업무 생산성 향상을 위한 Agentic RAG 기반 서비스
업무 생산성 향상을 위한 Agentic RAG 기반 서비스
삼성리서치의 Agentic RAG 기반 보고서 작성 서비스 ‘DeepDive’의 아키텍처와 고도화 과정을 소개했습니다. 긴 문서에서 핵심을 빠르게 추출해 업무 생산성을 높이는 방향을 다뤘습니다.
#RAG#LLM
1500
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
[클로바 스튜디오 Cookbook] LLM을 위한 PDF-to-Markdown 문서 전처리 가이드
[클로바 스튜디오 Cookbook] LLM을 위한 PDF-to-Markdown 문서 전처리 가이드
RAG 성능을 높이기 위한 PDF-to-Markdown 전처리 가이드를 소개했습니다. 문서 구조를 정제해 LLM 친화적인 입력을 만드는 방법을 다뤘습니다.
#LLM#RAG
700
개발자는 AI에게 대체될 것인가
AI가 개발자를 완전히 대체하기보다 업무의 일부를 재정의하고 위임하는 방향으로 바꾸고 있습니다. 좋은 추상화와 위임 경계를 설계하는 능력이 AI 시대 개발자의 핵심 역량이라고 설명합니다.
#자동화#추상화
27000
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.
#LLM#RAG
12500
![[분석] MLOps에서 LLMOps로, 아직 끝나지 않은 진화의 서막](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2FdeKnLa%2FdJMcabplR5G%2FAAAAAAAAAAAAAAAAAAAAAFBX8W841hpojQ36swcffaewdPvo7dRbWRF4ncN31DDF%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1769871599%26allow_ip%3D%26allow_referer%3D%26signature%3DPc0NL%252BRctYZp3LugfhkDb8d9a%252F0%253D)
[분석] MLOps에서 LLMOps로, 아직 끝나지 않은 진화의 서막
MLOps는 모델을 안정적으로 운영하기 위한 공정이며, 생성형 AI 시대에는 LLMOps와 AgentOps로 확장되고 있습니다. 조직은 도구보다 운영 루프와 책임 경계를 먼저 설계해야 했습니다.
#MLOps#LLM
8700
![[웨비나 후기] AI 데이터센터, 이론을 넘어 실증으로 검증하다](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2FsKd4f%2FdJMcabpity1%2FAAAAAAAAAAAAAAAAAAAAADy2cyhk_ns9g8zEsSghFr8Xm-uxrm0IEFTFA7o5p4Hi%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1769871599%26allow_ip%3D%26allow_referer%3D%26signature%3DvAMzEYTP%252FtM01SjExJel62VR%252Bcw%253D)
[웨비나 후기] AI 데이터센터, 이론을 넘어 실증으로 검증하다
AI 워크로드 확산에 따라 데이터센터 혁신 방향과 실증 사례를 소개했습니다. 고밀도 GPU 인프라를 위한 전력·냉각·네트워크 설계와 운영 기술을 정리했습니다.
#데이터센터#GPU
3100
클로봇의 Amazon Bedrock 과 LangGraph 를 활용한 건설현장 해충 방역 전문 AI 챗봇 개발기
건설현장 방역을 위한 해충 판별 AI 챗봇을 Amazon Bedrock과 LangGraph로 구현했습니다. 이미지 분석, RAG 검색, 보고서 자동화까지 연결해 설명 가능한 방역 판단을 만들었습니다.
#Amazon Bedrock#LangGraph
6700
Notion RAG 검색 시스템 구축: Go로 구현하는 개인 지식 베이스 구축기
Go와 Gemini로 Notion 문서를 수집·임베딩해 로컬 RAG 검색 CLI를 구축했습니다.\n채널 기반 병렬 처리와 유사도 필터링으로 검색 정확도와 안정성을 보완했습니다.
#Go#Notion
000
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
LLM을 이용한 서비스 취약점 분석 자동화 #1
LLM으로 서비스 취약점 분석을 자동화한 과정과, 대용량 코드·정확도·비용·지속 가능성 문제를 해결한 방법을 공유했습니다.\nMCP, SAST, Multi-Agent, Open Model을 조합해 실용적인 분석 체계를 만든 사례였습니다.
#LLM#MCP
13700
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
채널 AI팀이 RAG 검색 성능을 평가하기 위해 자체 리트리벌 벤치마크를 만든 과정을 소개했습니다. 외부 벤치마크 한계를 보완하고 hybrid search 성능 개선도 확인했습니다.
#ML#RAG
700
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
AI 모델 성능 비교를 위해 상담 도메인에 맞는 리트리벌 벤치마크를 직접 제작했습니다. 벡터 검색과 BM25를 결합한 하이브리드 검색의 개선 효과도 정량적으로 확인했습니다.
#ML#RAG
1900
Amazon Bedrock AgentCore Memory: 기억하는 AI 에이전트 만들기
Amazon Bedrock AgentCore Memory로 LLM의 Statelessness를 보완하는 기억 시스템을 소개했습니다. 단기·장기 기억, 자동 검색, 대화 분기를 통해 기억하는 AI 에이전트를 구현하는 방법을 설명했습니다.
#AWS#LLM
7600
AWS re:Invent 2025 1부 : AI 에이전트 시대를 연 핵심 발표 정리
AWS re:Invent 2025의 핵심 키노트와 신규 발표를 정리한 글입니다. AI 인프라 확장과 에이전트 시대를 위한 AWS의 방향을 요약했습니다.
#AWS#LLM
7500
안전은 기본, 비용 절감은 덤: 별도 가드레일이 필요한 이유
시스템 프롬프트에 안전 규칙을 몰아넣는 방식의 한계와 부작용을 설명했습니다. 별도 가드레일을 두면 안전성, 비용, 운영성을 함께 개선할 수 있다고 정리했습니다.
#LLM#prompt
9100