AI / LLM52분
RAG 다음은 시멘틱 레이어라는데, 고객한테 뭘 만들어 줘야 하나
RAG가 못 하는 "판단"을 시멘틱 레이어가 어떻게 하는지 예시 데이터로 따라가 보고, CSP별 제품과 고객에게 직접 구현해 줄 때의 순서를 정리한 학습 노트.
전체 글
카테고리를 눌러 걸러 볼 수 있다. 주제별 소개는 홈에, 연재물은 각 카테고리 페이지에 읽는 순서가 있다.
개발 노트19분
화면 한 줄 고칠 때마다 APK를 다시 깔지 않으려고 — 하이브리드 앱에 웹 화면 OTA 붙이기
웹 화면을 그대로 싣는 안드로이드 앱에서, APK를 다시 설치하지 않고 화면 파일만 갈아 끼우는 OTA를 만든 기록. 서명된 목록, 파일 해시, 네이티브 지문, 버전 비교, 안 뜨면 되돌리기까지. 아직 실기기 확인 전이다.
개발 노트23분
FCM으로 앱에 푸시 알림 보내기 — 토큰 한 줄에서 '서버는 내용을 모르는 알림'까지
파이어베이스 클라우드 메시징(FCM)이 뭔지, 토큰 등록부터 알림이 폰에 뜨기까지의 흐름을 처음부터 따라가고, 맥릴레이에서 데이터 메시지·암호화된 봉투·알림 채널·알림 단추로 한 단계 더 써 본 기록.
LangChain 출력 파서, 아직 쓸 일이 있을까 — with_structured_output과 나란히 놓고 보기
StrOutputParser, JsonOutputParser, PydanticOutputParser가 각각 무엇을 하는지, 그리고 with_structured_output이 생긴 지금 파서를 언제 여전히 쓰는지 정리한 글.
AI / LLM4분
RLHF, SFT 다음에 일어나는 일 — 정답이 아니라 선호를 가르친다
이 시리즈의 세 번째 글이다. 토크나이저, 파인튜닝에 이어, 입력과 적응 다음 단계인 정렬(alignment)을 다룬다. 논문 중심의 깊은 내용은 이미 AI 연재 보강 5에 썼다. 거기서 InstructGPT,…
AI / LLM5분
파인튜닝은 언제 하고, 언제 하지 말아야 하나
앞 글(토크나이저)에 이어서 쓴다. 이번에도 직접 파인튜닝을 돌려 본 후기가 아니라 논문과 자료를 읽고 정리한 글이다. 이 점은 미리 밝혀 둔다. "우리 도메인에 맞게 파인튜닝하자"는 말은 자주 나오는데, 내…
개발 노트14분
배포가 18분짜리 작업을 죽였다 — 돌던 일을 안 죽이는 데몬 재시작
폰에서 맥의 에이전트에 일을 시키는 데몬을 다시 켜다가 돌던 커서 작업을 말없이 날린 일. SIGUSR2로 "다 끝나면 나가기"를 만들고, 그래도 못 막는 SIGTERM·전원 차단·SIGKILL에 대비한 기록.
