Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
GitHubAI 번역요약
hebbs-ai/boringos
BoringOS는 에이전트 플랫폼 구축을 위한 오픈 소스 프레임워크로, CLI 도구들을 오케스트레이션하는 에이전트용 운영체제 역할을 합니다. LLM API를 직접 호출하는 대신 Claude Code, Gemini CLI 등 기존 CLI를 에이전트로 활용하여 복잡한 비즈니스 워크플로우를 실행합니다.
6월 9일0
GitHubAI 번역요약
Advanced RAG 시스템 구축 예제: LangGraph를 활용한 문서 질의응답 웹 애플리케이션
LangGraph, Streamlit, ChromaDB를 활용하여 문서 질의응답이 가능한 고급 RAG 시스템 구축 방법을 소개합니다. 문서 내 답변이 없을 경우 온라인 검색으로 자동 전환되는 워크플로우와 상태 관리 기능을 포함합니다.
6월 9일1
GitHubAI 번역요약
qhkm/awesome-claw
폭발적으로 성장한 오픈 소스 AI 에이전트 생태계인 OpenClaw 제품군을 큐레이션한 목록입니다. 로컬 우선 개인용 AI 어시스턴트부터 IoT 및 임베디드 환경을 위한 경량화 프로젝트까지 폭넓은 에이전트 기술을 다룹니다.
6월 9일1
GitHubAI 번역요약
taco-devs/termo-agent
termo-agent는 Firecracker microVM을 기반으로 한 오픈 소스 서버리스 AI 에이전트 런타임입니다. 모든 Python 에이전트 프레임워크를 하드웨어 수준의 격리가 보장되는 프로덕션급 HTTP 서버로 변환하며, 자동 수면/깨우기 및 지속 가능한 상태를 지원합니다.
6월 9일1
GitHubAI 번역요약
SPThole/CoexistAI
CoexistAI는 LLM, 웹 검색, Reddit, YouTube, GitHub 등을 통합하여 연구 워크플로우를 자동화하는 모듈형 연구 보조 프레임워크입니다. API 호출이나 Python 함수를 통해 검색, 요약, 데이터 추출을 수행하며 다양한 도구와 유연하게 통합됩니다.
6월 9일1
GitHubAI 번역요약
GalaxyXieyu/RAG-LEARN: 실무 기초부터 엔터프라이즈급 검색 시스템까지 다루는 구조화된 RAG 학습 저장소
기초부터 엔터프라이즈급 RAG 시스템 구축까지 다루는 체계적인 학습 저장소입니다. 데이터 정제, 검색, 생성, GraphRAG 및 멀티모달 기술을 포함하며 실무적인 문제 해결과 실행 가능한 코드를 제공합니다.
6월 9일1
GitHubAI 번역요약
Productive-Superintelligence/lllm
LLLM은 100줄 미만의 코드로 복잡한 고급 에이전트 시스템을 구축할 수 있게 돕는 경량 프레임워크입니다. 모듈성과 신뢰성을 바탕으로 예외 처리 및 API 관리와 같은 저수준의 복잡성을 추상화하여 개발자가 핵심 로직에 집중할 수 있게 합니다.
6월 9일1
GitHubAI 번역요약
atomicstrata/atomicmemory
AtomicMemory는 AI 에이전트와 애플리케이션을 위한 검사 가능한 휴대용 시맨틱 메모리 계층입니다. 로컬 우선 방식을 지원하며, SDK 호출, MCP 서버, 프레임워크 어댑터 등을 통해 컨텍스트를 캡처하고 세션 간 지식을 전달합니다.
6월 9일0
GitHubAI 번역요약
Cognito-LangGraph-RAG-Chatbot 프로젝트
LangGraph를 활용하여 환각 현상을 최소화하고 답변 정확도를 높인 고급 RAG 워크플로우 기반 챗봇 프로젝트입니다. 문서 검색, 관련성 평가, 웹 검색 폴백 및 자기 성찰 메커니즘을 포함하는 상태 유지형 다단계 프로세스를 구축했습니다.
6월 9일1
GitHubAI 번역요약
Monan-AI/monan-sdk
Monan은 Bun 기반의 네이티브 AI 에이전트 구축을 위한 SDK입니다. 로컬 추론, SQLite 벡터 저장소, 워크플로 오케스트레이션을 하나의 응집된 도구로 제공하여 지연 시간을 최소화합니다.
6월 9일1
GitHubAI 번역요약
Open-Sable: 자율적이고 로컬에서 실행되는 개인용 AI 에이전트 프레임워크
Open-Sable은 로컬 환경에서 실행되는 자율형 개인용 AI 에이전트 프레임워크입니다. 멀티 에이전트 아키텍처와 인지 메모리 스택을 통해 사용자의 데이터를 보호하면서도 실질적인 업무를 수행하고 스스로 개선하는 기능을 제공합니다.
