Qwen에게 Qwen 기반 앱을 만들게 하고, 나는 리뷰어의 자리에 앉았다

Qwen 모델을 활용하여 B2B 견적서 작성을 자동화하는 에이전트 'QuotePilot' 개발 사례를 소개합니다. 모델이 직접 계산이나 법률 작성을 하지 않도록 설계하여 정확성을 높이고, 인간의 검토 단계를 포함한 워크플로우를 구축했습니다.

더 이상 코딩하지 않아도 괜찮습니다

숙련된 엔지니어가 에이전트 기반 코딩 도구를 활용하여 직접 코딩하지 않고도 소프트웨어를 배포하는 새로운 워크플로우를 소개합니다. 에이전트에게 정확한 컨텍스트를 제공하고, 결정론적 검증을 통해 결과의 정확성을 확보하는 관리자로서의 역할을 강조합니다.

MCP를 사용하여 로컬 네트워크 스캐너를 AI 어시스턴트에 연결하기

로컬 네트워크 스캐너인 DeviceShelf가 Model Context Protocol(MCP)을 지원하여 Claude Desktop과 같은 AI 어시스턴트와 연결되는 방법을 설명합니다. 사용자의 LAN 내에서 데이터를 안전하게 유지하면서 AI가 네트워크 인벤토리, 보안 상태, 장치 변경 사항을 직접 조회하고 분석할 수 있는 구조를 다룹니다.

우리의 멀티모달(Multimodal) API 스택: 가격, 테스트 및 트레이드오프(Tradeoffs)

B2B 문서 처리 파이프라인 구축 과정에서 겪은 멀티모달 API 비용 문제와 이를 해결하기 위한 모델별 성능 및 가격 비교 분석을 다룹니다. Qwen, GLM, Hunyuan 등 다양한 모델의 객체 인식 능력과 비용 효율성을 실제 테스트를 통해 검증합니다.

vulkan/cpu: SET_ROWS 소스로 f16 지원

llama.cpp의 Vulkan 및 CPU 백엔드에서 f16 SET_ROWS 소스에 대한 완전한 지원을 추가했습니다. Intel 환경의 오류 수정과 오차 임계값 조정, Metal 지원 업데이트를 포함합니다.

Engrava를 구축한 과정: 인지 아키텍처 (cognitive-architecture) 연구에서 프로덕션 라이브러리까지

에이전트의 장기 기억 문제를 해결하기 위해 설계된 Engrava 라이브러리의 구축 과정을 다룹니다. 단순한 벡터 저장 방식의 한계를 넘어, SQLite 기반의 타입화된 그래프와 결정론적 통합 방식을 통해 구조화된 메모리 아키텍처를 제안합니다.

물리치료사(PT)를 위한 15분 이내 AI 기반 음성 받아쓰기 워크플로우 구축

물리치료사가 세션 음성 메모를 통해 SOAP 노트와 보험 청구 코드를 자동으로 생성할 수 있는 15분 완성 AI 워크플로우 구축 가이드를 제안합니다. 하드웨어 체크리스트와 SOAP 명령어 프레임워크를 활용하여 업무 효율을 극대화하는 방법을 다룹니다.

한 문장에서 제품 사진까지: gpt-image-2를 활용한 이커머스 이미지 생성

gpt-image-2 API를 활용하여 텍1스트 프롬프트만으로 고품질의 이커머스 제품 이미지를 생성하는 방법을 소개합니다. 인디 메이커와 소규모 팀이 스튜디오 촬영 없이도 제품 컨셉, 목업, 광고 크리에이티브를 빠르게 제작할 수 있는 실질적인 워크플로우를 다룹니다.

LLM 평가 점수는 불안정한 테스트 스위트와 같다 — 그렇게 다루어야 한다

LLM 평가는 비결정론적 요소로 인해 불안정한 테스트 스위트처럼 작동하므로, 이를 단순한 지표가 아닌 노이즈가 포함된 데이터로 다뤄야 합니다. 온도 설정 고정, 심사관 보정, 데이터셋 버전 관리 등을 통해 측정의 변동성을 통제하는 것이 핵심입니다.

2026년 Core Web Vitals 보고를 위해 HuggingChat을 사용하는 방법

HuggingChat을 활용하여 PageSpeed Insights나 CrUX의 Core Web Vitals 데이터를 분석하고 실행 가능한 수정 권장 사항을 도출하는 워크플로우를 소개합니다. 유료 구독 없이도 오픈 소스 모델을 통해 복잡한 데이터를 구조화된 보고서로 빠르게 변환할 수 있습니다.