AI / LLM5분
LLM은 글자를 읽지 않는다 — 토크나이저가 만드는 이상한 일들
먼저 밝혀 둔다. 이 글은 직접 모델을 학습시켜 본 경험담이 아니라, 논문과 문서를 읽고 정리한 글이다. 그래서 "내가 해보니"라는 말은 하지 않겠다. 대신 확인한 것과 확인하지 못한 것을 구분해서 적는다.…
AI 연재 보강 5 — AI 학습에서의 '보상'(reward): RLHF에서 reward hacking까지
마지막 해석이다. "AI 보상"이 서비스가 아니라 모델 학습 이야기일 수 있다. 개발자들이 모인 자리라면 충분히 나올 수 있는 얘기라 따로 준비했다. 이 글은 앞선 글들과 결이 다르게 논문 중심이다. 초록을 직접…
AI 연재 보강 4 — 포인트와 쿠폰을 대화로 지급할 때: 멱등성, 원장, 권한 설계
"보상"을 로열티·리워드(포인트, 쿠폰, 캐시백)로 읽을 때의 이야기다. 이 해석에서 문제의 중심은 돈의 정확성이다. 한 번만 지급하고, 얼마 나갔는지 맞추고, 속여서 가져가지 못하게 하는 것. 미리 밝혀 둔다.…
AI 연재 보강 3 — 챗봇이 한 말은 회사의 약속인가: 고객 보상 챗봇의 책임과 가드레일
"보상"을 불편이나 오류에 대한 환불·배상·쿠폰 같은 고객 보상(CS)으로 읽을 때의 이야기다. 이 해석에서는 기술보다 먼저 책임 문제가 나온다. 챗봇이 "환불해 드릴게요"라고 말했는데 정책은 환불 불가라면, 누구…
AI 연재 보강 2 — 보험 보상 청구에 LLM을 붙인다면: 업무 흐름, 사례, 규제, 소송
"보상"을 보험 보상으로 읽을 때의 이야기다. 먼저 한 가지. 아래 내용은 공개된 보도, 공식 자료, 소송 기사에서 읽은 것이다. 보험사가 내부에서 어떻게 하는지는 내가 모르고, 도입 성과 수치는 대부분 회사…
AI 연재 보강 1 — '대화형 AI 보상 서비스'가 가리킬 수 있는 네 가지 관점
본편 9편에서는 "보상"을 넓게 잡고 보상 신청 시나리오 하나로 풀었다. 쓰고 나서 다시 보니 이 단어가 꽤 애매하다. 같은 문장을 듣고도 사람마다 떠올리는 시스템이 다르다. 그래서 이 보강 글에서는 해석을 네…
AI 연재 9/9 — 한 건의 보상 신청을 끝까지: 상태 머신으로 엮는 종합 설계
마지막 편이다. 이번 글은 새 사실을 소개하기보다 지금까지의 조각을 하나로 엮는다. 그래서 대부분이 내 설계 제안이다. 출처가 있는 부분은 따로 표시하고, 나머지는 "이렇게 설계해 볼 수 있다"로 읽어 주면…
AI 연재 8/9 — 도구 호출 결과를 화면으로: 동적 UI(Generative UI) 연동 설계
7편의 결론은 대화와 구조화된 위젯을 섞자는 것이었다. 그럼 이런 질문이 생긴다. 모델이 "지금 날짜 선택기를 보여 줘야겠다"고 판단했을 때, 그걸 어떻게 안전하게 화면에 올리는가. 이 분야는 지금 빠르게 움직이고…
AI 연재 7/9 — 채팅창 하나로는 부족한 순간들: 대화형 UX의 한계
여기부터는 화면 이야기다. 1~6편에서 아무리 잘 만든 파이프라인도 사용자가 보는 건 입력창 하나다. 그리고 처리형 서비스(신청하고, 서류 내고, 결과를 받는)에서 입력창 하나는 생각보다 자주 한계에 부딪힌다.…
