Velopers 홈

오늘 새 글

0개

오늘 조회수

73회

필터 1

2026년 8월 14일

AI가 이해하는 기업

기업 AI가 ROI로 이어지지 않는 이유를 의미 계층의 부재로 설명했습니다. 온톨로지와 Active Ontology를 통해 맥락을 기계가 읽게 만드는 방향을 제안했습니다.

#LLM#RAG

1200

2026년 8월 13일

AI에게 투자정보를 말하게 하기까지

투자 정보는 적시성, 정확성, 검증 가능성이 중요해 LLM 출력만으로는 부족했습니다. 근거 선별과 절차 통제, 평가 가능한 구조를 통해 AI가 말해도 되는 상태를 운영했습니다.

모던 백엔드 강좌 소개

2026년 기준 Java 25와 Spring Boot 4.x 중심의 백엔드 변화와 실무 전환 포인트를 소개했습니다. 단일 예제 프로젝트로 마이그레이션 판단과 AI 통합까지 다루는 커리큘럼입니다.

#Java#Spring Boot

7900

2026년 7월 30일

AI SDLC의 올바른 접근법과 사전 준비사항_0724

AI SDLC를 전면 자동화로 보는 접근의 위험성과 단계별 성숙도 차이를 정리했습니다. PoC 검증, 정량 KPI, Human-in-the-loop로 범위를 확정하는 전략을 제안했습니다.

#LLM#RAG

2200

2주 만에 Strands SDK와 Amazon Bedrock AgentCore로 구현한 어스얼라이언스의 CS 환불 자동응답 에이전트 시스템

2026년 7월 29일

2주 만에 Strands SDK와 Amazon Bedrock AgentCore로 구현한 어스얼라이언스의 CS 환불 자동응답 에이전트 시스템

Strands SDK와 Amazon Bedrock AgentCore로 환불 CS 자동응답 에이전트를 2주 만에 구축했습니다. 내부 검수 초안 방식과 멀티턴 맥락·안전성 검증을 결합해 운영 가능성을 확보했습니다.

#Amazon Bedrock#LLM

1200

십만 줄 코드베이스, AST로 길을 찾다 — Kiro Code Intelligence로 대규모 코드베이스를 이해하는 법

2026년 7월 20일

십만 줄 코드베이스, AST로 길을 찾다 — Kiro Code Intelligence로 대규모 코드베이스를 이해하는 법

대규모 코드베이스에서는 텍스트 검색보다 AST 기반 구조 이해가 더 중요하다고 설명했습니다. Kiro Code Intelligence는 tree-sitter와 LSP를 함께 써서 심볼과 참조를 정밀하게 다룹니다.

#AST#tree-sitter

4800

Velopers 추천광고

쿠팡 파트너스

개발자를 위한 인기 상품을 확인해 보세요

이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

#개발자#노트북#컴퓨터

2026년 7월 15일

AWS 환경에서 프로덕션-레디 확산 언어 모델(DLM) 검증하기

DLM과 AR의 구조 차이, 지연 이점, 검증 방식과 평가 게이트 설계를 AWS 환경에서 설명했습니다. 데이터 구조화와 검색 개선으로 사실 정밀도와 환각을 함께 개선한 사례를 다뤘습니다.

#AWS#LLM

2300

2026년 7월 15일

AI채팅 구축 사례: 725만 건 설계 자료를 AI로 검색하다, 서영엔지니어링

방대한 설계 자료를 자연어로 찾기 위해 사내 플랫폼에 AI채팅을 연동했습니다. 실무 검증에서 정답률 96%를 확인하고 검색 시간을 크게 줄였습니다.

#RAG#검색

4400

2026년 7월 9일

[도입전략] 공공 AI 전환을 위한 AX Readiness Check 활용법

공공기관의 AI 전환 준비도를 진단하는 AX Readiness Check와 7대 영역을 소개했습니다.\n현황 점검 후 맞춤형 솔루션으로 단계별 전환을 돕는 방향을 제시했습니다.

#AI 거버넌스#AI 전환

2700

2026년 7월 1일

포스코DX의 엔지니어링 암묵지를 AI가 활용할 수 있는 지식 자산으로 전환하기

포스코DX는 현장 암묵지를 AI가 활용할 수 있는 지식 자산으로 전환하는 PoC를 진행했습니다.\nGraphiti와 Amazon Bedrock 기반 지식 그래프로 설계 규칙을 구조화하고, 검색과 추론까지 자동화했습니다.

#LLM#RAG

3000

2026년 6월 30일

Amazon Bedrock AgentCore로 구축하는 AgentOps (1): 파운데이션과 게이트웨이

에이전틱 AI를 프로덕션에 올리기 위한 AgentOps와 파운데이션, 게이트웨이 패턴을 소개했습니다. Amazon Bedrock AgentCore로 모델, 도구, 에이전트 접근을 통합하는 방법을 설명했습니다.

#AWS#LLM

600

2026년 6월 29일

의뢰자가 가장 어려워하는 단계를 AI로: Strands Agents SDK를 활용한 라우드소싱의 공모전 브리핑 작성 에이전트

공모전 브리핑 작성의 진입 장벽을 낮추기 위해 AWS Bedrock과 Strands Agents SDK 기반 AI 에이전트를 도입했습니다. 초안 생성과 검수, 분석을 분리해 응답 속도와 운영 효율을 높이고, 브리핑 이탈률도 줄였습니다.

[Databricks Data + AI Summit 2026] 키노트로 본 Agentic Data 시대의 시작

Databricks Data + AI Summit 2026 키노트에서 Agentic AI 시대의 데이터 플랫폼 방향을 정리했습니다. 실시간 데이터 기반과 비즈니스 컨텍스트, 중앙 거버넌스가 핵심으로 제시됐습니다.

Flava DBaaS 딥다이브: 아키텍처부터 마이그레이션, 그리고 미래까지

Flava DBaaS의 쿠버네티스 기반 아키텍처와 운영 구조를 소개했습니다. 또한 마이그레이션 도구와 서버리스, AI 기반 확장 방향까지 설명했습니다.

#Kubernetes#DBaaS

1900