QA는 어떻게 추측을 확신으로 바꾸었나
QA 테스트 설계의 기준을 문서 추측에서 운영 코드와 커밋 근거로 전환했습니다. 하네스와 RAG 기반 코드 탐색으로 분석 절차를 표준화하고 설계 기간을 줄였습니다.
#QA#RAG#Claude
3900
QA는 어떻게 추측을 확신으로 바꾸었나
모든 블로그
대표 인기 포스트하네스 엔지니어링(harness engineering)으로 팀 맞춤형 AI 환경 구축하기471 조회471 조회 AI AI AI AI AI AI AI AI AI AI AI AI AI AI AI AI AI AI
우아한 형제들
주요 카테고리 AI · 백엔드 · 프론트엔드
활동 요약
- 최근 30일
- 6개
- 평균 조회
- 64
- 누적 조회
- 7,177
- 전체 글
- 113개
- 마지막 발행
- 2026. 11. 13.
우아한 형제들 기술 블로그 글 (30)
우아한형제들의 AI 거버넌스, 플랫폼에 담다
AI Studio와 AI Gateway로 LLM·Agent 사용 신청, 정책 승인, 호출 기록을 프로젝트 단위로 연결했습니다. 실시간 비용 관측과 프롬프트 캐싱으로 예산·보안을 관리하고 비용을 최적화했습니다.
#LLM#LiteLLM#MCP
5800
우아한형제들의 AI 거버넌스, 플랫폼에 담다
AI 전환, 우리가 도운 건 돕는 사람이었습니다
AI 전환의 핵심을 도구가 아니라 사람의 변화와 코칭 구조에서 찾았습니다. 92명의 수요에 대응해 코치 페어 기반 경험형 프로그램을 설계했습니다.
#코칭#동기면담#페어 프로그래밍
400
AI 전환, 우리가 도운 건 돕는 사람이었습니다
AI가 분석한 리서치 결과, 어떻게 만들고 전달할까요?
리서치 분석을 LLM으로 만들고 전달하는 구조를 정리했습니다. 작업 분해와 평가 루프, SSE·알림음·채팅으로 사용자 경험을 개선했습니다.
#LLM#SSE#React
1400
AI가 분석한 리서치 결과, 어떻게 만들고 전달할까요?
AI에게 만드는 법 대신 실패하는 법을 묻다: 포토그래퍼의 수천 명 동시 접속 게임 만들기
수천 명 동시 접속 행사 게임을 WebSocket 없이 Redis와 SSE 중심으로 단순화해 구현했습니다. 리허설에서 드러난 저사양 전광판 문제는 렌더링 방식을 바꾸고 영상은 하드코딩으로 대응했습니다.
#Kubernetes#Redis#SSE
1400
AI에게 만드는 법 대신 실패하는 법을 묻다: 포토그래퍼의 수천 명 동시 접속 게임 만들기
AI가 내 프롬프트를 흘려듣는 이유: 원리부터 다시 본 컨텍스트 엔지니어링
AI가 규칙을 자꾸 어기던 문제를 계기로, 프롬프트보다 컨텍스트 엔지니어링과 하네스 설계가 중요하다는 점을 정리했습니다. 최신 모델에는 절차를 늘리기보다 성공 기준과 검증 규칙을 명확히 주는 방식이 더 잘 맞았습니다.
#LLM#prompt#MCP
1700
AI가 내 프롬프트를 흘려듣는 이유: 원리부터 다시 본 컨텍스트 엔지니어링
우아한공방의 새로운 동료, 시스템 맥락을 가진 챗봇서비스 개발기(feat. RAG)
우아한공방의 문서와 코드베이스 맥락을 활용하는 RAG 챗봇 서비스를 구축한 과정을 소개했습니다. 검색 정확도 개선과 Guardrail, 스트리밍 응답, Storybook 전역 UI 적용까지 다뤘습니다.
#RAG#AWS#DynamoDB
3400
우아한공방의 새로운 동료, 시스템 맥락을 가진 챗봇서비스 개발기(feat. RAG)
하네스 엔지니어링(harness engineering)으로 팀 맞춤형 AI 환경 구축하기
팀 맞춤형 AI 환경을 만들기 위해 Cursor의 Rules와 Skills를 활용한 하네스 엔지니어링 사례를 소개했습니다. 전처리 스크립트로 컨텍스트를 줄여 응답 품질과 토큰 효율을 높인 점이 핵심입니다.
