2026년 6월 30일
말하지 않고 만들었다 — AX를 코드로 구현한 6개월의 기록
6개월간 AX를 실제 시스템과 코드로 구현하며 얻은 경험을 정리했습니다. 모델 교체, 검수 분리, 데이터 정제, 승인 레일 등 운영 교훈을 공유했습니다.
#LLM#DB#Git
520
말하지 않고 만들었다 — AX를 코드로 구현한 6개월의 기록
모든 블로그
대표 인기 포스트나의 새로운 주니어 개발자는 AI? LLM을 활용한 코드 리뷰 자동화574 조회574 조회 AI AI
데브옵스
데브옵스
데브옵스
AI
AI
AI
데브옵스
AI
AI
AI
AI
아키텍처 백엔드 AI AI AI
AI
AI
데보션
주요 카테고리 AI · DevOps · Backend
활동 요약
- 최근 30일
- 1개
- 평균 조회
- 67
- 누적 조회
- 31,525
- 전체 글
- 472개
- 마지막 발행
- 2026. 6. 30.
최신 게시글 (20)
2026년 5월 27일
LLM은 언제 ＂모른다＂고 말해야 하는가
LLM은 정답을 맞히는 능력만큼, 모를 때 멈추는 능력도 중요하다고 정리했습니다. 모델 크기나 추론 강화만으로는 부족해, 별도의 평가와 정렬 설계가 필요했습니다.
#LLM#NLP#hallucination
5520
2026년 5월 26일
Apache Airflow 3.x Dag Parsing 최적화 체크리스트
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.
#Airflow#dag-processor#.airflowignore
2820
2026년 5월 22일
Git 커밋 로그로 주간 업무 정리 자동화하기 — Obsidian + Confluence + Claude Code
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#Obsidian#Confluence
14800
2026년 5월 20일
HPC를 여행하는 히치하이커를 위한 안내서 Part 3 - 8단계로 완성하는 클러스터
온프레미스 HPC 클러스터를 8단계로 쌓는 순서와 의존성을 정리했습니다. 기본 설정, GPU 스택, 스토리지, 스케줄러, 모니터링, 자동화가 핵심입니다.
#HPC#Slurm#Ansible
3320
2026년 4월 30일
Claude Code와 함께한 웹 성능 개선 이야기
Claude Code 에이전트 팀으로 레거시 웹 시스템의 성능과 보안 이슈를 빠르게 분석했습니다. 다만 최적화 결과는 비즈니스 맥락과 실제 데이터로 반드시 검증해야 했습니다.
#Claude Code#웹 성능#SQL Injection
35700
2026년 4월 28일
EfficientDet-Lite0 모델을 활용한 실시간 객체 탐지 (Raspberry Pi 5)
Raspberry Pi 5에서 EfficientDet-Lite0와 TensorFlow Lite로 실시간 객체 탐지하는 샘플 코드를 소개했습니다. 입력 타입 분기, XNNPACK 가속, FPS 측정까지 포함한 엣지 AI 구현 흐름을 정리했습니다.
#TensorFlow Lite#Raspberry Pi#객체 탐지
4500
2026년 4월 27일
보안 검수, 이제 AWS Security Agent로 자동화 하자!
AWS Security Agent로 설계 검토, 코드 리뷰, 침투 테스트를 자동화하는 방법을 소개했습니다. 개발팀과 보안팀의 병목을 줄이고 SDLC 전반에 보안을 통합하는 방향을 제시했습니다.
#AWS#보안#AI Agent
5300
2026년 4월 24일
AWS CDK로 구축하는 Vision AI 모델 서빙 파이프라인 실전 가이드
AWS CDK로 Vision AI 서빙 파이프라인을 구성한 실전 사례를 다뤘습니다. 배포 자동화, 타임아웃 대응, 비용 최적화까지 운영 관점을 함께 정리했습니다.
#AWS CDK#Vision AI#SageMaker
2500
2026년 4월 21일
AWS Bedrock Converse API와 도구 활용: 멀티 모델 에이전트 구현하기
AWS Bedrock Converse API로 멀티 모델 에이전트를 구성하는 예시를 소개했습니다. 로컬 도구와 Lambda 도구를 함께 연결해 스트리밍 대화와 도구 호출 흐름을 구현했습니다.