AI 시스템 설계 연재12분
AI 연재 6/9 — 에이전트를 운영 가능하게 만드는 것들: 도구, 상태, 중단과 재개, 보안
데모의 에이전트는 잘 돌아간다. 운영의 에이전트는 중간에 죽고, 사람의 승인을 기다리고, 컨텍스트가 넘치고, 가끔 이상한 지시를 따른다. 이번 편은 그 간극에 관한 이야기다. 길다. 그래도 하나씩 간다. 버전…
AI 연재 5/9 — RAG는 검색 문제다: 청킹, 하이브리드 검색, 리랭킹, 평가
RAG를 처음 접하면 "벡터DB에 문서 넣고 유사한 걸 가져와 프롬프트에 붙이는 것"으로 이해하기 쉽다. 틀린 설명은 아니다. 다만 실제로 품질을 가르는 건 생성 모델이 아니라 무엇을 가져오느냐인 경우가 많다.…
AI 연재 4/9 — 워크플로우로 충분한데 에이전트를 쓰고 있지는 않은가
"에이전트"라는 말이 너무 넓게 쓰인다. 도구 하나 붙인 챗봇도, 몇 시간씩 코드를 고치는 시스템도 에이전트라고 부른다. 설계 얘기를 하려면 이 단어부터 좁혀야 한다. Anthropic의 "Building…
AI 시스템 설계 연재11분
AI 연재 3/9 — 틀리면 비싼 판단을 AI에게 맡길 때: 임계값, 사람 검토, 감사 로그
돈이나 권리가 걸린 판단은 평균 정확도 95%로 충분하지 않다. 나머지 5%가 누군가의 청구 거절이 되기 때문이다. 이번 편은 AI가 틀릴 수 있다는 걸 전제로 시스템을 어떻게 설계하는가다. 처음 떠오르는 설계는…
AI 시스템 설계 연재10분
AI 연재 2/9 — 판단이 맞는지 어떻게 아는가: 평가셋, LLM 판정자, 트레이싱
1편에서 파이프라인을 단계로 쪼개고 구조화 출력으로 형식을 고정했다. 그런데 형식이 맞는 것과 판단이 맞는 것은 다르다. 이번 편은 "잘 돌아간다는 걸 어떻게 증명하는가"다. 솔직히 이 주제는 개발자들 사이에서도…
AI 시스템 설계 연재10분
AI 연재 1/9 — LLM 호출 하나를 '파이프라인'으로 만든다는 것
LLM API를 처음 붙이면 신기하다. 프롬프트 던지면 그럴듯한 답이 온다. 문제는 그걸 서비스에 넣는 순간부터다. 응답 JSON이 가끔 깨지고, 타임아웃 뒤에 재시도했더니 같은 처리가 두 번 일어나고, 어느…
AI / LLM28분
내 업무 폴더에 Claude Code 앉히기 — 비개발자용 파일 관리 실전
개발자가 아니어도 엑셀과 문서 더미를 Claude Code로 다룰 수 있습니다. 폴더 구조, CLAUDE.md, 스킬을 어떻게 짜야 하는지 업무 유형 세 가지로 나눠 정리했습니다.
AI / LLM48분
Claude Code는 뒤에서 무슨 일을 하고 있나 — 바이브 코딩 사내 설명서
비전공자도 읽을 수 있게 쓴 Claude Code 동작 원리 설명서. 에이전트 루프, 컨텍스트 관리, 권한 모델이 어떻게 돌아가는지부터 소스 레벨의 내부 처리 순서, 회사에서 쓸 때의 리스크까지 정리했습니다.
AI / LLM13분
만들고 나서야 공부를 시작했다 — 내 스택을 역으로 분해하기
먼저 만들고 나중에 배운 사람이, 자기가 만든 걸 표준 용어로 다시 배우는 과정. 그리고 "왜 그걸 안 썼냐"는 질문에 대비하는 법.
