SQLite 기술 블로그 글

LLM Agent란 무엇이고, 언제 필요한가? RAG와 비교하고 직접 구현해보기

문서 질문에는 RAG가 충분하고 DB 조회·계산이 필요한 질문에는 Agent가 높은 정확도를 보였습니다. 다만 복합 질문의 오류와 비용 증가를 고려해 권한 통제와 도구 호출 기록 검증이 필요합니다.

저자원 프로그래밍 언어에서의 코딩 역량 향상

Advancing coding in low‑resource programming languages

OpenAI가 저자원 언어의 구축·마이그레이션 성능을 측정하는 평가와 결과를 공개했습니다. 최신 모델은 정확도와 API 비용 측면에서 개선을 보였습니다.

폐쇄망 환경에서 대용량 데이터를 Python과 SQLite로 결합하기

폐쇄망 분석실에서 Python과 SQLite로 약 19.8억 행의 SAS 데이터를 월별로 적재·정제했습니다. 색인과 PRAGMA를 작업별로 조정하고 조인 팬아웃을 검증하는 방법을 설명합니다.

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.

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.

AWS와 함께하는 웅진 AI Runner Challenge – 3부: Amazon Bedrock 기반의 렌탈 제품 추천 AI 에이전트

Amazon Bedrock과 TensorFlow를 결합해 렌탈 제품 추천과 자연어 데이터 조회를 자동화한 사례를 소개했습니다. 고객 추천과 내부 분석을 함께 지원해 선택 피로도와 데이터 활용 한계를 줄였습니다.

FastAPI에 모듈화된 구조 적용을 통한 빠른 프로토타이핑

FastAPI와 SQLite로 사용자 관리 API를 빠르게 만들고, 모듈화된 구조로 기능을 분리하는 방법을 소개했습니다. 의존성 주입과 예외 처리, 자동 문서화를 활용해 유지 보수성과 프로토타이핑 속도를 높였습니다.