LLM 평가 프레임워크를 처음부터 직접 구축하며 느낀 점: 차라리 구매했어야 했던 것들

LLM 평가 프레임워크를 직접 구축할 때 겪는 시행착오와 효율적인 개발 전략을 다룹니다. 도메인 특화 요소인 루브릭과 데이터셋은 직접 구축하되, 모델 호출이나 캐싱 같은 범용적인 인프라는 기존 도구를 활용할 것을 권장합니다.

루프에서 그래프로: 차세대 AI 에이전트 구축하기

기존의 루프 기반 AI 에이전트 방식에서 벗어나, LangGraph.js를 활용한 그래프 엔지니어링 패러다임을 소개합니다. 멀티 에이전트 토론 시뮬레이터인 Rashomon을 통해 병렬 실행, 조건부 라우팅, 상태 유지의 이점을 설명합니다.

Glyph: MCP 캔버스를 통해 ASCII 아트를 그리는 Opus 4.8

MCP 서버를 활용하여 Claude Opus 4.8이 ASCII 아트를 정교하게 그릴 수 있도록 구현한 프로젝트입니다. 텍스트 기반의 출력을 넘어 캔버스 요소(선, 사각형 등)를 제어하여 어떤 크기에서도 형태가 유지되는 고품질 ASCII 갤러리를 생성합니다.

리더보드에서 선택한 코딩 에이전트가 우리 코드베이스에서는 실패한 이유

벤치마크 점수만 믿고 선택한 코딩 에이전트가 실제 코드베이스에서 실패한 원인을 분석합니다. 벤치마크의 한계와 실제 개발 환경 간의 격차를 설명하며, 기업 내부의 Git 히스토리를 활용한 자체 테스트의 중요성을 강조합니다.

다이내믹 체크리스트: 푸드트럭을 위한 AI 기반 위치 인식 위생 준비

푸드트럭 운영자가 위생 규정을 효율적으로 준수할 수 있도록 돕는 AI 기반 다이내믹 체크리스트 구현 방안을 다룹니다. 조건부 로직을 활용하여 트럭별, 위치별, 활동별로 최적화된 맞춤형 점검 항목을 생성하는 원리를 설명합니다.

AI-네이티브 공공 부문 인도 팩토리(Delivery Factory) 내부 살펴보기 — 파트 2 요약

AI-네이티브 공공 부문 인도 팩토리는 기존의 대규모 인력 중심 모델 대신, 소규모 팀이 AI와 자동화를 활용해 도메인 특화 프로토타입을 신속하게 인도하는 새로운 운영 모델입니다. 조달 방식이 노동 기반에서 결과 중심으로 변화함에 따라, AI 에이전트와 지속적 학습 시스템을 갖춘 팀이 경쟁 우위를 점하게 됩니다.

5분 통합: 기존 Flow를 재구축할 필요 없이 ManyChat 봇에 AI 추가하기

기존 ManyChat의 복잡한 조건부 분기(Flow)를 재구축하지 않고도, 외부 AI 레이어를 연결하여 챗봇의 지능을 업그레이드하는 방법을 소개합니다. Webhook을 통해 AI가 고객의 의도와 대화 문맥을 파악하고 제품 추천 및 개인화된 답변을 제공하는 구조를 설명합니다.

H2A2H: 에이전트 중심 시스템의 자연스러운 진화

H2A2H(Human-to-Agent-to-Human)는 인간의 의도를 에이전트가 해석하고 실행한 뒤 다시 인간에게 전달하는 새로운 아키텍처 패러다임을 제안합니다. 에이전트를 단순 도구가 아닌 조정, 해석, 실행을 담당하는 중간 계층으로 정의하여 복잡한 분산 시스템에서의 협업을 목표로 합니다.

신뢰성을 희생하지 않고 AI API 비용을 95% 절감한 방법

AI API 비용을 95% 절감하기 위해 모델 선택 대신 계층적 라우팅(Tiered Routing) 아키텍처를 도입한 사례를 소개합니다. 작업 복잡도에 따라 모델을 적절히 배분하는 '모델 적정 규모 산정(Model Right-Sizing)'을 통해 신뢰성을 유지하며 비용을 최적화하는 방법을 다룹니다.

왜 RAG가 필요한가 — LLM 단체의 한계를 초보자용으로 정리하기