AX 교육28분
Chapter 7. RX (Robotic Transformation) 이해
지난 10여 년간 산업의 흐름을 가장 잘 설명하는 키워드는 세 글자였습니다. DX (Digital Transformation) : 종이/대면 업무를 디지털·클라우드 기반으로 옮기는 변화 AX (AI…
AX 교육48분
Chapter 6. AIND 이해와 활용
LG CNS AIND란? LG CNS의 AI Native Development(AIND)는 AI 기술로 최적화된 전 공정 개발 및 Pair Programming 구현 접근 방식입니다. "분석, 설계, 개발, 테스트…
AX 교육70분
Chapter 5. AI Agent 품질 및 보안
AI Agent는 자율적으로 도구를 호출하고 다단계 행동(Multi-step Action)을 수행하는 특성상, 기존 소프트웨어보다 품질 관리의 중요성이 훨씬 높습니다. Agent의 각 단계에서 발생한 오류는 후속…
AX 교육53분
Chapter 4. AI Agent & Agentic AI
AI Agent란 주어진 목표를 달성하기 위해 환경(Environment)을 인식하고(Perception), 상황을 판단하여 의사결정을 내린 뒤(Action Selection), 실제 행동을 수행하는 자율적…
AX 교육58분
Chapter 3. Knowledge & Context Engineering
AI 시스템에서 **Knowledge(지식)**란 모델이 올바른 추론과 응답을 생성하기 위해 활용하는 구조화된 정보를 의미합니다. 데이터(Data)가 가공되지 않은 원시 사실이라면, 정보(Information)는…
AX 교육27분
Chapter 2. Prompt Engineering
프롬프트(Prompt)는 AI에게 주어지는 입력 문장으로, 사용자가 원하는 정보를 얻기 위해 AI에게 전달하는 질문, 명령, 또는 요청을 의미합니다. 예를 들어, "서울의 오늘 날씨를 알려줘.", "생성형 AI는…
AX 교육47분
Chapter 1. AI Model
생성형 AI(Generative AI)란 텍스트, 이미지, 음악, 코드 등의 새로운 콘텐츠를 스스로 생성할 수 있는 인공지능 기술입니다. 기존의 AI가 데이터를 분석하고 분류하는 역할을 했다면, 생성형 AI는…
AI / LLM10분
비개발자가 AI를 배우면 개발자가 불안해지는 이유
이 글은 hdex 팀에게 쓰는 글이다. 개발자가 아닌, 원래 하던 업무가 있는 사람들에게. 여러분이 ChatGPT나 Claude한테 "이거 요약해줘"라고 한 줄 치면 뭐가 일어나는지 생각해 본 적 있나? 그 질문은…
나닮7분
App Store 첫 제출 리젝 — 4가지 사유와 대응 정리
나닮 앱을 처음으로 App Store에 제출했다가 2026년 3월 3일 리젝당했다. v1.24.x 제출, 4가지 가이드라인 위반이었고, 코드 수정 3건과 Resolution Center 답변 2건으로 대응해서…
프론트엔드6분
모바일에서 터치 스와이프 제대로 쓰려면 — iOS WKWebView까지
감정 캘린더 월 이동, 친구 페이지 탭 전환, 하단 탭바 스크롤 투 탑을 모바일 터치로 넣으면서 겪은 걸 정리해 둔다. 특히 iOS WKWebView에서는 React 합성 이벤트만으로는 수평 스와이프가 안 먹힌다는…
프론트엔드6분
iOS 네이티브 앱 붙이면서 맞닥뜨린 것들 — 키보드, 배지, 이메일 링크
나닮을 Capacitor로 iOS 네이티브에 올리면서, 키보드 올라올 때 탭바, 입력 필드 가림, APNs 배지, 이메일 링크 앱/웹 분기, SMTP 안정성까지 손댄 걸 짧게 정리해 둔다. 웹뷰만이 아니라…
