여러 AI와 연동하여 읽고 쓸 수 있는 'AI 대화 데이터베이스'를 Notion에 구축한 이야기

여러 AI 서비스(Claude, ChatGPT, Cursor)에 분산된 대화 로그를 통합 관리하기 위해 Notion을 공통 데이터베이스로 구축하는 방법을 소개합니다. MCP를 활용하여 AI가 스스로 Notion의 스키마를 설계하고 읽고 쓸 수 있게 함으로써 지식의 연속성을 확보합니다.

에이전트별로 스킬을 따로 작성하지 마세요

Claude Code와 Codex CLI 등 서로 다른 AI 코딩 에이전트를 사용하는 팀을 위해 심볼릭 링크(symlink)를 활용한 스킬 및 규칙 관리 방법을 제안합니다. 스킬 파일을 한 곳에서 관리함으로써 데이터 불일치 문제를 방지하고 유지보수 효율을 높일 수 있습니다.

AI 에이전트의 발전으로 소프트웨어 구현 속도가 비약적으로 상승함에 따라, 코드의 품질을 검증하고 관리하는 소프트웨어 공학적 관점의 중요성을 다룹니다. 단순 구현을 넘어 설계와 리뷰, 검증의 주체가 변화하는 흐름을 분석합니다.

운영 데이터를 복사하여 테스트하는 방식에서 벗어나기 — LLM으로 '안전한 합성 테스트 데이터'를 만드는 실전 가이드 (PII 미포함·스키마

운영 데이터를 복사하는 위험한 방식 대신, LLM을 활용하여 개인정보(PII)가 포함되지 않은 안전한 합성 테스트 데이터를 생성하는 실전 가이드를 제공합니다. 스키마와 규칙을 기반으로 데이터의 관계성과 자유 기술을 정교하게 구현하는 방법론을 다룹니다.

Unity-MCP를 활용하여 Claude Code와 같은 AI 에이전트로 Unity 에디터를 자연어로 조작하는 방법을 소개합니다. 오브젝트 생성, 컴포넌트 편집, 스크립트 실행 등 다양한 에디터 작업을 자동화하는 셋업 과정과 트러블슈팅을 다룹니다.

AI에 대한 지시력이란 '

AI 에이전트에게 효과적으로 업무를 지시하기 위해서는 사용자가 자신의 '미지(unknowns)'를 명확히 언어화하는 능력이 필수적입니다. Anthropic의 가이드를 바탕으로 지도(프롬프트)와 영토(코드베이스) 사이의 간극을 줄이는 방법론을 다룹니다.

LLM의 지식 한계와 할루시네이션 문제를 해결하기 위한 RAG(검색 증강 생성)의 개념과 필요성을 초보자 눈높이에서 설명합니다. RAG가 어떻게 외부 데이터를 동적으로 참조하여 최신 정보와 사내 문서를 활용하는지 다룹니다.

【문과생도 3분 만에 이해】 G검정 「음성 인식·음성 처리」 공략｜MFCC·HMM·CTC·WaveNet을 처리 흐름에 따라 정리

G검정 대비를 위해 음성 인식 및 처리의 핵심 개념을 처리 흐름에 따라 정리한 가이드입니다. 디지털화부터 특징 추출, 음소 인식, 문자열 변환까지의 과정을 MFCC, HMM, CTC 등의 주요 용어와 함께 설명합니다.

Claude가 멈추는 이유와 ChatGPT가 정형 문구를 반복하는 이유: AI의 '뇌'와 '시스템 관리층' 구조 분석

AI 서비스가 모델(Inner Core)과 시스템 관리층(Outer Shell)의 이중 구조로 작동함을 설명합니다. 모델의 확률적 토큰 예측 능력과 시스템의 제어 메커니즘이 결합되어 각 AI의 성격과 동작 특성이 결정됨을 분석합니다.

Sakura AI Engine Playground에 기사를 써달라고 했습니다

Sakura AI Engine Playground를 사용하여 기사 작성을 시도한 사용 후기입니다. 데이터 보안 정책, 모델 선택 방법, 그리고 빠른 응답 속도 등 실제 사용 경험을 바탕으로 서비스의 특징을 정리했습니다.

GoMLX를 이용한 Go 단독 손글씨 숫자 분류 ― 학습부터 추론까지 Python을 사용하지 않는 구현

GoMLX 프레임워크를 사용하여 Python 없이 Go 언어만으로 머신러닝 모델의 데이터 로딩, 학습, 추론 전 과정을 구현한 사례 연구입니다. 8x8 손글씨 숫자 분류를 위한 MLP 모델을 구축하여 높은 정확도와 저지연, 저메모리 성능을 입증했습니다.

Muse Video 구현 체크리스트: 프롬프트 주도형 영상 생성을 워크플로우에 통합하기

Muse Video를 활용한 프롬프트 주도형 영상 생성 기술을 사내 워크플로우에 통합하기 위한 구현 체크리스트를 제안합니다. 유스케이스 정의부터 프롬프트 템플릿화, 결과 검증 및 비용 산출까지 실무적인 구현 관점의 절차를 다룹니다.

pgvector와 Titan Embeddings를 활용하여 AI 에이전트의 장기 기억 시스템을 구축하는 방법을 다룹니다. 대화 로그를 성격에 따라 세 가지 계층으로 나누어 저장하고, 벡터 검색을 통해 효율적으로 컨텍스트를 관리하는 설계 노하우를 공유합니다.