AI 회의 메모를 Google Calendar에 자동으로 등록할 때 발생할 수 있는 일정 오등록을 방지하기 위한 Python 검증 로직을 소개합니다. ISO 8601 형식 준수와 시작/종료 시간의 논리적 선후 관계를 체크하여 데이터의 신뢰성을 높이는 방법을 다룹니다.

Google Apps Script(GAS)를 활용하여 AI에게 전달할 학무 메모를 전처리하는 방법을 소개합니다. 빈 줄 제거, 공백 정리, 개인정보 마스킹을 통해 데이터의 품질을 높이고 보안을 강화하는 실용적인 가이드를 제공합니다.

지식 표현 (Knowledge Representation) 입문 ― 의미 네트워크, 프레임, 의미 프리미티브부터 지식 그래프까지

고전적 기호주의 AI의 지식 표현 기법인 의미 네트워크, 프레임, 의미 프리미티브를 Swift 코드로 살펴봅니다. 이러한 개념들이 현대의 온톨로지, 지식 그래프, OWL로 어떻게 계승되었는지 그 연결 고리를 정리합니다.

Core ML과 Core AI의 차이점

Core ML과 차세대 Core AI의 핵심적인 차이점을 기술적으로 분석합니다. LLM의 생성 루프(Generation Loop)를 앱 측 코드에서 실행하는지, 아니면 OS 런타임에서 직접 실행하는지에 따른 성능 차이를 다룹니다.

엔지니어 2년 차가 AI로 동영상 편집 앱을 개발하고, 자동 E2E 테스트를 거쳐 공개하기까지

2년 차 엔지니어가 AI와의 대화만으로 브라우저 기반 동영상 편집 앱을 설계부터 E2E 테스트, 배포까지 완료한 과정을 기록했습니다. AI를 활용해 요구사항 정리, 코드 구현, Playwright를 이용한 테스트 자동화가 어디까지 가능한지 검증했습니다.

왜 '단계별로 생각하게' 하면 똑똑해지는가: Chain-of-Thought의 메커니즘과 그 설명을 믿지 말아야 하는 이유

Chain-of-Thought(CoT) 기법이 왜 효과적인지, 그리고 왜 그 출력 과정을 완전히 신뢰하기 어려운지에 대한 메커니즘을 분석합니다. LLM이 루프 구조가 없는 '직관 기계'로서 작동하는 한계를 설명하며, 순차적 처리가 필요한 문제에서 발생하는 오류의 원인을 다룹니다.

1년 동안 운용하며 정착된 CLAUDE.md 양식 【복사해서 사용하는 템플릿 · 「폐지된 방침」 섹션 포함】

1년 동안의 시행착오를 통해 최적화된 CLAUDE.md 작성 템플릿과 관리 노하우를 공유합니다. 규칙의 단순화, 폐지된 방침의 명시적 기록, 구체적인 지시 사항 작성을 통해 AI의 동작 일관성을 높이는 방법을 다룹니다.

Sakura의 AI Engine들에게 '어떻게 분위기를 띄울지' 논의하게 했더니, 결론은 '무엇을 할지는 인간이 결정해 주세요'였다

AI 모델들이 스스로 회의를 진행하고 의사록을 작성하는 '초 AI 의사록' 실험을 통해, AI의 발산적 사고와 인간의 수렴적 결정 사이의 역할을 탐구합니다. 여러 모델을 참가자로 설정하여 기획 회의를 시뮬레이션한 결과, AI는 아이디어 발산에는 유용하지만 최종 결정은 인간의 영역임을 확인했습니다.

OpenAI의 엔터프라이즈 에이전트 플랫폼 Presence 출시와 Poolside의 고성능 코딩 모델 Laguna S 2.1 공개 소식을 다룹니다. 또한 Microsoft와 Mistral AI의 파트너십을 통한 유럽 AI 인프라 확대와 HuggingFace에서 발생한 AI 에이전트 주도 보안 침해 사례를 보고합니다.