백엔드5분
일일 사용량 제한 넣을 때 — 아바타 새로 뽑기 3회 제한 사례
GPT Image API 비용을 잡기 위해 "아바타 새로 뽑기"에 일일 3회 제한을 넣었다. DB 확장, 서비스 레이어, API, 프론트까지 한 번에 손댄 패턴을 정리해 둔다. 다른 "일 N회 제한" 기능에도…
프론트엔드5분
578줄짜리 친구 페이지를 탭 오케스트레이터로 쪼갠 이야기
친구 페이지 리디자인을 하면서 FriendListPage.tsx 한 파일에 몰려 있던 로직을 탭 단위로 나눴다. 578줄이 47줄로 줄고, 나머지는 탭·카드·모달 컴포넌트로 흩어졌다. 그때 썼던 패턴만 정리해…
백엔드6분
비즈니스 로직 버그 수정과 코드 정리할 때 자주 나오는 패턴
나닮에서 페르소나 진화, 구독 정책 변경, UI 레이어를 건드리면서 겪었던 버그와 정리 패턴을 정리해 봤다. "기준점 초기화", "dead code 정리", "z-index" 세 가지를 중심으로 쓴다. 페르소나를…
나닮8분
나닮 Web Enhancement — DB, API, 프론트 한 번에 손본 기록
feature/web-enhancement 브랜치에서 DB 성능, 프론트 성능, API 보안, 테스트 품질 네 가지 축으로 개선을 몰아서 진행했다. 한 번에 다 쓰진 않고, 손댄 부분만 요약해 둔다. 각 항목마다…
프론트엔드10분
Capacitor iOS 앱에서 OAuth 로그인 후 앱으로 안 돌아올 때
나닮은 Capacitor로 iOS 앱을 띄우고 있다. 카카오/구글/애플 소셜 로그인을 넣었는데, SFSafariViewController에서 로그인은 잘 되는데 앱으로 돌아오지 않고 그냥 웹 페이지가 로드되는…
AI / LLM5분
AI 컨텍스트 최적화, 바이브 코딩 생산성을 진짜로 바꾸는 이유
CLAUDE.md 다이어트, 문서 동기화, 프롬프트 분리 같은 컨텍스트 리팩토링이 왜 체감 성능을 올리는지 정리했다.
나닮6분
OpenAI `images.edit`에서 `gpt-image-1`이 거부될 때: 파일 전달 방식으로 해결한 기록
같은 모델인데 왜 어떤 엔드포인트에서는 되고, 어떤 엔드포인트에서는 안 될까. 이번에 images.generate는 정상인데 images.edit만 계속 400을 뱉는 상황을 만났고, 결론적으로는 "모델 문제가…
나닮6분
나닮 캐싱 전략 — TanStack Query staleTime을 어떻게 나눴는가
나닮 프론트엔드에서 캐싱은 "빠르게 보여주기"보다 "언제 새로 가져올지 예측 가능하게 만들기"에 더 가까웠다. 처음에는 전부 기본값으로 두고 시작했는데, 페이지가 늘어나면서 어떤 화면은 너무 자주 요청하고 어떤…
나닮13분
나닮 CI/CD — PR 검증부터 셀프호스팅 배포까지
나닮는 Mac Mini 한 대에서 셀프호스팅하는 프로젝트다. 코드를 푸시할 때마다 수동으로 SSH 접속해서 pull 하고 docker compose 다시 띄우는 식으로 하다 보니, 실수도 나고 머지 전에 뭔가 깨진…
백엔드10분
나닮 백엔드 — Apple 로그인만 405가 뜨는데, 카카오랑 구글은 멀쩡하다
나닮에 소셜 로그인을 붙이면서 카카오, 구글, Apple 세 가지를 지원하기로 했다. 카카오와 구글은 순탄하게 붙었다. OAuth 흐름 자체가 비슷하니까, 하나 해봤으면 나머지는 복붙에 가까웠다. 그런데 Apple…
스마트홈 / IoT23분
스마트홈 음성 명령을 라즈베리파이에서 처리해 보기 — 5가지 방법론 PoC 리포트
