Velopers 홈

오늘 새 글

0개

오늘 조회수

150회

필터 1

[AWS Summit Seoul 2026] Amazon’s AI Strategy로 본 에이전틱 AI 전환

· 2026년 6월 17일

[AWS Summit Seoul 2026] Amazon’s AI Strategy로 본 에이전틱 AI 전환

Amazon의 AI 전략을 통해 에이전틱 AI가 고객 경험과 운영을 어떻게 바꾸는지 정리했습니다. 또한 AgentCore와 AI-DLC를 바탕으로 기업 AI 도입 시 고려할 운영·개발 포인트를 소개했습니다.

#AWS#LLM

21005분

프롬프트 한 줄로 화면이 나오는 시대, ‘당근스러운 화면’을 만드는 법

· 2026년 4월 30일

프론트엔드

프롬프트 한 줄로 화면이 나오는 시대, ‘당근스러운 화면’을 만드는 법

프롬프트 한 줄로 만드는 화면의 한계를 짚고, 디자인 시스템에 맞는 의사결정 자동화가 핵심이라고 설명했습니다. 어드민, CLI, 에이전트로 발전한 Kraft와 Plan/Orchestra 구조도 소개했습니다.

#prompt#디자인 시스템

192005분

· 2026년 4월 10일

[AI활용] Claude Code를 선택한 이유와 개발 아키텍처 설계 실무 적용기

Claude Code를 팀 개발 아키텍처에 통합하는 구조를 Agent·Skill·Context·Loop로 정리했습니다. 프롬프트 중심 활용의 한계를 넘어 재현 가능한 AI Workflow 설계를 제안했습니다.

#Claude#Agent

156005분

· 2026년 3월 18일

Claude Code Hooks - 프롬프트 대신 코드로 정책 강제하기

Claude Code Hooks로 프롬프트 대신 설정 파일 기반 정책 강제를 설명했습니다. 파일 수정, 위험 명령 차단, 모니터링 등 실전 활용 패턴도 함께 다뤘습니다.

#Claude Code#hooks

90005분

· 2026년 2월 28일

The Flip

AI가 디자인을 대신 만들어주는 것이 아니라, AI가 쓸 디자인 시스템을 설계하는 관점입니다. 브랜드 맥락과 인터랙션 규칙을 구조화해 에이전트가 바로 조합하고 실행할 수 있게 만들었습니다.

#design system#Agent

20005분

· 2026년 1월 12일

CrewAI: 독립된 멀티 에이전트 협업 프로세스 구축

CrewAI의 핵심 구성 요소와 독립형 Python 프레임워크 특성을 소개했습니다. 단일 에이전트와 멀티 에이전트 순차 협업 예시로 기본 사용 흐름을 설명했습니다.

당근의 GenAI 플랫폼

당근은 GenAI 활용 확산에 맞춰 LLM Router, Prompt Studio, KarrotChat으로 공통 플랫폼을 구축했습니다. 이를 통해 AI API 통합 관리, 빠른 실험과 배포, 사내 Agent 활용을 지원했습니다.

#LLM#MCP

95005분

AI 데이터 분석가 ‘물어보새’ 그 다음 – 3부. Agent로 더 넓고 깊은 지식 공유하기

· 2025년 10월 15일

AI 데이터 분석가 ‘물어보새’ 그 다음 – 3부. Agent로 더 넓고 깊은 지식 공유하기

물어보새를 사내 지식과 업무를 아우르는 멀티 에이전트 서비스로 확장한 과정을 소개했습니다. 지식 확장, 메모리, Tracing, ReAct로 검색과 맥락 유지, 자율 실행을 강화했습니다.

#LLM#RAG

45005분

멀티턴에서 답변을 잘하는 Agent 만들기 - 쿼리 재작성(Query Rewriting)

· 2025년 9월 5일

멀티턴에서 답변을 잘하는 Agent 만들기 - 쿼리 재작성(Query Rewriting)

멀티턴 RAG에서 맥락 손실로 생기는 검색 오류를 쿼리 재작성으로 줄이는 방법을 다뤘습니다. Step-Back, HyDE, Multi-Query와 적응형 라우팅으로 품질과 속도를 함께 조정했습니다.

#RAG#LLM

148005분

· 2025년 8월 7일

How Was the New QANDA Agent Built?

QANDA가 생성형 AI 시대에 맞춰 단일 문제풀이 앱에서 멀티 에이전트 학습 플랫폼으로 재설계되었습니다. 또한 Plan-and-Execute, Artifact, LangGraph 기반 구조로 의도 분류와 상태 관리를 안정화했습니다.

#LLM#Agent

57005분

· 2025년 8월 5일

새로운 콴다 Agent는 어떻게 만들어졌을까?

콴다는 문제 풀이 중심 앱을 멀티 에이전트 기반 학습 어시스턴트로 재설계했습니다. 채팅과 Agent를 분리하고 Plan-and-Execute, Artifact 구조로 확장성과 안정성을 높였습니다.

#LLM#Agent

89005분

· 2025년 7월 31일

SSG.COM 사내 Agent 개발기

사내 Confluence 문서를 자연어로 찾는 LLM Agent 개발 과정을 소개했습니다. 검색 쿼리 생성, 요약, 캐싱, OCR 등 운영 최적화 포인트도 다뤘습니다.

#LLM#NLP

240005분