

Amazon Braket으로 양자-고전 하이브리드 알고리즘 실행하기 (1편)
Amazon Braket에서 양자-고전 하이브리드 잡을 생성하고 실행하는 방법을 소개했습니다. 콘솔 기반과 코드 기반의 차이, 런타임과 디바이스 선택 흐름도 함께 설명했습니다.


Amazon Braket에서 양자-고전 하이브리드 잡을 생성하고 실행하는 방법을 소개했습니다. 콘솔 기반과 코드 기반의 차이, 런타임과 디바이스 선택 흐름도 함께 설명했습니다.

Skill 품질 편차를 줄이기 위해 6섹션 30항목 Rubric과 자동 평가 시스템을 설계했습니다. 결정적 결함은 규칙 검사로, 의미 품질은 LLM 판정으로 나누어 관리했습니다.


Airflow DAG 파싱 최적화는 메트릭 기반 측정과 설정 튜닝, 코드 위생 점검이 핵심입니다. 특히 Airflow 3.x의 설정 이동과 ignore 문법 변경을 함께 확인해야 했습니다.


매주 Git 커밋 로그를 자동 수집해 Obsidian과 Confluence로 주간 업무 정리를 자동화한 사례를 소개했습니다. 50분 걸리던 작업을 5분으로 줄이고, 멱등한 발행과 정기 실행까지 구성했습니다.

Git 릴리스 자동화를 예제로 MCP와 에이전트 스킬의 차이를 비교했습니다. 반복 작업은 스킬로 표준화하고, 외부 연동은 MCP로 분리하는 접근을 제안했습니다.
내부 PyPI 프록시 앞단에 얇은 프록시를 두어 CodeArtifact를 PyPI처럼 사용하도록 구성했습니다. 또한 PEP 691의 upload-time을 활용해 cooldown 정책을 중앙에서 적용했습니다.
LiteLLM 공급망 공격을 계기로 사내 PyPI 프록시에 쿨다운 정책을 도입했습니다.\nPEP 503과 PEP 691을 함께 활용해 최근 업로드 패키지를 필터링하고 전사에 일괄 적용했습니다.


Claude Code의 Checkpoints와 /rewind로 코드와 대화를 시점별로 되돌리는 방법을 설명했습니다. Tasks 상태와 Bash 변경은 추적되지 않으므로 Git 커밋이 필요하다고 정리했습니다.
AI 코딩 에이전트를 대규모로 평가하기 위한 멀티 에이전트 하네스 설계를 다뤘습니다. 마크다운 지침과 JSON Schema로 재현성을 확보하고 기능과 깊이를 분리해 채점했습니다.

Python 기반 AI API Gateway에서 FastAPI와 Robyn의 성능을 비교했습니다.\n고부하 상황의 지연 안정성과 연결 생존력에서 Robyn의 장점을 확인했습니다.
마이리얼트립 T&A실은 위키, KPI, FP&A, Slack을 AI로 묶어 매일 자동 브리핑하는 Control Tower를 만들었습니다. 리더는 반복 수집과 분류를 맡기고 판단과 액션에만 집중하는 구조로 바뀌었습니다.


Slurm의 내부 구조와 Job 처리 흐름을 중심으로 HPC 스케줄러 활용법을 정리했습니다. 대화형·배치·배열 작업과 QOS, Fairshare, 선점, 의존성 연결까지 실무 패턴을 설명했습니다.