Insights

집계 기준 2026. 11. 3. PM 10:30 UTC

【제27회】 스레드 읽기 직후가 가장 클릭률이 높다! 푸터 바로 위 광고 배너 영역 추가 및 가시성 최적화

본 글은 2ch 호환 초고속 게시판 시스템 'つゔぁいちゃんねる'의 개발 기록으로, 콘텐츠 소비 후 사용자의 행동 패턴을 분석하여 광고 배치 최적화 방안을 제시합니다. 특히 스레드 최하단(푸터 직상)에 광고 배너를 추가하고 반응형 자동 스케일링 및 일괄 제어 시스템을 구현한 과정을 상세히 다룹니다.

Copilot이 갑자기 느려졌다고 생각했는데 '하네스(Harness)'가 바뀌어 있었다

Copilot Chat 사용 시, 채팅 실행 기반(runtime)이 Local 하네스에서 Copilot 하네스로 변경되면서 사용자 경험에 큰 변화가 생겼습니다. 특히 파일 단위로 변경 사항을 확인하고 Keep/Undo 할 수 있던 기능이 사라지고, 응답 속도와 UI 방식 모두 달라져 개발자에게 불편함을 초래했습니다.

같은 주제를 반복적으로 게시하지 않기 위해 기간을 정하고 대장으로 교차 확인하는 과정

콘텐츠 재료가 순환하는 시스템의 한계로 인해 같은 주제의 포스팅이 짧은 간격으로 중복 게시될 위험이 확인되었습니다. 이를 해결하기 위해, '같은 주제를 피할 기간'을 30일로 명확히 설정하고, 모든 포스팅 경로의 최종 공개 직전에 대장(台帳)과 교차 확인하는 시스템을 도입했습니다.

모든 정책 변경에 기록을 남기다: LLM 게이트웨이를 위한 감사 추적(Audit Trails)

AI 시스템의 운영 과정에서 발생하는 정책 변경, 키 액션, 요청 결과 등 모든 활동을 기록하는 감사 추적(Audit Trails)의 중요성을 강조합니다. 이는 단순한 로그를 넘어 수정 불가능한 증거로 기능하여 규정 준수 및 보안 검토에 필수적인 아키텍처 요소입니다.

Jev에게 이미지 입력 기능을 사용하게 했더니 0.4초 만에 찾아냈다!!

Jev 모델에 이미지 입력 기능이 추가되어 '워리 씨를 찾기 같은' 이미지에서 객체 탐지 검증을 진행했습니다. 새로운 질문 유형인 box가 추가되었으며, 이 기능을 통해 이미지 속 특정 위치(좌표)를 사각형으로 반환받을 수 있습니다. 비용은 텍스트와 동일하며 응답 시간도 빠릅니다.

프롬프트 엔지니어링에 대하여

본 기사는 생성 AI를 업무에 효과적으로 활용하기 위한 핵심 기술인 프롬프트 엔지니어링을 소개합니다. 단순히 지시하는 것을 넘어, One-shot이나 Few-shot처럼 구체적인 예시를 제공하여 원하는 결과의 형식과 품질을 높이는 것이 중요합니다. Zero-shot부터 RAG까지 다양한 기법들을 통해 AI 활용 능력을 향상할 수 있습니다.

사내 AI 에이전트를 직접 개발하며 배운 점 #1 — '출처가 없는 답변'은 사용되지 않는다 | 부사장・공동창업자 꽌・딘・버

본 글은 SY Partners가 사내 AI 에이전트 'SYAgent'를 직접 개발하고 운영하며 얻은 실질적인 경험을 공유합니다. 특히 RAG 기반 답변에서 단순히 출처를 제시하는 것을 넘어, 이용자가 근거를 검증할 수 있는 세분화된 출처 표시에 초점을 맞추었습니다. AI 에이전트를 조직 업무에 통합하기 위해 사내 프로세스를 개선하고, 지식 분산 및 관리 업무 부담을 해결하려는 노력을 다루고 있습니다.

[ERC8350] AI 에이전트의 저장 데이터를 공개하지 않고 업데이트 이력을 확인하는 메커니즘

ERC8350은 AI 에이전트의 메모리 이력을 비공개 데이터베이스에 저장하면서도, 그 업데이트 과정과 연속성을 블록체인 상에서 검증할 수 있도록 하는 표준입니다. 이는 제3자가 기록된 기억의 권한과 순차적 흐름을 투명하게 감사할 수 있게 합니다. 이 메커니즘은 원시 데이터를 직접 공개하지 않고, 'commitment'라는 고정 길이 해시 값만을 통해 업데이트의 연속성과 승인 과정을 검증하는 것이 핵심입니다.

