 지도에서 확인하는 방법을 소개했습니다.망 설계 최적화와 재난 대응, 향후 AI 기반 장애 예측으로의 확장 가능성도 제시했습니다.


에이닷에 Agentic Memory를 도입해 대화를 구조화된 기억으로 저장하고 개인화 응답을 강화했습니다. 비동기 처리와 DSPy 최적화로 성능과 유지보수성도 함께 높였습니다.


추천 실험의 병목을 줄이기 위해 Policy와 Experiment를 분리하고 Python DSL과 Z3 검증을 도입했습니다. 그 결과 설정 작성과 리뷰 시간이 크게 줄고, 엔지니어 개입 없이 실험을 운영할 수 있게 했습니다.


에이닷 서비스 RM 업무에서 장애 감지와 전파를 자동화하는 Slack 봇 구현 사례를 소개했습니다. ChatGPT와 Slack API, Railway를 활용해 실무 적용과 운영 효율화까지 연결했습니다.