Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
Google UCP는 에이전트 커머스의 무엇을 표준화하고 있는가
Google이 발표한 에이전틱 커머스(Agentic Commerce)의 오픈 표준인 UCP(Universal Commerce Protocol)의 기술적 사양을 심층 분석합니다. UCP가 에이전트와 커머스 간의 상호작용을 어떻게 표준화하며, 기존 프로토콜들과 어떻게 계층적으로 공존하는지 다룹니다.
7월 20일1
ZennAI 번역헤드라인
적격 청구서 PDF를 JSON으로 변환하기 — 스키마는 '예시'로 정의한다
LDX hub의 AnalyzeDoc API를 사용하여 적격 청구서 PDF를 JSON 구조화 데이터로 변환하는 방법을 소개합니다. 별도의 JSON Schema 작성 없이 원하는 출력 예시(example_output)만 제공하면 모델이 타입을 추론하는 'schema-by-example' 방식을 활용합니다.
7월 20일1
ZennAI 번역헤드라인
Claude Fable가 Opus로 폴백(Fallback)된 부분만 Codex를 감독으로 하여 다시 수행하기
Claude Fable 사용 중 모델이 Opus로 자동 폴백되어 작업 내용이 혼재되는 문제를 해결하기 위한 워크플로우를 다룹니다. Codex를 감독 모델로 활용하여 Claude Code CLI의 실행 결과를 검증하고, 의도한 모델의 결과물만 채택하는 구조적 재발 방지책을 제안합니다.
7월 20일2
ZennAI 번역헤드라인
AI 에이전트에 의해 완전히 수행된 최초의 랜섬웨어 공격 발생
인간의 개입 없이 AI 에이전트가 자율적으로 수행한 최초의 랜섬웨어 공격 사례인 'JADEPUFFER'가 보고되었습니다. 이 공격은 LLM 에이전트가 추론 시스템으로서 네트워크 침입부터 데이터 암호화까지 전 과정을 스스로 결정하며 수행되었습니다.
7월 20일1
ZennAI 번역헤드라인
Cloudflare Workers와 Workers AI로 「보케타이(Boket-ai)」라는 Web 서비스를 만들어 보았다
Cloudflare Workers와 Workers AI를 활용하여 생성형 AI 기반의 웹 서비스 '보케타이(Boket-ai)'를 구축한 사례를 소개합니다. Flux 모델과 Gemma 모델을 사용하여 이미지 생성 및 분석 기능을 구현했습니다.
7월 20일1
ZennAI 번역헤드라인
AI에게 매번 컨텍스트를 전달하는 workspace 템플릿을 만들었다
AI에게 매번 동일한 컨텍스트를 전달하는 번거로움을 해결하기 위해 Markdown과 git 기반의 workspace 템플릿을 제안합니다. 기억을 기능이 아닌 파일로 관리하여 벤더 간 호환성을 확보하고 데이터의 투명성을 높이는 것이 핵심입니다.
7월 20일0
ZennAI 번역헤드라인
루프 엔지니어링의 흔한 실패 사례 6가지 —— 루프는 판단을 증폭하는 장치이다
AI 에이전트가 자율적으로 작동하는 루프 엔지니어링의 6가지 주요 실패 사례와 대책을 다룹니다. 검증 편향, 무한 루프, 비용 폭발 등 실제 구축 과정에서 발생하는 문제들을 분석하고 설계 가이드를 제공합니다.
7월 20일1
ZennAI 번역헤드라인
AI 캐릭터에게 「침묵」하는 법을 가르치기 ― 자발적 메시지를 3단계 게이트로 설계한 이야기
AI 캐릭터가 사용자에게 자발적으로 메시지를 보내는 'proactive message' 설계 방식을 다룹니다. LLM의 생성 편향을 방지하기 위해 판단과 생성을 분리하고, 3단계 게이트 시스템을 통해 효율적이고 맥락에 맞는 메시지 송신을 구현하는 방법을 설명합니다.
7월 20일0
ZennAI 번역헤드라인
설명서를 더 이상 쓰지 않는다. AI에게 쓰게 했던 3,500행의 문서를 전부 버린 이야기
AI를 위한 방대한 개발 문서(3,500행)가 코드와 동기화되지 않는 문제를 해결하기 위해, 문서를 버리고 AI가 코드를 직접 읽도록 프로세스를 전환한 사례를 다룹니다.
7월 20일1
ZennAI 번역헤드라인
설명서를 더 이상 쓰지 않는다. AI에게 쓰게 했던 3,500행의 문서를 전부 버린 이야기
AI를 위한 방대한 개발 문서를 유지하는 대신, 코드 자체를 AI에게 직접 제공하는 방식으로 개발 프로세스를 혁신한 사례를 소개합니다. 문서와 코드 간의 불일치 문제를 해결하고 유지보수 비용을 획기적으로 줄였습니다.