6월 9일1
GitHubAI 번역요약
digithree/ollama-rag
본 프로젝트는 Ollama를 활용하여 사설 로컬 환경에서 대규모 언어 모델(LLM) 에이전트를 위한 사용자 정의 RAG 구현체입니다. PDF 파일 수집을 위한 정적 메모리와 이전 대화를 기억하는 동적 메모리를 모두 사용하여, 마치 사람과 대화하듯 복잡한 상호작용을 시뮬레이션합니다.
6월 9일0
GitHubAI 번역요약
sergenes/mini_agent
이 프로젝트는 별도의 에이전트 프레임워크 없이 파이썬과 OpenAI SDK, while 루프만을 사용하여 최소한의 AI 에이전트를 구현하는 방법을 제시합니다. 로컬(Ollama), 원격(OpenAI/Anthropic/Gemini), 혼합 모드를 지원하며, 복잡한 작업 처리와 신뢰성 향상 방안을 다룹니다.
6월 9일0
GitHubAI 번역요약
어떤 AI 에이전트든 3줄로 A2A 프로토콜 서버로 변환
이 SDK는 n8n, LangGraph, CrewAI 등 다양한 에이전트 프레임워크를 A2A(Agent-to-Agent) 프로토콜 서버로 단 3줄의 코드로 쉽게 변환할 수 있게 합니다. 이를 통해 사용자의 에이전트는 자동 생성된 AgentCard와 작업 관리 기능을 갖추게 되어 높은 호환성을 확보합니다.
6월 9일1
GitHubAI 번역요약
AquibPy/Medical-RAG-LLM 프로젝트 개요
본 프로젝트는 오픈 소스 스택을 활용하여 RAG(Retrieval-Augmented Generation) 시스템을 구축하는 방법을 안내합니다. BioMistral 7B와 같은 의료 특화 LLM과 Qdrant 벡터 DB, Langchain 등의 프레임워크를 조합하여 의료 분야의 질문 답변, 보고서 생성 등 다양한 응용에 활용할 수 있습니다.
6월 9일1
GitHubAI 번역요약
DonTizi/Swiftrag
이 프로젝트는 Swift로 구현된 RAG(Retrieval Augmented Generation) 시스템입니다. Ollama와 같은 로컬 LLM과 연동하여 iOS/macOS 앱에서 문서 검색 및 자연어 생성을 결합합니다. Apple의 NLP 프레임워크를 활용해 임베딩을 생성하고, 코사인 유사도를 이용해 관련 문서를 찾아 컨텍스트 기반 응답을 만듭니다.
6월 9일0
GitHubAI 번역요약
CAG (Cache-Augmented Generation)과 RAG 비교 프레임워크 구현
본 프로젝트는 Cache-Augmented Generation (CAG)과 전통적인 Retrieval-Augmented Generation (RAG)을 비교하는 시연 에이전트를 구현했습니다. 이 에이전트는 OpenAI, Anthropic 등 여러 LLM 제공업체를 지원하며, 성능 지표 측정 및 상세 보고서 생성을 통해 두 프레임워크의 차이를 분석합니다.
6월 9일0
GitHubAI 번역요약
멀티모달 검색 증강 생성(RAG) 파이프라인 구현체
본 저장소는 이미지, 오디오, 텍스트를 통합하여 고급 멀티모달 질의응답을 구현하는 RAG 파이프라인을 제공합니다. CLIP, Whisper, SentenceTransformer 등을 활용해 각 모달리티별 임베딩을 생성하고 ChromaDB에 저장한 후, Qwen-VL로 최종 텍스트 응답을 생성하는 과정을 담고 있습니다.
6월 9일1
GitHubAI 번역요약
ChinaYiqun/java-rag
이 프로젝트는 Spring Boot 같은 프레임워크 의존성 없이 순수 Java로 구현된 RAG(Retrieval-Augmented Generation) 파이프라인 및 Agent 패턴을 제공합니다. Redis, Elastic Search 등 주요 DB 통합과 다양한 청킹/검색 전략을 지원하여 엔터프라이즈 환경에 적합한 모듈형 아키텍처를 갖추고 있습니다.
6월 9일1
GitHubAI 번역요약
RL 기반 자체 개선 RAG 시스템 구현
본 프로젝트는 강화학습(RL)을 활용하여 검색 증강 생성(RAG) 시스템의 문서 검색 과정을 최적화하는 방법을 제시합니다. BERT 기반 보상 모델링과 정책 경사법을 결합하여, 의미론적 유사도와 문서 다양성을 고려한 최적의 검색 전략을 학습하고 구현했습니다.
6월 9일1