데보션

도메인devocean.sk.com

주요 카테고리 AI · DevOps · 백엔드

활동 요약

최근 30일: 2개
평균 조회: 77
누적 조회: 37,237
전체 글: 486개
마지막 발행: 2026. 11. 10.

블로그 방문

데보션 기술 블로그 글 (269)

2025년 9월 1일

특정 YouTube 영상의 댓글에 대한 자연어 분석 RAG 시스템 개발 with LangGraph + Qdrant

YouTube 댓글의 정보 과부하를 RAG로 해결하는 분석 시스템을 LangGraph와 Qdrant로 구현했습니다.댓글 수집, 의미 검색, 응답 생성을 분리하고 MVP 한계와 개선점까지 정리했습니다.

#RAG#LangGraph#Qdrant

7900

특정 YouTube 영상의 댓글에 대한 자연어 분석 RAG 시스템 개발 with LangGraph + Qdrant

2025년 8월 29일

에이닷 개인화 경험을 위한 메모리 도입기

에이닷에 Agentic Memory를 도입해 대화를 구조화된 기억으로 저장하고 개인화 응답을 강화했습니다. 비동기 처리와 DSPy 최적화로 성능과 유지보수성도 함께 높였습니다.

#LLM#NLP#Python

8900

2025년 8월 28일

고급 프롬프트 엔지니어링으로 GPT 앱을 만들어보자!

프롬프트 엔지니어링 기법을 조합해 GPT 앱을 만드는 방법을 소개했습니다. 연구기획서 자동 생성 예시로 역할 지정과 Tree of Thoughts 활용 흐름을 설명했습니다.

#LLM#prompt#Chain of Thought

7500

2025년 8월 28일

NVIDIA Jetson Thor와 GR00T 모델을 활용한 로봇 시뮬레이션 테스트

Jetson Thor에 GR00T 모델을 올려 HIL 기반 로봇 시뮬레이션 추론을 수행한 내용을 정리했습니다. 실제 로봇 없이 작업을 검증해 비용과 리스크를 줄일 수 있음을 확인했습니다.

#Jetson Thor#NVIDIA Isaac#ROS2

8100

NVIDIA Jetson Thor와 GR00T 모델을 활용한 로봇 시뮬레이션 테스트

2025년 8월 27일

Think-fusion 의 여러가지 방식 (feat. DeepSeek-V3.1, GPT-5)

2025년 LLM의 Reasoning 흐름 속에서 Think-fusion의 구현 방식과 한계를 정리했습니다. GPT-5와 Qwen3 사례를 통해 모델 분리의 필요성과 효율성도 함께 살펴봤습니다.

#LLM#Reasoning#DeepSeek-V3.1

5900

Think-fusion 의 여러가지 방식 (feat. DeepSeek-V3.1, GPT-5)

2025년 8월 26일

NVIDIA Jetson Thor 리뷰 및 개봉기

NVIDIA Jetson Thor의 주요 사양과 Orin 대비 성능 향상을 리뷰하고 개봉기를 함께 소개했습니다. 로봇과 생성형 AI용 고성능 엣지 보드의 활용 가능성을 정리했습니다.

#NVIDIA Jetson#LLM#ML

5800

2025년 8월 25일

1인 1에이전트 시대의 자동화 도전기 - 자동화 slack bot 구현

에이닷 서비스 RM 업무에서 장애 감지와 전파를 자동화하는 Slack 봇 구현 사례를 소개했습니다. ChatGPT와 Slack API, Railway를 활용해 실무 적용과 운영 효율화까지 연결했습니다.

#Slack API#ChatGPT#Python

5200

2025년 8월 25일

진짜 AI 에이전트형 코딩 툴 ＇Claude-Code＇

Claude Code를 자율형 코딩 에이전트로 소개하며 개발 전 과정을 자동화하는 흐름을 설명했습니다. MCP, 터미널 통합, 다중 에이전트로 생산성과 학습 효율을 높이는 활용법도 정리했습니다.

#Claude Code#MCP#REST API

9900

2025년 8월 21일

AI 시대, 요즘 테스트 – UI 에서 API 중심으로

AI 시대에는 UI 중심 테스트보다 API 중심 테스트와 시나리오 기반 검증이 중요해졌습니다. 핵심 플로우만 UI로 확인하고, 나머지는 자동화와 Observability로 품질을 보장해야 했습니다.

