VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
중고 의류 디테일컷 자동 생성을 위해 VLM 대신 Detector와 규칙 기반 크롭을 선택했습니다. 그 결과 공정 시간을 90% 줄이고 11만 개 상품에 일괄 적용했습니다.
#LLM#AWS Lambda
11100
AI 기술 블로그 최신 글
필터 0
GraphRAG Toolkit으로 지식 그래프 쿼리하기
GraphRAG Toolkit으로 지식 그래프를 쿼리하는 전략을 설명했습니다. 벡터 검색의 한계를 보완하기 위해 그래프 탐색과 retriever 선택 기준을 정리했습니다.
#GraphRAG#지식 그래프
6900
![[AI가 읽을 수 있는 코드베이스 2/5] 빌드 피드백이 AI를 가르친다](https://flex.team/blog/og/main.jpg)
[AI가 읽을 수 있는 코드베이스 2/5] 빌드 피드백이 AI를 가르친다
AI 코딩 에이전트가 받는 빌드 피드백을 유형별로 비교하며 정보 품질 차이를 분석했습니다. 가장 중요한 규칙은 컴파일 타임에 강제하고, 에러 메시지와 테스트 실패를 더 명확하게 설계해야 한다고 정리했습니다.
#Kotlin#Gradle
900
디자이너의 상상을 현실로: 여기어때 아이콘 생성기 제작기
디자이너의 상상을 현실로: 여기어때 아이콘 생성기 제작기
여기어때가 디자인 시스템에 맞는 아이콘을 빠르게 만들기 위해 생성기와 벡터화 파이프라인을 구축했습니다. 실무에 바로 쓰이도록 프롬프트, 정제, UX까지 함께 최적화했습니다.
#벡터화#prompt
14100
ODW #7: 세 가지 방법으로 토큰 소비량 40% 절감! ADK를 이용한 컨텍스트 엔지니어링
AI 에이전트의 토큰 소비와 정확도 문제를 줄이기 위한 컨텍스트 엔지니어링을 ADK 사례로 설명했습니다. 도구 필터링과 에이전트 분리, 입출력 구조화로 토큰을 40% 절감한 실험 결과도 공유했습니다.
#LLM#ADK
6800
우아한공방의 새로운 동료, 시스템 맥락을 가진 챗봇서비스 개발기(feat. RAG)
우아한공방의 새로운 동료, 시스템 맥락을 가진 챗봇서비스 개발기(feat. RAG)
우아한공방의 문서와 코드베이스 맥락을 활용하는 RAG 챗봇 서비스를 구축한 과정을 소개했습니다. 검색 정확도 개선과 Guardrail, 스트리밍 응답, Storybook 전역 UI 적용까지 다뤘습니다.
#RAG#AWS
3400
현대오토에버의 Amazon Bedrock으로 구축한 빅데이터 클러스터 장애 대응 자동화 에이전트 구축기
LangGraph와 Amazon Bedrock, OpenSearch를 결합해 빅데이터 클러스터 장애 대응을 자동화했습니다. 병렬 RCA와 반증 검증으로 진단 품질을 높이고 MTTA를 줄였습니다.
#Amazon Bedrock#LangGraph
7100
현대오토에버의 Amazon Bedrock으로 구축한 다중 AI 에이전트: 장애 대응 시간 5분으로 단축하기
현대오토에버가 Amazon Bedrock과 LangGraph로 다중 AI 에이전트를 구성해 장애 대응을 자동화했습니다. 장애 분석부터 보고서 생성까지를 연결해 대응 시간을 수 시간에서 5분으로 줄였습니다.
#Amazon Bedrock#LangGraph
6200
서버 0대, 브라우저 SLM으로 만든 차트 추천 봇
서버 0대, 브라우저 SLM으로 만든 차트 추천 봇
브라우저 안에서 동작하는 차트 추천 봇을 만들고, 서버 없이 추론하는 구조를 선택했습니다. 규칙 엔진으로 차트 유형을 정하고 SLM은 설명만 맡겨 안정성을 높였습니다.
#LLM#WebGPU
7600
현대오토에버의 GenAI Sandbox 활용 생산성 향상 Hackathon: 혁신과 협업의 성공 사례
현대오토에버가 GenAI Sandbox와 해커톤으로 전사 GenAI 실험 환경을 구축했습니다. 14개 팀이 참여해 업무 자동화와 생산성 향상 사례를 만들었습니다.
#LLM#AWS
4700
![[AI가 읽을 수 있는 코드베이스 2/5] 빌드 피드백이 AI를 가르친다](https://cdn.sanity.io/images/v31psllp/production/3d96b197bc8207cb19daa7120faefb616f656785-1684x1030.png)
[AI가 읽을 수 있는 코드베이스 2/5] 빌드 피드백이 AI를 가르친다
AI 코딩 에이전트에게 빌드 피드백 유형별 정보 품질이 어떻게 다른지 분석했습니다. 컴파일 타임 검증과 맥락 있는 에러 메시지가 가장 효과적이라고 정리했습니다.
#Kotlin#Gradle
5500
개발자 없이 5분 만에 버그를 고친 QA, 우리가 설계한 것과 설계하지 않은 것
개발자 없이 5분 만에 버그를 고친 QA, 우리가 설계한 것과 설계하지 않은 것
AI 코딩 도구를 개인용에서 팀과 비개발자용으로 확장한 설계 과정을 다뤘습니다. Slack 기반 인터페이스와 품질 게이트로 QA와 기획자도 안전하게 작업하도록 만든 사례입니다.
#Claude Code#Slack
9100
6G를 위한 AI/ML 물리계층 – JSCM 기반 오디오 전송
6G를 위한 AI/ML 물리계층 – JSCM 기반 오디오 전송
사람이 자연스럽게 듣고 이해하는 오디오 전송을 목표로 하는 AI/ML 물리계층 접근을 소개했습니다. 비트 정확도보다 체감 품질을 우선하는 방향을 다뤘습니다.
#ML#6G
1500
AI에게 도메인을 가르치다 두 번 갈아엎은 이야기 — LLM Wiki + RAG 혼합기
LLM Wiki 검색을 색인, 본문 임베딩, 요약 임베딩과 FTS5 혼합 방식으로 개선했습니다. 의미 검색과 약어·식별자 정확 검색을 분리해 비용과 검색 품질 문제를 다뤘습니다.
#LLM#RAG
200