정리 증명·형식 검증은 지금부터 배워도 가치가 있을까 ── 왜 '사람이 사양을 작성할' 필요가 있는가, Lean 4부터 시작하는 학습 로드맵

프로그램의 올바름을 수학적으로 검증하는 형식 증명(Formal Proof) 기술의 가치와 Lean 4를 활용한 학습 로드맵을 소개합니다. 암호 라이브러리, OS 커널 등 고신뢰 인프라와 AI 에이전트의 사양 검증 분야에서의 중요성을 다룹니다.

AI에게 일자리를 빼앗길 불안으로부터 시작하는 하네스(Harness) 작성 입문 제16회: Slack 승정을 상정한 하네스 처리 플로우 그리기

AI 에이전트의 안전한 실행을 위한 하네스(Harness) 설계 중, Slack을 활용한 Human-in-the-loop(HITL) 승인 플로우를 다룹니다. Mermaid 시퀀스 다이어그램을 통해 태스크 접수부터 리스크 판정, Slack 알림, 승인 대기 및 결과 피드백까지의 5단계 과정을 시각화하고 구현 가이드를 제공합니다.

AI 에이전트 설계의 핵심 패러다임인 Graph Engineering의 개념과 구조를 설명합니다. 업무를 순차적 흐름이 아닌 노드(Node)와 엣지(Edge) 기반의 그래프 구조로 설계하여 병렬 처리를 극대화하는 방법을 다룹니다.

AI 에이전트의 다음 단계인 「Graph Engineering」이란? ~Claude Code가 바꾸는 AI 시스템 설계~

기존의 직렬적 AI 에이전트 설계를 넘어, 에이전트 간의 데이터 의존성을 기반으로 한 그래프 구조 설계 방식인 'Graph Engineering'을 소개합니다. Claude Code의 Dynamic Workflow를 통해 그래프 설계와 병렬 처리가 자동화되는 변화를 다룹니다.

OpenAI가 Apple Health 등 의료 기록을 ChatGPT와 안전하게 연결하는 'Health in ChatGPT' 기능을 발표했습니다. 사용자는 자신의 건강 데이터를 바탕으로 맞춤형 대화를 나눌 수 있으며, 데이터 제어권은 전적으로 사용자에게 있습니다.

엔터프라이즈 환경에서 머신러닝 모델을 프로덕션 단계로 확장하기 위한 아키텍처 전략을 다룹니다. 모듈화된 서비스 분리, 인프라 확장성 확보, 그리고 데이터 및 개념 드리프트 모니터링을 통한 시스템 신뢰성 구축 방법을 설명합니다.

AI 에이전트에게 Google 캘린더 등록을 시킬 때, MCP를 연결하기 전에 고민했던 것들

AI 에이전트에게 Google 캘린더 등록 기능을 구현할 때, 복잡한 MCP(Model Context Protocol) 대신 URL 조립 방식을 선택한 과정을 다룹니다. 오버엔지니어링을 피하고 관리 요소를 최소화하며 다양한 실행 환경에 대응하는 실용적인 접근법을 제안합니다.

Sakura Internet의 AI Engine LLM API를 Windows용 AI 워크스페이스인 Compass에 연동하는 방법을 소개합니다. OpenAI 호환 API를 활용하여 문서 요약 및 코드 생성 테스트를 진행하며 간편한 설정 과정을 보여줍니다.

AI 송의 「LMNOP 문제」 실측 — 열거형 가사만 프롬프트 수정이 역효과가 된 이유

AI 음악 생성 시 알파벳, 숫자, 요일 등 열거형 가사에서 발음이 뭉개지는 'LMNOP 문제'를 분석합니다. 실험을 통해 프롬프트 수정이 오히려 역효과를 낼 수 있음을 실측 데이터로 증명하고, 이를 방지하기 위한 구체적인 설계 원칙을 제시합니다.