Amazon Bedrock 기반 PolicyGuard: 코딩 어시스턴트를 위한 Pre-Model Semantic DLP 프레임워크
AI 코딩 어시스턴트의 프롬프트 유출 문제를 막기 위한 Pre-Model DLP 프레임워크 PolicyGuard를 소개했습니다. 자연어 정책 파일과 Hook 기반 차단으로 Bedrock 환경에서 민감 정보 보호를 강화하는 방법을 다뤘습니다.
#Amazon Bedrock#LLM
2100
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
Claude Code Dynamic Workflow 쉽게 이해하기
Claude Code Dynamic Workflow를 여러 서브에이전트를 지휘하는 JS 기반 오케스트레이션으로 설명했습니다. 병렬 처리와 적대적 검증으로 대규모 작업의 정확도와 재현성을 높이는 방법을 다뤘습니다.
#Claude Code#JavaScript
8800
GS Neotek의 Claude Code on Amazon Bedrock 도입기: LLM Gateway 없는 경량화 사용자 통제 방안
Amazon Bedrock 기반 Claude Code를 LLM Gateway 없이 통제하는 경량 아키텍처를 소개했습니다. 로그 집계와 IAM Deny 정책으로 사용자별 비용 관리와 차단을 구현하는 방법을 정리했습니다.
#LLM#Amazon Bedrock
1200
우리팀에 새롭게 입사한 Kiro Crew를 활용하여 업무 생산성 올리기
Kiro Crew를 항상 켜두는 자율 AI 에이전트로 소개하고, 세션·메모리·스케줄·앱 기능을 설명했습니다. AWS에 배포해 이슈 분류와 PR 리뷰 초안을 맡기는 온보딩과 운영 방법도 다뤘습니다.
#LLM#AI 에이전트
4300
같은 LLM인데 왜 결과가 다를까? 답은 하네스에 있다.
같은 LLM이라도 결과 차이는 모델보다 하네스 설계에서 크게 갈렸습니다. 지시 문서, 외부 검증, 컨텍스트 관리로 에이전트 성능을 높이는 방법을 정리했습니다.
#LLM#prompt
4100
LLM 서빙, 띄우는 것과 잘 띄우는 것 사이
LLM 서빙에서는 단순히 모델을 띄우는 것보다, 지표를 잘 설계하고 원인을 빠르게 추적하는 운영이 중요했습니다. Prefix Cache, finish_reason, KV Cache 같은 신호를 활용해 타임아웃과 처리량 문제를 해결했습니다.
#LLM#모니터링
4800
사내 지식으로 Agentic RAG 만들기 (1/3) : RAG 파이프라인의 바닥 다지기
사내 지식으로 Agentic RAG 만들기 (1/3) : RAG 파이프라인의 바닥 다지기
사내 지식을 활용한 Agentic RAG 구축의 첫 단계로 RAG 파이프라인의 기반을 다지는 내용을 다뤘습니다. 발췌상 사내 공통플랫폼 맥락에서 RAG 설계와 적용을 정리한 글로 보입니다.
#Agentic RAG#RAG
9700
옆 팀은 AI를 어떻게 쓸까? 첫 사내 기술 콘퍼런스 우아한테크데이
옆 팀은 AI를 어떻게 쓸까? 첫 사내 기술 콘퍼런스 우아한테크데이
첫 사내 기술 콘퍼런스 우아한테크데이의 기획과 운영, 설문 결과를 정리했습니다.\n조직 간 기술 공유와 AI 활용 경험을 나누며 사내 커뮤니케이션을 넓힌 사례였습니다.
#tech conference#prompt
3300
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
미리캔버스가 AI 3대로 해외 트렌드에서 진짜를 가려내는 법
미리캔버스가 AI 3대로 해외 트렌드에서 진짜를 가려내는 법
세 AI 에이전트의 토론과 네 플랫폼 데이터를 결합한 트렌드봇 설계를 소개했습니다.\n해외 신호 탐색을 자동화하고, 최종 제작 판단은 사람이 맡도록 구성했습니다.
#AI 에이전트#LLM
2900
AI 기반 SCTE-35 자동 삽입으로 라이브 스트리밍 광고 운영 자동화하기
라이브 스트리밍의 SCTE-35 광고 삽입을 AI 화면 인식과 서버리스 오케스트레이션으로 자동화하는 방법을 소개했습니다. 필러 화면 감지를 통해 광고 타이밍을 정밀하게 맞추고 운영 비용도 줄였습니다.
#AWS#LLM
1100
보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계
보안 업무에 AI를 적용할 때 사람의 판단을 남기고 AI는 1차 정리와 근거 수집을 맡기는 SAGE 플랫폼 설계를 소개했습니다. 3개 진입점과 멀티 에이전트, RAG, MCP, 피드백 루프로 운영하는 방식도 정리했습니다.
#LLM#RAG
3600
Amazon Bedrock에서 LLM 게이트웨이의 두 사각지대 메우기: 사라진 호출자와 흐려진 모델 거버넌스
Amazon Bedrock 앞의 LLM 게이트웨이에서 사라진 호출자와 흐려진 모델 거버넌스를 보완하는 방법을 정리했습니다. requestMetadata와 Application Inference Profile로 추적과 관측을 강화하고, 예산과 네트워크 운영도 함께 다뤘습니다.
#Amazon Bedrock#LLM
1400
Amazon Bedrock 기반 사내 LLM, 키 발급부터 비용 차단까지: F&F의 LiteLLM 게이트웨이 운영 사례
Amazon Bedrock 위에 LiteLLM 게이트웨이와 사내 포털을 붙여 LLM 키 발급, 승인, 예산 차단을 운영한 사례를 소개했습니다. 셀프서비스 발급과 그룹 기반 통제로 비용과 감사 체계를 함께 묶었습니다.
#Amazon Bedrock#LLM
1700
AI Agent를 위한 OpenSearch 검색 품질 평가하기 (Part 1)
AI Agent 검색 품질을 OpenSearch와 Bedrock으로 정량 평가하는 방법을 다루었습니다. NDCG와 Recall, LLM Judge 검증, BM25·시멘틱·하이브리드 비교 결과를 함께 설명했습니다.
#OpenSearch#RAG
1700