![[4월 3주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (Google Cloud Next '24)](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjNGleuvh_5ifDsOtW0kzXLCkvY7XYc-F06GUikEOdMjiDeZsbnDjz7RhXeyMREp6l4AX_VrQECkz67VDXvH2KJwDtPG8qlSCJiMy9yu3ttxNDMKwl8e_ukSr63dHzE44eKCWEslxqyNog/s1600/lockup_google_developers_horizontal_knockout_wht.png)
[4월 3주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (Google Cloud Next '24)
Google for Developers의 4월 3주차 최신 소식을 모아 소개했습니다. Cloud Next '24를 중심으로 AI, Android, Flutter, Firebase 업데이트를 확인할 수 있습니다.
![[4월 3주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (Google Cloud Next '24)](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjNGleuvh_5ifDsOtW0kzXLCkvY7XYc-F06GUikEOdMjiDeZsbnDjz7RhXeyMREp6l4AX_VrQECkz67VDXvH2KJwDtPG8qlSCJiMy9yu3ttxNDMKwl8e_ukSr63dHzE44eKCWEslxqyNog/s1600/lockup_google_developers_horizontal_knockout_wht.png)
Google for Developers의 4월 3주차 최신 소식을 모아 소개했습니다. Cloud Next '24를 중심으로 AI, Android, Flutter, Firebase 업데이트를 확인할 수 있습니다.

당근에서 LLM을 어떻게 활용하는지 서비스 사례와 운영 방법을 소개했습니다. 또한 프로덕션 적용을 위한 파이프라인, 모델 선택, 프롬프트 엔지니어링 원칙을 정리했습니다.

페르소나 프롬프트 패턴으로 LLM의 관점과 출력 형태를 조절하는 방법을 정리했습니다. 쉬운 설명이나 원하는 답변을 얻는 활용 사례를 소개했습니다.
![[4월 2주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (Cloud Next 2024)](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjNGleuvh_5ifDsOtW0kzXLCkvY7XYc-F06GUikEOdMjiDeZsbnDjz7RhXeyMREp6l4AX_VrQECkz67VDXvH2KJwDtPG8qlSCJiMy9yu3ttxNDMKwl8e_ukSr63dHzE44eKCWEslxqyNog/s1600/lockup_google_developers_horizontal_knockout_wht.png)
Google for Developers의 이번 주 주요 발표를 분야별로 정리한 업데이트입니다. Cloud Next 2024를 포함해 AI와 Android, 개발자 도구 소식이 함께 소개되었습니다.

GDG가 제미나이와 젬마를 중심으로 한 ‘빌드 위드 AI’ 글로벌 행사 시리즈를 소개했습니다. 한국에서도 실습형 워크샵과 해커톤이 여러 지역에서 진행됩니다.


트랜스포머 블록을 제거하는 깊이 가지치기로 LLM 추론 비용과 지연을 줄였습니다. 소규모 배치 환경에서 너비 가지치기보다 빠른 생성 속도와 경쟁력 있는 성능을 보였습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

ChatGPT 프롬프트 패턴 중 메타 언어 생성 방법을 소개했습니다. 복잡한 설명을 규칙화해 더 간결하고 명확하게 소통하는 방식입니다.

콴다는 AI 디지털 교과서를 위해 OCR, 문제 분류, 해설 생성, 성취도 분석 기술을 결합했습니다. 이를 통해 학생별 맞춤형 학습과 교육 격차 해소를 목표로 했습니다.


개인 블로그 기록을 RAG 데이터로 활용해 Streamlit과 LangChain으로 LLM 애플리케이션을 만들었습니다. 운영 지표, 벡터 DB 연동, 개별 파일 업데이트 최적화까지 직접 겪은 고민을 정리했습니다.


생성형 검색이 서비스로 자리 잡기 위해 필요한 전환 전략을 설명했습니다. 초기 강점 시나리오를 선정하고 리텐션과 품질을 보며 점진적으로 확장해야 합니다.


AI 모델만으로 세차 필요 여부를 단정할 수 없어, 판단 기준과 차량 상태 정의를 다시 설계했습니다. 그 결과 세차 요청 로직을 구조화해 운영 효율과 고객 만족도를 함께 높였습니다.

사내에서 여러 LLM을 한곳에서 비교해볼 수 있는 플레이그라운드를 만들고, 이를 프롬프트 엔지니어링 체험 행사로 확장한 사례를 공유했습니다. 서비스 캐릭터를 AI 페르소나로 재해석하는 프롬프톤 운영 경험도 함께 소개했습니다.


대학생의 시험 준비 비효율을 해결하기 위해 생성형 AI 학습 도구 Cramify를 만들게 된 배경을 소개했습니다. 학생 인터뷰와 문제 데이터베이스, LLM을 바탕으로 약 2개월 만에 MVP를 완성했습니다.

생성형 AI가 교육을 개인화된 대화형 학습으로 바꾸는 흐름을 소개했습니다. QANDA의 Qutor 사례를 통해 질문 응답 보완과 학습 경험 개선 가능성을 설명했습니다.