Velopers
모든 태그
태그

RAG 기술 블로그 글

RAG 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.

전체 256개최신 20개 표시
홈에서 필터

관련 태그

#LLM1,147#AWS837#MCP280#검색328#cloud466#React387#Amazon Bedrock138#pgvector8#Knowledge Graph2#Kubernetes536#ML382#자동화365

최신 게시글

20개 표시

데브옵스

[플랫폼설계] DevOps에서 Platform Engineering으로: kt cloud의 여정

개발자의 인지 부담을 줄이기 위해 골든 패스와 Platform Portal 설계 방향을 정리했습니다.\nGitOps·정책 자동화와 RAG 기반 AI 도우미로 개발자 경험을 개선합니다.

#Platform Engineering#GitOps#ArgoCD
3900

AI

LLM이 만든 SQL을 믿고 실행하기까지: A2A 기반의 대화형 BI 애플리케이션 개발기

A2A 역할 분리와 온톨로지 기반 RAG로 대화형 BI의 지표 해석 근거를 보강했습니다.\nQuery Guardrail의 RLS·CLS 검증으로 LLM 생성 SQL의 실행 안전성을 통제했습니다.

#LLM#SQL#A2A
3100

AI

케클s피드 9월호｜kt cloud summit 2026, 고객의 AX를 현실로 만드는 인프라 전략

AI 서비스 운영을 위한 AIDC 전력·클라우드·Composite AI 전략을 소개했습니다. RAG, 모델 선택, 추론 메모리 최적화와 MCP 활용 방안도 다뤘습니다.

#cloud#MCP#Kubernetes
1000

AI

[기술분석] AI 추론 메모리 병목과 서버 아키텍처 변화

장문 컨텍스트와 RAG, AI 에이전트 확산으로 추론 병목이 메모리와 데이터 이동 경로로 옮겨가고 있습니다. GPU 중심 설계보다 HBM, DRAM, SSD를 함께 보는 계층형 아키텍처가 중요하다고 설명했습니다.

#LLM#RAG#KV Cache
2000

AI

Strands Agents와 Amazon Bedrock AgentCore을 이용한 발전설비진단 구현하기

Strands Agents와 Bedrock AgentCore로 발전설비 진단 보조 에이전트를 구성한 사례를 소개했습니다. 판단 절차와 데이터 조회를 분리하고 검색·응답을 따로 평가한 점이 핵심입니다.

#Strands Agents#Amazon Bedrock#MCP
700

데브옵스

딥테크 스타트업과 함께하는 AX 여정 | 오픈이노베이션 기술교류회 현장

딥테크 스타트업의 PoC와 AX 도입을 지원하는 가비아 AWS의 기술교류회 현장을 소개했습니다.\nAgentic AI 4-Layer 구조와 비용·마이그레이션 대응 방안을 함께 정리했습니다.

#AWS#LLM#RAG
2500

백엔드

Amazon Aurora PostgreSQL에서 pgvector를 프로덕션 환경으로 운영하기

Aurora PostgreSQL에서 pgvector를 프로덕션 RAG에 운영하는 방법을 정리했습니다. HNSW 선택, 거리 함수, 메모리 계획, 관측성까지 실무 기준으로 설명했습니다.

#PostgreSQL#pgvector#RAG
2700

AI

How Documents Find Developers at Toss

토스 프론트엔드 팀은 문서를 찾는 대신 문서가 개발자에게 찾아오게 만드는 시스템을 구축했습니다. RAG 챗봇과 자동 문서화 봇으로 지식의 축적과 검색을 연결했습니다.

#RAG#LLM#Cursor
5600

AI

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#RAG
9100

AI

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#graph RAG
8000

AI

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#A/B 테스트
8100

AI

사내 지식으로 Agentic RAG 만들기 (1/3) : RAG 파이프라인의 바닥 다지기

사내 지식을 활용한 Agentic RAG 구축의 첫 단계로 RAG 파이프라인의 기반을 다지는 내용을 다뤘습니다. 발췌상 사내 공통플랫폼 맥락에서 RAG 설계와 적용을 정리한 글로 보입니다.

#Agentic RAG#RAG#LLM
9600

AI

보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

보안 업무에 AI를 적용할 때 사람의 판단을 남기고 AI는 1차 정리와 근거 수집을 맡기는 SAGE 플랫폼 설계를 소개했습니다. 3개 진입점과 멀티 에이전트, RAG, MCP, 피드백 루프로 운영하는 방식도 정리했습니다.

#LLM#RAG#Jira
3600

AI

실리콘투의 사내 지식 MCP 게이트웨이 구축기

사내 지식이 흩어진 문제를 MCP 게이트웨이로 통합하고, 검색 전 권한 통제와 감사 체계를 먼저 설계했습니다. 초기에는 온프렘으로 시작해 이후 AWS 관리형 서비스로 단계적으로 이전했습니다.

#MCP#AWS#RAG
4900

AI

AI Agent를 위한 OpenSearch 검색 품질 평가하기 (Part 1)

AI Agent 검색 품질을 OpenSearch와 Bedrock으로 정량 평가하는 방법을 다루었습니다. NDCG와 Recall, LLM Judge 검증, BM25·시멘틱·하이브리드 비교 결과를 함께 설명했습니다.

#OpenSearch#RAG#LLM
1700

AI

AI가 이해하는 기업

기업 AI가 ROI로 이어지지 않는 이유를 의미 계층의 부재로 설명했습니다. 온톨로지와 Active Ontology를 통해 맥락을 기계가 읽게 만드는 방향을 제안했습니다.

#LLM#RAG#검색
2600

AI

AI에게 투자정보를 말하게 하기까지

투자 정보는 적시성, 정확성, 검증 가능성이 중요해 LLM 출력만으로는 부족했습니다. 근거 선별과 절차 통제, 평가 가능한 구조를 통해 AI가 말해도 되는 상태를 운영했습니다.

#LLM#ML#React
7300

백엔드

모던 백엔드 강좌 소개

2026년 기준 Java 25와 Spring Boot 4.x 중심의 백엔드 변화와 실무 전환 포인트를 소개했습니다. 단일 예제 프로젝트로 마이그레이션 판단과 AI 통합까지 다루는 커리큘럼입니다.

#Java#Spring Boot#GraalVM
9300

AI

AI SDLC의 올바른 접근법과 사전 준비사항_0724

AI SDLC를 전면 자동화로 보는 접근의 위험성과 단계별 성숙도 차이를 정리했습니다. PoC 검증, 정량 KPI, Human-in-the-loop로 범위를 확정하는 전략을 제안했습니다.

#LLM#RAG#test
3200

AI

2주 만에 Strands SDK와 Amazon Bedrock AgentCore로 구현한 어스얼라이언스의 CS 환불 자동응답 에이전트 시스템

Strands SDK와 Amazon Bedrock AgentCore로 환불 CS 자동응답 에이전트를 2주 만에 구축했습니다. 내부 검수 초안 방식과 멀티턴 맥락·안전성 검증을 결합해 운영 가능성을 확보했습니다.

#Amazon Bedrock#LLM#AWS
1800