여행 검색 경험 향상을 위한 AI 활용
통합검색에서 사용자의 여행 의도를 먼저 파악하도록 AI 분류 시스템을 적용했습니다. 이를 통해 검색 결과 노출 순서를 개선하고 실제 사용자 경험을 높였습니다.
새로운 기술 블로그가 추가되었어요
통합검색에서 사용자의 여행 의도를 먼저 파악하도록 AI 분류 시스템을 적용했습니다. 이를 통해 검색 결과 노출 순서를 개선하고 실제 사용자 경험을 높였습니다.


gemini-cli와 쉘 스크립트로 Git 변경사항을 분석해 커밋 메시지를 자동 생성하는 도구를 개발했습니다.\n무료 쿼터와 flash 모델을 활용해 비용 부담과 429 에러 문제를 줄였습니다.


양자 컴퓨터의 빠름은 개별 연산이 아니라 계산 횟수 감소에 있습니다. 양자 회로와 간섭 원리로 정답 확률을 높이는 방식도 함께 설명했습니다.


경농이 스마트팜 지원을 위해 농업 특화 생성형 AI 챗봇을 구축했습니다. RAG, 벡터 검색, 용어 사전과 쿼리 증강으로 정확한 응답을 높였습니다.


AI와 실시간으로 협업하는 바이브 코딩의 개념과 핵심 도구, 워크플로를 정리했습니다.\n자연어 기반 개발의 장점과 함께 대규모 프로젝트, 비용, 라이선스 같은 우려도 함께 다뤘습니다.


음식 사진을 기반으로 주변 맛집을 찾는 AI 검색 시스템을 CLIP과 FAISS로 구현한 사례를 소개했습니다. 위치 필터링과 카테고리 제한으로 오탐을 줄이고, 향후 비음식 필터링과 맛 기반 임베딩 확장을 계획했습니다.


Visual Studio에서 Amazon Q Developer를 활용해 .NET Framework를 .NET 8로 포팅하는 에이전틱 코딩 경험을 소개했습니다.\nMCP와 Q Chat으로 빌드, 수정, 테스트 자동화를 확장하는 활용법도 함께 설명했습니다.


Ambient Agent가 챗봇 중심 에이전트의 한계를 넘어 자율 실행과 장기 워크플로우를 가능하게 한다고 설명했습니다. 다만 민감한 업무에서는 Human-in-the-loop와 보안, 데이터 품질 관리가 중요하다고 정리했습니다.

BERT 기반 SPLADE 모델의 대규모 실시간 서빙 최적화 방법을 소개했습니다. FlashTokenizer와 전/후처리, 추론 최적화로 레거시 GPU 성능을 끌어올린 사례입니다.


LLM 환각의 원인과 완화 전략을 정리하고, 최근 논문 3편의 실험 결과를 바탕으로 신뢰성 향상 방향을 소개했습니다. 불확실성 인식, 외부 지식 활용, 자체 검증을 함께 고려하는 설계가 중요하다고 설명했습니다.


AI 검색 엔진 PAAS의 구조와 도입 배경, 그리고 딥서치와 멀티모달로의 확장 방향을 정리한 글입니다. 검색 기능을 AI Agent의 기반으로 보고 MCP와 모바일 실행까지 가능성을 제시했습니다.
여행 상품의 소개글과 코스 설명에서 일정 정보를 추출해 정형화된 데이터로 만들었습니다. 이를 바탕으로 도시와 기간에 맞는 테마별 여행 플래너 서비스를 실험했습니다.