#AWS Bedrock#Converse API#Streamlit
4100
2026년 4월 21일
Codex 플러그인 열풍: Slack부터 Figma까지, 개발 워크플로우의 재탄생
OpenAI Codex 플러그인이 Slack, Figma, Gmail 등 실무 도구를 자연어로 연결해 워크플로우를 자동화하는 흐름을 소개했습니다. 팀 생산성을 높이기 위한 점진적 도입 방법과 개발자의 준비 포인트도 정리했습니다.
#LLM#API#Slack
7600
2026년 4월 21일
HPC를 여행하는 히치하이커를 위한 안내서 Part 2.
Slurm의 내부 구조와 Job 실행 흐름을 설명하며 HPC에서의 자원 관리 방식을 정리했습니다. 또한 대화형 작업, 배치 학습, Job 배열, QOS와 Fairshare 활용법을 실무 예제로 소개했습니다.
#Slurm#HPC#cgroup
2200
2026년 4월 21일
Palantir FDE: 소프트웨어를 “만드는 것”에서 “작동시키는 것”으로의 전환
Palantir FDE를 소프트웨어를 만드는 역할이 아니라 현실에서 작동시키는 실행 역할로 설명했습니다. PoC를 운영과 채택으로 연결해야 실제 비즈니스 임팩트가 난다고 정리했습니다.
#LLM#NLP#Data Architecture
4100
2026년 4월 16일
Palantir FDE: 소프트웨어를 “만드는 것”에서 “작동시키는 것”으로의 전환
Palantir FDE를 통해 잘 만든 시스템이 아니라 실제로 작동하는 시스템이 중요하다는 점을 정리했습니다. 고객 조직에 임베드된 실행 역할이 데이터 통합부터 운영 확산까지 책임지는 구조를 설명했습니다.
#데이터 통합#Git#Open Source Governance
6400
2026년 4월 13일
HPC를 여행하는 히치하이커를 위한 안내서 Part 2.
Slurm의 내부 구조와 Job 처리 흐름을 중심으로 HPC 스케줄러 활용법을 정리했습니다. 대화형·배치·배열 작업과 QOS, Fairshare, 선점, 의존성 연결까지 실무 패턴을 설명했습니다.
#Slurm#HPC#cgroup
2900
2026년 4월 8일
Codex 플러그인 열풍: Slack부터 Figma까지, 개발 워크플로우의 재탄생
OpenAI Codex 플러그인을 활용해 Slack, Figma, Gmail 등 실무 도구를 자연어로 연결하는 흐름을 소개했습니다. 복잡한 워크플로우 자동화와 이를 위한 프롬프트 설계 역량의 중요성도 강조했습니다.
#LLM#API#Slack
14100
2026년 3월 19일
AWS Bedrock Converse API와 도구 활용: 멀티 모델 에이전트 구현하기
AWS Bedrock Converse API로 멀티 모델 에이전트를 Streamlit과 Lambda로 구현한 사례를 정리했습니다. 모델 선택, 스트리밍, 도구 호출, 서버리스 연동 흐름을 함께 소개했습니다.
#AWS#bedrock#Converse API
7200
2026년 3월 5일
AI가 내 대신 쇼핑하는 세상, 무엇을 준비해야 하는가?
AI가 대신 쇼핑하는 미래를 위해 UCP, AP2, x402와 USDC 기반 결제 구조를 설명했습니다. 또한 통제 가능한 자동화가 AI 커머스의 핵심이라는 점을 정리했습니다.
#Web3#블록체인#gRPC
6900
2026년 3월 5일
Astronomer Agents, Airflow를 쓰는 방식을 바꿔버릴 도구
Astronomer Agents는 Airflow API와 로그를 활용해 Dag 개발, 테스트, 디버깅을 돕는 AI 도구입니다. 또한 마이그레이션과 데이터 분석까지 지원해 운영 효율을 높였습니다.
#Airflow#LLM#BigQuery
6700
2026년 3월 5일
처음 걸어가는 길, 함께 만든 성과 - 래블업x업스테이지, 독자 AI 파운데이션 모델 1차수 평가 통과 비하인드
업스테이지 컨소시엄이 정부 독자 AI 모델 1차수 평가를 통과한 과정을 소개했습니다. 래블업과의 협업으로 인프라를 최적화하고 학습 효율과 장애 대응을 크게 개선했습니다.
#LLM#ML#MLOps
4400