27. 이전부터 쌓인 Zenn의 신규 커밋 28건 중, 본인이 작성하지 않은 건수

본 글은 자동화된 콘텐츠 게시 파이프라인(Zenn/Qiita)에서 발생하는 커밋 충돌 및 동기화 문제를 분석합니다. 특히, 다른 자동화 루틴('Engawa 기사')에 의해 리포지토리의 최근 커밋 기록이 완전히 점유되면서, 원래 의도했던 '최근 주제 중복 확인' 절차(스텝 0)가 무력화되는 상황을 발견했습니다.

AI 입문 ④-④: 경사 하강법(Gradient Descent)이란 무엇인가요? AI가 '오류'를 줄여 학습하는 원리

본 글은 AI 모델의 학습 원리 중 하나인 경사 하강법(Gradient Descent)을 설명합니다. 손실 함수로 오류를 측정하고, 이 오류를 줄이는 방향으로 가중치와 편향 같은 내부 수치를 조정하는 방법을 다룹니다. 핵심적으로 '경사와 반대 방향'으로 업데이트하며, 이때 업데이트 크기를 조절하는 학습률(Learning Rate)의 중요성을 강조합니다.

playwright-stealth 개발 중단에 따른 Python 버전 자체 제작 및 PyPI 공개 과정

기존 playwright-stealth의 개발 중단으로 인해 봇 감지에 취약해진 브라우저 자동화 환경을 개선하기 위해, 새로운 스텔스 라이브러리 'pw-stealth-enhanced'가 개발되어 PyPI에 공개되었습니다. 이 라이브러리는 Canvas 지문, WebGL/AudioContext 지문 등 최신 봇 감지 기법에 대응하며, UA 및 뷰포트 로테이션 기능도 제공합니다.

Strata로 LLM을 구동할 때 Mac이 빠른가 VS NVIDIA GPU가 빠른가 검증

본 기사는 Strata라는 추론 엔진을 사용하여 로컬 환경에서 대규모 언어 모델(LLM)을 구동하는 성능 비교를 다룹니다. Mac의 통합 메모리 아키텍처와 NVIDIA GPU의 분리형 VRAM 간의 장단점을 분석하며, 단순히 하드웨어 사양만으로 속도를 판단하기보다 '모델 계층별 메모리 수용 방식'에 따라 성능이 결정됨을 강조합니다.

AI 에이전트를 지탱하는 기반 기술 ⑤-2: 다중 에이전트 협업(Multi-Agent Coordination)의 메커니즘과 설계

본 기사는 Multi-Agent System의 핵심 설계 요소인 아키텍처에 초점을 맞춥니다. 다중 에이전트 시스템은 중앙 집중형(Centralized)과 분산형(Decentralized) 두 가지 대표적인 아키텍처를 가집니다. Centralized Architecture는 Orchestrator가 전체를 관리하며 태스크, 권한, 상태 관리가 용이하다는 장점이 있습니다.

AI 동영상 생성 폼의 인수 테스트: 입력 유지 및 재생성을 사양으로 하다

AI 동영상 생성 과정에서 발생하는 문제점을 분석하고, 단순히 결과물 표시 여부가 아닌 입력 유지 및 재생성 가능성을 핵심 테스트 사양으로 제시합니다. 특히 UGC와 애니메이션 영상의 특성에 맞춰 '입력 계약'을 정의하는 것이 중요함을 강조합니다.

클라우드 활용(Cloud Use): 에이전트가 본격적으로 클라우드를 '사용'하는 순간

본 글은 AI 에이전트의 발전 방향을 '도구 호출(Tool Calling)'에서 '클라우드 네이티브 실행(Cloud-Native Execution)'으로 정의합니다. 이는 단순 API 호출을 넘어, ID, 자격 증명, 실행 환경, 감사 로그 등을 동반하여 실제 클라우드 프로덕션 환경에 진입하는 것을 의미합니다. 에이전트가 복잡한 비즈니스 로직을 수행할 때 발생하는 보안 및 거버넌스 문제를 심도 있게 다룹니다.

AI에게 촬영 사진의 캡션을 작성하게 할 때, 찍히지 않은 내용을 쓰게 하지 않는 방법

사진 자료를 활용한 기사 작성 시, AI의 도움을 받아 효율적으로 사진 분류와 초안 작성을 할 수 있습니다. 다만, AI가 이미지에 없는 정보(인물 이름, 공식 명칭 등)를 추측하여 사실처럼 덧붙이는 오류를 방지하는 방법을 제시합니다.