7월 20일1
ZennAI 번역헤드라인
BigQuery ML의 TimesFM을 사용하여 전력 수요를 시계열 예측해 보았다
Google Research의 시계열 파운데이션 모델인 TimesFM을 BigQuery ML의 AI.FORECAST 함수를 통해 활용하여 전력 수요를 예측하는 과정을 다룹니다. Terraform을 이용한 인프라 관리부터 데이터 전처리, 결측치 보간 및 예측 실행까지의 전체 워크플로우를 설명합니다.
7월 20일2
ZennAI 번역헤드라인
그 SKILL.md, 다른 스킬과 발화가 겹치지 않나요? 충돌과 깨진 참조를 CI에서 잡아내는 Linter를 만들었다
Claude Agent Skills(SKILL.md)의 참조 정합성 오류와 스킬 간 발화 중복 충돌을 CI 단계에서 자동으로 검출하는 Linter인 'skills-lint'를 소개합니다. 의존성 없이 가볍게 실행되며, Jaccard 유사도를 활용해 스킬 간 트리거 문구 충돌을 효과적으로 잡아냅니다.
7월 20일1
ZennAI 번역헤드라인
AI에게 맡긴 장시간 처리가 도중에 중단되어 전부 다시 시작하게 된다면 ― 체크포인트와 멱등성으로 '재개 가능한' 작업 설계하기
AI 에이전트의 장시간 작업 중단 시 발생하는 비용과 시간 손실을 방지하기 위한 설계 방법을 다룹니다. 체크포인트와 멱등성 개념을 활용하여 작업 중단 시 처음부터 다시 시작하지 않고 재개할 수 있는 구조를 제안합니다.
7월 20일1
ZennAI 번역헤드라인
Agent Script 조건 분기 작성법 | 신규 Agentforce Builder로 AI 판단과 확정 로직을 결합하는 실습 가이드
Agentforce Builder의 신규 기능인 Agent Script 조건 분기 작성법을 다룹니다. AI의 판단과 확정 규칙을 결합하는 방법과 캔버스/스크립트 뷰 활용법을 단계별로 설명합니다.
7월 20일1
ZennAI 번역헤드라인
경마 AI 개발 기록 #24: 단승 특화의 한계를 「복승 전용 모델」로 돌파하기: 특징량 공간의 물리적 격리
경마 예측 ROI 개선을 위해 단일 랭킹 모델에서 단승과 복승을 분리한 멀티 모델 아키텍처로 전환하는 과정을 다룹니다. 모델별 특징량 공간을 물리적으로 격리하여 NaN 데이터 오염 문제를 해결하고 예측 정밀도를 높이는 엔지니어링 접근법을 설명합니다.
7월 20일1
ZennAI 번역헤드라인
Astro/CSS 변경을 PR 영향 범위에서 누락하지 않기 — AI 병렬 개발 시 확인 포인트
AI 코딩 에이전트가 병렬로 개발을 진행할 때, Astro나 CSS와 같은 파일의 변경 사항이 PR 영향 분석에서 누락되지 않도록 주의해야 합니다. GitHub Languages의 통계와 실제 도구의 분석 범위 차이를 이해하고, 복합적인 파일 구조를 고려한 의존성 확인이 필요합니다.
7월 20일1
ZennAI 번역헤드라인
【2026년 최신】 Bonsai 27B 완전 가이드 — iPhone에서 구동되는 1-bit 버전과 Ternary 버전의 차이점 및 선택 방법
Bonsai 27B 모델의 1-bit 및 Ternary 양자화 방식의 차이점과 디바이스별 선택 가이드를 제공합니다. iPhone과 같은 모바일 환경에서 27B급 모델을 구동하기 위한 최적의 양자화 전략을 설명합니다.
7월 20일1
ZennAI 번역헤드라인
5가지 그래프는 하나의 DB에 다 담을 수 없다: 실무 레이어 설계
단일 그래프 데이터베이스의 한계를 극복하기 위한 실무 레이어 설계 방식을 다룹니다. Neo4j와 같은 지식 그래프(KG)를 활용하여 데이터 파편화 문제를 해결하고, 에이전트에게 정확한 정보와 권한을 전달하는 방법을 제시합니다.
7월 20일2
ZennAI 번역헤드라인
M365 Copilot Cowork × Claude Cowork: 역할 분담을 통한 SIer의 업무 효율 극대화
M365 Copilot Cowork와 Claude Cowork의 특성을 비교하여 SIer 업무 효율을 극대화하는 방안을 제시합니다. Claude는 기술적 추론과 코드 리뷰에, Copilot은 MS Office 기반의 업무 실행 및 문서 자동화에 강점이 있어 두 도구의 병용을 권장합니다.
7월 20일1
ZennAI 번역헤드라인
프롬프트를 일부러 13,000 토큰으로 늘렸더니 AI 원가가 낮아졌다——prompt caching의 「4096 토큰의 벽」
Anthropic 모델의 Prompt Caching 작동 시 발생하는 '최소 토큰 제한' 문제를 다룹니다. Haiku 모델 등에서 캐싱이 작동하지 않는 원인이 최소 캐시 길이 미달임을 밝히고, 이를 해결하기 위해 프롬프트 길이를 의도적으로 늘려 비용을 절감한 사례를 소개합니다.
7월 20일2