Velopers
모든 블로그
데보션

데보션

도메인devocean.sk.com
주요 카테고리 AI · DevOps · 백엔드

활동 요약

대표 인기 포스트나의 새로운 주니어 개발자는 AI? LLM을 활용한 코드 리뷰 자동화744 조회
최근 30일
2개
평균 조회
77
누적 조회
37,237
전체 글
486개
마지막 발행
2026. 11. 10.
블로그 방문

데보션 기술 블로그 글 (486)

AI

에이닷, 주변 맛집 추천해줘!

에이닷 홈 에이전트에 function call을 도입해 음식점·카페 추천 기능을 강화한 사례를 다뤘습니다. 사용자 발화와 실시간 API를 연결해 맥락 기반 추천을 제공하기 위해 프롬프팅과 fine-tuning을 반복했습니다.

#LLM#function call#API
2200

데브옵스

[Tech 세미나] Docker를 활용한 효율적 개발 및 보안전략

Docker를 활용한 효율적 개발과 보안 전략을 소개하는 Tech 세미나입니다. Inner Loop, 이미지 빌드 Best Practices, Docker Scout와 Build Cloud를 다룹니다.

#Docker#보안#DevRel
2400

AI

에이닷 RAG 기능 개발을 위한 Qdrant 벡터 DB 구축 (from source tarball)

에이닷 RAG 기능을 위해 온프레미스 Qdrant VectorDB를 소스 컴파일 방식으로 구축한 과정을 소개했습니다. Rust 환경 준비부터 클러스터 구성과 Web UI 배포까지의 절차를 정리했습니다.

#RAG#Qdrant#Kubernetes
3900

백엔드

Ktor프레임웍 #1 : 소개(UP＆RUNNING)

JetBrains의 경량 웹 프레임워크 Ktor를 소개하고 REST API 서버 셋업 방법을 설명했습니다. 환경별 설정 분리와 로그 설정, 간단한 CRUD 예시까지 함께 다뤘습니다.

#Ktor#Kotlin#REST API
1800

AI

안드로이드에서 On-Device로 Gemma 1 ＆ 2 실행하기

안드로이드에서 Gemma 1과 Gemma 2를 On-Device로 실행하는 방법을 정리했습니다. MediaPipe와 MLC LLM의 설정 절차, 모델 실행 방식, 장점도 함께 소개했습니다.

#Android#LLM#MediaPipe
4700

AI

이제는 AI Agent 시대! RAG와 함께 Bedrock Agent를 활용해보자 - 2 (실습)

Amazon Bedrock Agent와 RAG로 EKS 클러스터를 조회하고 Trivy CIS 보고서를 요약하는 실습을 다뤘습니다. 지식 기반, Action Group, Lambda, OpenSearch Serverless를 연결해 한국어 자연어로 운영 자동화를 구현했습니다.

#LLM#RAG#Amazon Bedrock
4000

백엔드

[SpringBatch 연재 03] SpringBatch ChunkModel과 TaskletModel

Spring Batch의 Chunk Model과 Tasklet Model 차이를 정리했습니다. 데이터 규모와 처리 방식에 따라 적절한 모델을 선택하는 기준을 설명했습니다.

#Spring Batch#chunk#Tasklet
4100

AI

고등학생도 이해하는 Transformer (Deep Learning) #1

내적을 벡터의 유사도와 투영으로 설명하며 딥러닝 이해의 기초 개념으로 풀어냈습니다. 코사인 값과 그림자 비유를 통해 Transformer와 GPU 연산의 직관을 제시했습니다.

#Transformer#ML#내적
3000

데브옵스

AKS 상용 서비스 적용기 (5) - EFK 설정

AKS 환경에서 EFK를 적용해 로그를 통합 관리하는 방법을 소개했습니다. Fluentd 데몬셋, Spring JSON 로그, Kibana 조회 설정을 함께 정리했습니다.

#Kubernetes#ElasticSearch#Fluentd
3500

데브옵스

Windows에 vcpkg custom registry를 통해 배포하기 : 5편

Windows에서 vcpkg custom registry로 C/C++ 패키지를 배포하는 과정을 설명했습니다. 포트 작성부터 versions 갱신, 설치 검증까지 실제 예제로 보여주었습니다.

#vcpkg#CMake#Windows
1800

AI

GitHub Copilot 업무 활용기(AI-assisted Coding과 개발 생산성 향상 #2)

GitHub Copilot의 업무 활용 사례와 생산성 향상 효과를 SK플래닛 실험 결과와 함께 정리했습니다. 보안, 환각, 개발 역량 측면의 유의 사항과 함께 실무 적용 가능성도 살펴보았습니다.

#GitHub Copilot#LLM#refactoring
2900

프론트엔드

에이닷 UI 테스트 자동화이야기: Appium을 이용한 모바일앱 테스트

에이닷 개발팀이 모바일 UI 테스트 자동화 도입을 위해 Appium의 장단점과 적용 방안을 검토했습니다. 크로스 플랫폼 장점과 함께 초기 설정 복잡성, 기존 테스트 전환 비용도 함께 살펴보았습니다.

#Appium#UI 테스트#mobile
2900

기타

서비스 데이터 분석을 통한 리텐션 개선 2부

유저를 속성과 행동 기준으로 세분화해 리텐션과 스티키니스를 분석하는 방법을 설명했습니다. 코호트와 상관분석으로 AB테스트용 액션 아이템을 찾는 흐름을 정리했습니다.

#데이터 분석#리텐션#클러스터링
2800

데브옵스

AWS Bedrock의 imported model 사용 하기

AWS Bedrock의 imported model로 외부에서 학습한 모델을 가져와 서비스하는 방법을 소개했습니다. Lambda와 API Gateway를 연결해 서버리스로 추론 API를 구성하는 흐름을 설명했습니다.

#AWS Bedrock#Lambda#API Gateway
3100

AI

사실 GPT는 글을 잘 읽지 못합니다.

GPT는 이미지를 보고 글자를 정확히 읽는 데 한계가 있다는 점을 사례로 설명했습니다. OCR 같은 보완 방법을 시도했지만 완전한 해결책은 찾지 못했다고 정리했습니다.

#LLM#OCR#UI/UX
3800

백엔드

Cuckoo Filter를 사용하여 A.에이전트가 사용자 접속 여부를 실시간으로 알아내는 방법

실시간 접속자 관리를 위해 Bloom Filter와 Cuckoo Filter를 비교했습니다. 삭제가 필요한 변동 데이터에는 Cuckoo Filter가 더 적합하다고 설명했습니다.

#Cuckoo Filter#Bloom Filter#확률형 자료구조
2700

AI

Kubeflow Pipeline 소개 및 사용기

Kubeflow Pipelines의 구조와 주요 기능, 운영 개념을 소개한 글입니다. 다만 반복 실행 실패 대응과 파라미터 전달은 아쉬웠다고 정리했습니다.

#Kubeflow#Kubernetes#ML
2200

AI

에이닷은 어떻게 먼저 말을 걸어 오는 걸까?

에이닷의 선톡 기능을 Context 수집·가공·활용과 평가 시스템으로 구현한 방식을 소개했습니다. 사용자 반응과 피로도를 함께 고려해 먼저 말을 거는 개인화를 고도화했습니다.

#LLM#prompt#API
2300