#test#API#Observability

10800

2025년 8월 20일

Text2SQL이 어려운 이유

Text2SQL이 왜 어려운지 명시적·암묵적 맥락, 사용자 의도, SQL 방언 차이 관점에서 정리했습니다. ERP 데이터 시각화 Agent 맥락에서 실무적으로 고려할 점도 함께 짚었습니다.

#LLM#RAG#SQL

14100

2025년 8월 18일

프롬프트 튜닝 100시간 vs DSPy 30분, 당신의 선택은?

DSPy를 활용한 프롬프트 최적화와 자동화 방법을 소개했습니다. 반복 평가와 비교 실험을 코드로 줄여 LLM 품질 관리에 적용할 수 있었습니다.

#prompt#LLM#Python

15100

2025년 8월 18일

CLIP과 BLIP를 활용한 이미지-텍스트 유사도 계산

CLIP과 BLIP의 구조와 용도를 비교하며 이미지-텍스트 유사도 계산 예시를 정리했습니다. CLIP은 직접 매칭에, BLIP은 캡션 생성 후 의미 비교에 적합했습니다.

#CLIP#BLIP#멀티모달

11100

2025년 8월 13일

LLM 품질 평가 SPeCTRA , 채팅플러스 검증 도입으로 본 확장의 첫걸음

LLM 품질 평가 도구 SPeCTRA를 채팅플러스 검증에 확장 적용한 사례를 소개했습니다. Postman 자동화와 Judge 프롬프트 튜닝으로 커버리지와 효율을 높였습니다.

#LLM#Postman#자동화

9000

LLM 품질 평가 SPeCTRA , 채팅플러스 검증 도입으로 본 확장의 첫걸음

2025년 8월 12일

RAG 파이프라인과 사고의 사슬(CoT) 프롬프팅을 활용한 최종 답변 출력 예시

RAG 파이프라인과 CoT 프롬프팅으로 최종 답변만 추출하는 예시를 설명했습니다. LangChain 체인, 프롬프트 설계, 출력 파서 구성과 복합 질의 처리 흐름을 다뤘습니다.

#RAG#prompt#LLM

9100

RAG 파이프라인과 사고의 사슬(CoT) 프롬프팅을 활용한 최종 답변 출력 예시

2025년 8월 12일

[LLM 기반 대화형 Agent 기획] 거친 생각과 불완전한 발화에 대처하는 우리의 자세

LLM 기반 대화형 Agent에서 불완전한 사용자 발화를 어떻게 해석하고 보완할지 다뤘습니다. Clarification과 슬롯 보완을 통해 대화 흐름을 유도하는 기획 관점을 제시했습니다.

#LLM#prompt#대화형 Agent

8100

[LLM 기반 대화형 Agent 기획] 거친 생각과 불완전한 발화에 대처하는 우리의 자세

2025년 8월 7일

수식없이 GPT(트랜스포머) 이해하기. 1편

GPT의 핵심 구조인 트랜스포머 디코더와 Self Attention 흐름을 수식 없이 설명했습니다. 입력 벡터화부터 다음 단어 예측까지의 과정을 단계별로 정리했습니다.

#LLM#Transformer#Self Attention

12200

2025년 8월 7일

EMNLP24 늦은 후기 2탄: CC 데이터로 LLM 사전학습 데이터셋을 만들어본 경험 및 NVIDIA 논문 리뷰

웹 크롤링 데이터로 LLM 사전학습 데이터셋을 만든 경험과 어려움을 정리했습니다. NVIDIA EMNLP 2024 논문을 통해 품질 필터링과 중복 제거 전략을 체계적으로 살펴봤습니다.

#LLM#PySpark#Spark

5600

EMNLP24 늦은 후기 2탄: CC 데이터로 LLM 사전학습 데이터셋을 만들어본 경험 및 NVIDIA 논문 리뷰

2025년 8월 6일

모델 크기 경쟁을 넘어: MoE가 제시하는 스마트한 AI

LLM의 무작정 큰 모델 경쟁 한계를 짚고 MoE의 구조와 장점을 정리했습니다. 또한 실제 서비스에서 필요한 메모리, 통신, 로드 밸런싱 최적화 포인트를 설명했습니다.

#LLM#MoE#TensorFlow

7600