스마트 스피커를 써 본 사람이라면 이런 경험이 한 번쯤 있었을 것이다. "거실 불 꺼줘"라고 말했는데, 딴 장치가 켜진다든가, 아예 못 알아듣는다든가. 이번 글은 그런 삽질을 조금이라도 줄이기 위해 진행한 STT…
프론트엔드16분
나닮 프론트엔드 — SSE로 AI 대화 스트리밍하기, 그리고 에러를 한국어로
나닮에서 AI 페르소나와 대화하는 기능을 만들 때, 처음에는 단순한 POST 요청으로 구현했다. 메시지를 보내면 서버가 LLM 응답을 생성해서 통째로 돌려주는 방식. 작동은 했다. 근데 문제는 체감 속도였다.…
프론트엔드17분
나닮 프론트엔드 — Zustand과 TanStack Query, 그리고 인증의 함정들
프론트엔드에서 "상태 관리"라는 말을 들으면 무슨 생각이 드는가? 나는 솔직히 처음에 Redux 하나면 다 될 줄 알았다. 서버에서 받아온 데이터든, 로그인 여부든, 다크모드 토글이든 — 전부 하나의 store에…
프론트엔드18분
나닮 프론트엔드 — PWA 구현기와 iOS Safari와의 전쟁
나닮는 일기 앱이다. 매일 쓰는 서비스다. 그런데 매번 브라우저를 열고 주소를 입력해서 접속한다? 그건 일기장이 아니라 웹사이트다. 사용자가 홈 화면에서 아이콘 하나 톡 누르면 바로 일기를 쓸 수 있어야 한다.…
프론트엔드18분
나닮 프론트엔드 — 캐싱 삼중주와 수동 버전 관리라는 선택
SPA를 배포하고 나서 "사용자한테 안 보여요"라는 말을 들어본 적 있는가? 나는 있다. 정확히는 나닮를 운영하면서 꽤 여러 번 들었다. 새 기능을 넣고 배포했는데, 사용자가 이전 버전을 계속 쓰고 있는 거다.…
프론트엔드17분
나닮 프론트엔드 — 빌드부터 배포까지, Docker와 Nginx 이야기
프론트엔드 코드를 작성하는 건 전체 여정의 절반쯤이다. 나머지 절반은 그 코드가 사용자 브라우저에 도달하기까지의 여정 — 빌드, 컨테이너화, 네트워크 프록시, 배포 — 이런 것들이다. 나닮를 만들면서 이 부분에서…
프론트엔드12분
나닮 프론트엔드 — 기술 스택 선택과 프로젝트 구조
나닮는 일기를 기반으로 AI 페르소나를 만들어주는 서비스다. 혼자 개발하고 있다. 프론트엔드 기술 스택을 고를 때 가장 많이 고민한 건 "이걸로 끝까지 갈 수 있을까?"였는데, 돌이켜보면 그 고민 자체가 좀 과했던…
LLM 평가14분
골든 데이터셋과 평가 전략 — 안정적인 AI 에이전트를 위한 마지막 퍼즐
AI 에이전트를 만들고 나면 한 가지 질문이 남는다. "이거 잘 되고 있는 거 맞아?" 프롬프트 바꿨더니 이전보다 나아진 건지, 모델 버전 올렸더니 오히려 퇴보한 건 아닌지. 솔직히 나도 처음엔 수동으로 몇 개…
LLM 평가12분
LLM 평가, 왜 이렇게 어려운 걸까 — 지표와 전략 정리
LLM 기반 서비스를 만들다 보면 어느 순간 "이거 평가를 어떻게 하지?"라는 질문에 부딪힌다. 기존 소프트웨어는 테스트 케이스를 작성하면 되지만, LLM은 같은 입력에 다른 출력이 나온다. 정답이 하나가 아니라…
LangGraph17분
멀티 에이전트 오케스트레이션부터 MCP, 그리고 실전 사례까지
에이전트 하나로 모든 걸 해결하던 시대는 사실상 끝났다. 복잡한 업무를 LLM에 맡기려면 여러 에이전트가 역할을 나눠 협업하는 구조가 필요하고, 외부 도구와의 연결도 표준화되어야 한다. 이 글에서는…
LangGraph16분
LangGraph 입문 — 워크플로와 에이전트, 뭐가 다른 걸까
