생성형 AI 경험, 스킬 시트(Skill Sheet)에 어떻게 적을까? 「사용했습니다」로 끝내지 않는 3가지 유형
생성형 AI 경험을 스킬 시트에 단순히 '사용했다'고 나열하는 것은 효과적이지 않으며, 채용 담당자가 원하는 정보(무엇을 했는지)를 전달하지 못합니다. 이 글은 AI 활용 실적을 '전달되는 성과'로 바꾸는 세 가지 작성 유형(활용 목적 중심형, 수치 기반 성과형, 판단 및 검증형)을 제시하며, 단순 사용 경험보다 구체적인 용도, 정량적 성과, 그리고 본인의 판단/검토 과정을 명시하는 것이 중요하다고 강조합니다.
5월 14일3
차세대 AI 에이전트 기반: 로컬 LLM과 MCP를 융합한 고보안 환경 구축
본 기사는 클라우드 LLM 사용 시 발생하는 데이터 유출 및 프라이버시 문제를 해결하기 위해 로컬 환경에서 작동하는 차세대 AI 에이전트 아키텍처를 제시합니다. 핵심은 Model Context Protocol (MCP)을 활용하여, Ollama 같은 로컬 추론 엔진과 결합함으로써 외부 의존성이 없는 고보안의 '클로즈드 루프' AI 에코시스템을 구축하는 것입니다. 이 구조는 데이터가 호스트 머신을 벗어나지 않게 하면서도 표준화된 프로토콜을 통해 다양한 모델 및 데이터 소스를 연결할 수 있게 합니다.
5월 13일4
본 문서는 AI의 도움을 받아 앱 개발(Vibe Coding)을 무료로 시작하는 방법을 안내합니다. Windows 환경에서 WSL을 설치하고 Ubuntu를 설정한 후, Node Version Manager (nvm)와 OpenCode-AI 도구를 설치하여 실제 코딩 환경을 구축하는 과정을 상세히 설명합니다.
5월 13일3
【GitHub 일보】 Hermes Agent 데스크톱 버전 최초 등장, DeepSeek 계열 툴도 호조 — 2026-05-12
본 기사는 GitHub 트렌드에서 주목받는 AI 개발 도구들을 소개합니다. 특히, 자기 개선형 AI 에이전트인 'Hermes Agent'의 데스크톱 버전(fathah/hermes-desktop)이 처음 등장하여 큰 관심을 받고 있습니다. 이 앱은 CLI 기반의 복잡한 설정을 GUI 환경으로 통합하여 사용 편의성을 크게 높였습니다. 또한, DeepSeek 계열 툴과 로컬 LLM 활용 프로젝트들이 꾸준히 트렌드를 형성하며 AI 에이전트 생태계 전반의 성장을 보여주고 있습니다.
5월 12일8
본 기사는 2026년 기준 Homebrew를 사용하여 설치할 수 있는 주요 AI 관련 Mac 앱 및 CLI 명령어들을 총정리합니다. 대화형 AI(Claude, ChatGPT, Gemini)부터 AI 코딩 에이전트, 로컬 LLM 환경 구축 도구, 고속 코드 에디터, 음성 인식 툴까지 폭넓은 카테고리의 필수 AI 도구들을 제공합니다. 새로운 Mac 세팅이나 개발 워크플로우를 최신 AI 기술로 업그레이드하려는 사용자에게 실질적인 가이드가 될 것입니다.
LLM에 '단계별로 생각하라(Step by step)'는 지시(CoT, Chain-of-Thought)를 추가하는 것이 항상 정답은 아닙니다. 특히 8GB VRAM과 같은 제한적인 환경에서 구동되는 소형 로컬 LLM의 경우, CoT가 오히려 계산 오류나 논리적 비약을 유발하여 성능 저하 및 속도 감소를 초래할 수 있습니다. 본 글은 이러한 현상을 바탕으로, CoT 사용에 대한 재고가 필요하며, 복잡한 계산이나 외부 정보 검색이 필요한 작업에서는 LLM의 추론 능력에 의존하기보다 코드 생성 또는 전용 도구(Tool Use) 호출 방식을 사용하는 것이 더 정확하고 효율적임을 제시합니다.
본 기사는 LLM에서 특정 지식을 '잊게 하거나' 제거하는(Unlearning) 기술적 난제와 이를 해결하기 위한 모듈형 AI 구조인 SRA(Synaptic Routing Architecture)의 구현 과정을 다룹니다. 기존 LLM은 모든 지식이 얽혀 있어 일부만 삭제하려 하면 다른 기능까지 손상되는 '파국적 망각' 문제가 발생합니다. 필자는 이 문제를 해결하기 위해, 필요 없는 시냅스를 물리적으로 제거하거나, 특정 도메인의 시냅스 임베딩을 '제로 클리어(Zero Clear)'하여 지식을 비활성화하는 방법을 제시했습니다.
