
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.
새로운 기술 블로그가 추가되었어요

대규모 LLM 서비스에서 프롬프트보다 컨텍스트 설계가 더 중요하다는 점을 설명했습니다.\n필요한 도구와 정보만 단계적으로 주입해 성능 저하와 환각을 줄인 방법을 공유했습니다.


생성형 AI 시대에는 코딩보다 문제 정의와 검증의 중요성이 커졌습니다. AI를 잘 쓰는 조직일수록 판단과 책임의 역할을 더 분명히 해야 했습니다.


Claude Code에서 컨텍스트가 길어질수록 응답 품질이 떨어지는 문제를 설명했습니다. CLAUDE.md, 프롬프트 간결화, 작업 분할, 내장 명령어로 컨텍스트를 관리하는 방법을 정리했습니다.

AI 에이전트 워크플로우를 자연어 SOP로 표준화하는 Strands Agent SOPs를 소개했습니다.\n제어와 유연성의 균형, 체이닝, MCP·Claude Skills 연동 예시를 설명했습니다.


CrewAI의 핵심 구성 요소와 순차 실행 기반 협업 구조를 설명했습니다. 단일 에이전트와 멀티 에이전트 예제를 통해 기본 사용법을 소개했습니다.

AI 활용이 자연스러워진 시대에 사고력과 문해력을 어떻게 지킬지 다룬 VOD입니다. 과도한 의존의 문제를 짚고 주체적 사고를 회복하는 훈련법을 소개합니다.
Karrot이 GenAI 도입 확산을 위해 LLM Router, Prompt Studio, KarrotChat을 구축한 과정을 소개했습니다. 계정·비용 관리부터 실험, 에이전트 실행, 장애 대응까지 통합한 플랫폼 구조를 설명했습니다.
광고 운영의 병목을 사람 추가가 아닌 구조 개선으로 풀어낸 사례였습니다. 데이터 통합과 AI 자동화를 통해 반복 업무를 줄이고 판단에 집중했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

시스템 프롬프트에 안전 규칙을 몰아넣는 방식의 한계와 부작용을 설명했습니다. 별도 가드레일을 두면 안전성, 비용, 운영성을 함께 개선할 수 있다고 정리했습니다.

AI와의 대화에서 의도와 결과의 간극을 줄이기 위해 Grice의 협력 원칙과 컨텍스트 엔지니어링을 연결해 설명했습니다. 명시적 전제를 늘려 AI의 오해를 줄이는 실용적 방법을 제안했습니다.


Claude Code 기반 바이브 코딩에서 발생하는 누락과 오해의 원인을 정리하고, 이를 줄이기 위한 컨텍스트 관리 전략을 설명했습니다. 작은 요청 분리, Plan 모드, Todo, 서브에이전트, CLAUDE.md 활용법을 제안했습니다.


Claude Code 기반 바이브 코딩에서 요구사항 누락과 오류 누적이 생기는 원인을 분석했습니다. 작은 요청, 계획 검증, Todo·Skill·CLAUDE.md로 컨텍스트를 관리하는 전략을 제안합니다.
여행 상품 운영의 수작업 과정을 AI로 자동화한 구축 사례를 소개했습니다. 데이터 통합, 카테고리 매칭, 번역, 적재 최적화와 프롬프트 개선 과정을 다뤘습니다.
AI 챔피언 프로그램 1기 운영을 회고하며 비개발자의 직접 구현 가능성을 확인했습니다. 2기에서는 임팩트와 지속성, 스프린트 기반 운영을 중심으로 구조를 다듬었습니다.