LangGraph를 처음 접했을 때 솔직히 왜 필요한지 감이 안 왔다. LangChain이 있는데 왜 또 새로운 걸 배워야 하지? 그래프? 노드? 엣지? 갑자기 컴퓨터 과학 수업 같은 용어들이 쏟아지니까 진입…
LangChain18분
LangChain으로 RAG 파이프라인 구성하기 — Chroma부터 LCEL까지
RAG 파이프라인을 직접 구성하다 보면, 처음에는 "문서 넣고 검색하면 끝 아냐?"라는 생각이 든다. 나도 그랬다. 그런데 막상 해보면 벡터 저장소 선택, 문서 전처리, 체인 구성, 비용 관리까지 신경 쓸 게 한두…
LangChain17분
LangChain 입문 — 설치부터 로컬 LLM 연동까지
솔직히 처음에 LangChain 문서를 열었을 때 좀 막막했다. Chain, Agent, Tool, Memory... 개념 하나하나는 이해가 되는데, 이것들이 어떻게 맞물리는지 감을 잡기까지 시간이 꽤 걸렸다.…
배경지식14분
벡터 저장소부터 프롬프트 엔지니어링까지 — RAG를 떠받치는 기둥들
RAG 파이프라인을 설계하다 보면 결국 세 가지 질문에 부딪힌다. "문서를 어떻게 벡터로 바꾸지?", "그 벡터를 어디에 저장하고 어떻게 검색하지?", 그리고 "검색된 결과를 LLM에 어떤 방식으로 넘기지?" 이…
배경지식14분
LLM의 작동 원리부터 RAG까지, 처음 만나는 AI 기초
솔직히 나도 처음에 LLM이라는 단어를 들었을 때 "그냥 엄청 큰 AI 모델인가 보다" 정도로 넘겼다. ChatGPT가 등장하고 나서야 "이게 대체 어떻게 이렇게 말을 잘 하지?"라는 궁금증이 생겼고, 그 궁금증을…
AI / LLM25분
AI 실무 감각을 되찾기 위해 정리한 키워드 맵
최근 AI 관련 프로젝트를 준비하면서, 머릿속에 흩어져 있던 개념들을 한 번 정리할 필요를 느꼈다. SI 환경에서 개발 엔지니어 관점으로 AI를 다시 보려다 보니, 생각보다 빈틈이 많았다. 솔직히 말하면 나도 AI…
피지컬 AI17분
피지컬 AI 기초부터 JEPA까지 — 단계별 학습 가이드
AI가 텍스트를 생성하던 시대를 넘어, 현실 세계에서 직접 행동하는 피지컬 AI 시대가 열리고 있다. 이 글에서는 피지컬 AI의 개념부터 핵심 기술인 JEPA(Joint Embedding Predictive…
AI / LLM9분
AI 개발자 스킬트리 — 2026년에 뭘 배워야 하나
2026년 기준 AI 개발의 전체 스킬트리를 직무별, 학습 순서별로 정리해봤다.
AI / LLM9분
바이브 코딩, 제대로 하려면 — AI와 협업하는 개발 이야기
바이브 코딩의 본질과 AI 협업 개발을 제대로 하기 위해 필요한 역량, 전략, 그리고 실무 팁을 이야기한다.
AI / LLM7분
RAG에 대한 흔한 오해들 — 벡터 검색이 마법은 아니다
RAG 도입 시 실무에서 자주 발생하는 오해들을 짚어보고, 임베딩의 한계와 효과적인 검색 전략을 이야기한다.
AI / LLM11분
개발 복귀자를 위한 AI 이야기 — LLM부터 에이전트, AI 코딩 도구까지
LLM, 에이전트, RAG, LangChain, Cursor, Claude Code 등 최근 AI 기술의 핵심 개념을 처음부터 풀어본다.
AI / LLM6분
RAG vs Graph RAG — 뭐가 다르고, 언제 뭘 써야 하나
RAG와 Graph RAG의 아키텍처 차이, 성능 비교, 그리고 프로젝트에 맞는 선택 기준을 이야기한다.
블로그2분
Hello World - 블로그를 시작합니다
VitePress와 Cloudflare Pages로 기술 블로그를 만들게 된 이유와 기술 스택을 소개합니다.