오늘
PM이 마음 놓고 커밋하는 리포지토리는 어떻게 만들까?
PM이 페르소나·프롬프트를 직접 수정하고 커밋할 수 있는 가상 유저 패널 리포지토리 구조를 소개했습니다.\n레이어 린트와 테스트·CI, LLM 기반 검증으로 변경 범위와 리뷰 책임을 분리했습니다.
#LLM#MCP
2300
AI 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 0
_thumbnail.png)
오늘
AI 번역의 시대2: 오착(誤錯)
AI 번역의 오착 사례와 환각 연구를 바탕으로 생성 구조의 한계를 설명했습니다. 정확성 검증 계층과 확신 신호가 없는 번역 결과의 검토 필요성을 강조합니다.
#LLM#번역
500
사내 지식으로 Agentic RAG 만들기 (3/3) : 관측 가능한 RAG, 운영되는 도구로
사내 지식으로 Agentic RAG 만들기 (3/3) : 관측 가능한 RAG, 운영되는 도구로
Langfuse와 이중 평가 파이프라인으로 사내 Agentic RAG의 품질·비용·지연시간을 측정했습니다. FastMCP 명세와 instructions를 다듬어 도구 활용 정확도를 개선하고 운영 환경에 제공했습니다.
#RAG#LLM
3200
사내 지식으로 Agentic RAG 만들기 (2/3) : 검색을 얹기, LightRAG와 Navigator
사내 지식으로 Agentic RAG 만들기 (2/3) : 검색을 얹기, LightRAG와 Navigator
벡터 검색 한계를 보완하기 위해 LightRAG와 Neo4j 기반 Navigator를 결합했습니다. 프롬프트·청킹·적재 방식을 개선해 검색 정확도와 대규모 운영 효율을 높였습니다.
#RAG#LightRAG
3700
시킬 때마다 다른 결과를 내는 AI에게 도구를 쥐여 주었습니다 — AI가 쓰는 ERD 도구 제작기
시킬 때마다 다른 결과를 내는 AI에게 도구를 쥐여 주었습니다 — AI가 쓰는 ERD 도구 제작기
비결정적인 AI 대신 MCP 기반 도구가 ERD의 이름·타입·배치를 결정하도록 역할을 분리했습니다.\n반복 측정과 도구 개선으로 실패 호출을 61회에서 3회로 줄였습니다.
#MCP#ERD
1900
AI 시대 당신의 팀은 안녕하신가요
AI 시대 당신의 팀은 안녕하신가요
AI 작업의 의도와 판단을 히스토리로 남기고 팀 리뷰로 가이드화하는 방식을 소개했습니다. 기계 검증과 사람 중심의 맥락 리뷰를 분리해 AI 협업의 주도권을 지키고자 합니다.
#LLM#Claude
5300
CLI 에이전트를 API 뒤에 세우기 — Claude Code와 Codex를 앱에서 안전하게 활용하기 위한 세 가지 장치
CLI 에이전트를 API 뒤에 세우기 — Claude Code와 Codex를 앱에서 안전하게 활용하기 위한 세 가지 장치
Claude Code와 Codex CLI를 모델이 아닌 도구 실행형 에이전트로 구분했습니다. LLM Gateway 뒤에서 앱과 안전하게 연동하는 방식을 다룹니다.
#Claude#Codex
1500
![[인사이트] GPUaaS 네트워크 경쟁 구조 분석](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2FbGpaEA%2FdJMb99ONd1G%2FAAAAAAAAAAAAAAAAAAAAACPSgHPgm6bakzV_dm2u8vlVy_6qgS8OGRepE7H6bxT9%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1793458799%26allow_ip%3D%26allow_referer%3D%26signature%3D77ps7bXy9kQ8YCd2YIQcgf1iXXk%253D)
[인사이트] GPUaaS 네트워크 경쟁 구조 분석
GPUaaS의 분산 학습 성능은 GPU 수량보다 GPU 간·서버 간 네트워크 연결 구조에 크게 좌우됨을 설명했습니다.\nNVLink, InfiniBand, RoCE, 고속 Ethernet의 역할과 통합 인프라 설계 중요성을 정리했습니다.
#GPUaaS#NVLink
400
넷마블넥서스의 AI 코딩 도구 도입기 – 게임 개발팀의 Kiro 도입 및 활용 여정
게임 개발 조직에 Kiro를 도입하며 실무 챔피언과 Steering 파일 중심의 확산 전략을 적용했습니다.\nSpec·MCP 연동으로 활용 범위를 넓히고, 리뷰와 테스트 체계의 중요성도 확인했습니다.
#Kiro#LLM
3700
Jev를 이용하여 AI를 보다 똑똑하게 사용하자
Jev의 Choice·Score·Noul을 활용해 생성형 LLM과 확률 기반 판단 모델의 역할을 분리했습니다.\n판단은 Jev, 실행은 코드, 생성은 LLM으로 구성하는 AI 아키텍처를 제안합니다.
#Jev#LLM
3200
에이전트 플로우를 개선하며 배운 것들
AI 코딩 에이전트의 사람 개입 병목을 역할 분리와 규칙 기반 워크플로로 개선했습니다. 결정론적 생성은 Python 스크립트로 전환하고, 규칙 비대화와 대기 시간은 과제로 남겼습니다.
#LLM#MSA
2500
QA 에이전트 — 코드는 AI가 짜는데, 품질 테스트는 아직도 사람이?
QA 에이전트 — 코드는 AI가 짜는데, 품질 테스트는 아직도 사람이?
AI 코딩 확대로 테스트 범위 설계와 검증 부담이 커지는 문제를 짚었습니다.\nPrivate LLM 기반 QA 에이전트로 조직 지식 기반 테스트 설계를 제안합니다.
#LLM#QA ACE
4700
[클로바 시선 #59] 최신 GPU의 잠재력을 깨우다: B200을 위한 Mamba-2 커널 최적화
[클로바 시선 #59] 최신 GPU의 잠재력을 깨우다: B200을 위한 Mamba-2 커널 최적화
NVIDIA B200의 성능을 충분히 활용하려면 GPU 세대에 맞춘 커널 최적화가 필요합니다. FlashAttention의 세대별 발전 사례를 통해 이를 조명합니다.
#B200#GPU
100
Amazon Bio Discovery 사용법: AI 항체 설계 실습
Amazon Bio Discovery의 항체 후보 설계부터 분석·Wet Lab 연계까지의 사용 과정을 소개했습니다. HER2 실습을 통해 Recipe·Experiment 구성과 EU 기반 비용 구조를 확인했습니다.
#Amazon Bio Discovery#AWS
700