LLM Wiki: 코드 기준으로 자동 최신화되는 도메인 지식 SSOT 만들기
MSA 환경의 분산된 도메인 지식을 코드 기준 SSOT로 정리하고, 변경 시 자동 최신화하는 LLM Wiki 구축 사례를 소개했습니다. 사람과 AI가 같은 지식 문서를 기준으로 스펙 정리와 영향도 분석을 수행하도록 구성했습니다.
#LLM#SSOT
10500
AI 기술 블로그 최신 글
필터 0
![AWS Frontier Agents로 시작하는 자율 운영 – Part [3]: FinOps Agent로 비용 이상 자동 조사](https://d2908q01vomqb2.cloudfront.net/827bfc458708f0b442009c9c9836f7e4b65557fb/2020/06/03/Blog-Post_thumbnail.png)
AWS Frontier Agents로 시작하는 자율 운영 – Part [3]: FinOps Agent로 비용 이상 자동 조사
AWS FinOps Agent로 비용 이상 조사 과정을 자동화하는 방법을 소개했습니다. 알림부터 근본 원인 분석, Slack·Jira 전달까지 연결해 운영 시간을 줄였습니다.
#AWS#FinOps
1000
LG CNS의 Agentic AI를 활용한 APQR 시스템 설계 및 자동화 구축 사례
여러 품질 시스템에 흩어진 자료를 근거 데이터로 정리해 APQR 리포트 생성을 자동화했습니다. 조회·계산·해석을 분리하고 Agentic AI 워크플로우로 연결해 처리 시간을 크게 줄였습니다.
#Agentic AI#AWS
2600
Vision Transformer 구현 — TensorFlow/Keras로 손글씨(MNIST) 분류하기
Vision Transformer를 TensorFlow/Keras로 구현해 MNIST 손글씨 분류 과정을 단계별로 설명했습니다. 데이터 전처리부터 패치화, 어텐션, 인코더, 분류까지 텐서 흐름과 구현 포인트를 정리했습니다.
#Vision Transformer#TensorFlow
3400
AI-Ready Data Platform으로 가는 세 가지 질문
AI를 새로운 데이터 소비자로 보고 데이터 플랫폼의 조건을 세 가지 질문으로 정리했습니다. 맥락 제공, 접근 통제, 공통 인터페이스를 통해 AI-Ready Data Platform을 설계하는 방향을 소개했습니다.
#LLM#SQL
3300
LLM은 왜 Graph DB를 필요로 할까?
LLM은 왜 Graph DB를 필요로 할까?
LLM은 문서 유사성뿐 아니라 데이터 간 관계를 함께 활용할 때 더 유용해졌습니다. Graph DB는 이런 관계 정보를 제공해 GraphRAG와 AI Agent의 탐색 범위를 넓혀줬습니다.
#LLM#Graph DB
9200
토스증권 추천과 검색은 어떻게 진화하고 있을까?
토스증권은 추천을 배치 중심에서 실시간 루프로, 검색을 키워드 기반에서 RAG와 그래프 RAG로 확장했습니다. 모델 성능뿐 아니라 데이터 갱신, 후보 선택, 운영 관측이 품질을 좌우한다고 정리했습니다.
#검색#RAG
8500
자가 발전하는 유저 인터뷰 에이전트 개발기
똑닥 AI 모더레이터의 인터뷰 에이전트 구조와 자가 발전 루프를 설명한 글입니다. 안전 규칙은 코드에 고정하고 전략만 스킬로 재합성하는 설계를 다뤘습니다.
#TypeScript#AWS
600
자가 발전하는 유저 인터뷰 에이전트 개발기
자가 발전하는 유저 인터뷰 에이전트 개발기
똑닥 AI 모더레이터의 유저 인터뷰 에이전트 설계와 자가 발전 구조를 공유했습니다. 안전은 코드로 고정하고 전략은 스킬 세트로 분리해 피드백 기반 재합성을 구현했습니다.
#TypeScript#LLM
600
AI Native 조직은 도메인 지식을 어떻게 공유하는가
AI Native 조직은 도메인 지식을 어떻게 공유하는가
AI 네이티브 조직에서 도메인 지식을 사람과 여러 AI 에이전트가 공유하는 방법을 다룬 글입니다. 표준 기반 Core 위에 조직 특화 시맨틱 레이어를 얹는 접근을 소개합니다.
#LLM#prompt
15500
AI Agent 시대의 Human Agency
AI로 SSE 구현은 빠르게 완성했지만, Qra의 운영 조건과 요구사항을 다시 보며 polling으로 회귀했습니다. 실행 속도보다 선택을 재검토하고 책임지는 Human Agency의 중요성을 강조했습니다.
#SSE#polling
5200
채널톡이 글로벌 상담 Agent를 GPT-5.6 Luna로 갈아탄 이유
글로벌 상담 AI Agent의 메인 모델을 GPT-5.6 Luna로 바꾼 이유를 자체 벤치마크로 설명했습니다. 공개 리더보드보다 실제 워크로드에서의 품질, 비용, 속도를 함께 보고 전환했습니다.
#LLM#벤치마크
8300
수요 패턴이 수요 모델을 고른다: Amazon Connect Decisions로 살펴보는 Agentic Demand Forecasting
SKU별 수요 패턴을 진단해 모델과 신호를 다르게 적용하는 에이전틱 수요 예측 방식을 소개했습니다. Amazon Connect Decisions로 분류, 측정, 오케스트레이션을 자동화하는 흐름을 살펴봤습니다.
#AWS#supply chain
1000
SRE 업무에 AI 녹여내기 — 2편: Alert Adviser로 장애 원인 분석 자동화
SRE 업무에 AI 녹여내기 — 2편: Alert Adviser로 장애 원인 분석 자동화
SRE 업무에 AI를 접목해 장애 원인 분석 자동화를 다룬 글입니다. 다만 본문은 접근 차단 안내만 확인되어 세부 내용은 확인되지 않았습니다.
#SRE#자동화
4800