#Cursor#LLM#prompt
47100
하네스 엔지니어링(harness engineering)으로 팀 맞춤형 AI 환경 구축하기
5년 동안 못 푼 배민 다국어 숙제, AI와 함께 한 달 만에 끝내기
배민은 외국인 주문 장벽을 해결하기 위해 5년간 멈췄던 다국어 과제를 다시 추진했습니다. FDH와 LLM 번역 파이프라인을 결합해 한 달 만에 서버 중심 다국어 적용을 완성했습니다.
#LLM#AWS Bedrock#Spring AI
18400
5년 동안 못 푼 배민 다국어 숙제, AI와 함께 한 달 만에 끝내기
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
LLM으로 리뷰의 진심을 점수화해 별점만으로는 보이지 않던 맛집 변별력을 높였습니다. 지식 증류와 개인화 리랭킹을 더해 추천 품질과 전환율을 함께 개선했습니다.
#LLM#지식 증류#추천
10600
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
AI로 바뀐 건 업무가 아니라 사람이었습니다
비개발 직군 동료들이 실제 업무를 AI로 해결하며 반복 작업 시간을 크게 줄인 교육 사례를 소개했습니다. 작은 성공과 동료 코칭이 AI 활용 자신감과 조직 확산으로 이어졌습니다.
#prompt#MCP#Gemini
20100
AI로 바뀐 건 업무가 아니라 사람이었습니다
RAG, 들어는 봤는데… 내 서비스엔 어떻게 쓰지?
RAG의 필요성과 동작 원리를 설명하고, 교육 운영 시스템에 적용한 구현 사례를 정리했습니다. 6단계 구현 가이드와 색인·검색 설계 포인트도 함께 소개했습니다.
#RAG#LLM#MCP
27500
RAG, 들어는 봤는데… 내 서비스엔 어떻게 쓰지?
“함께 구매하면 좋은 상품” 추천 모델 고도화
장바구니 맥락을 반영한 추천 모델로 Item2Vec의 한계를 개선했습니다. 오프라인 평가와 A/B 테스트에서 담기율, 다양성, 주문율이 함께 향상되었습니다.
#ML#추천#Transformer
7100
“함께 구매하면 좋은 상품” 추천 모델 고도화
AI와 함께하는 테스트 자동화: 플러그인 개발기
테스트 코드 자동화를 위해 IntelliJ 플러그인과 Amazon Q를 결합한 개발 과정을 다뤘습니다. 컴파일 보장 템플릿과 역할 분담으로 커버리지와 작업 효율을 높였습니다.
#test#자동화#IntelliJ
5400
AI와 함께하는 테스트 자동화: 플러그인 개발기
안녕하세요! AI UX라이터 제민희입니다. 무엇을 도와드릴까요?
UX라이터와 개발자가 사내 AI 라이팅 툴을 만들며 겪은 실패와 방향 전환을 정리한 글입니다. 반복 검수 자동화를 위해 규칙 기반 방식 대신 RAG와 컨텍스트 설계를 적용했습니다.
#LLM#RAG#컨텍스트 엔지니어링
8600
안녕하세요! AI UX라이터 제민희입니다. 무엇을 도와드릴까요?
복잡한 LLM 연동, GenAI SDK 하나로 끝내기
여러 LLM 제공사와 키 관리를 하나의 SDK로 묶어 호출 복잡성을 줄인 사례를 소개했습니다. LiteLLM과 Langfuse를 활용해 추적, 프롬프트 관리, fallback까지 통합한 점이 핵심입니다.
#LLM#Langfuse#prompt
5700
복잡한 LLM 연동, GenAI SDK 하나로 끝내기
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#Agent
6000
AI 데이터 분석가 ‘물어보새’ 그 다음 – 3부. Agent로 더 넓고 깊은 지식 공유하기
LLMOps로 확장하는 AI플랫폼 2.0
AI플랫폼 2.0에서 LLMOps를 지원하기 위한 운영 과제와 대응 방안을 정리했습니다. Studio, SDK, API Gateway, Labs를 중심으로 프롬프트 관리와 관측성, 보안을 강화했습니다.
#LLM#MLOps#API Gateway
3900
LLMOps로 확장하는 AI플랫폼 2.0