본문으로 건너뛰기

© 2026 Molayo

Insights

AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.

Zenn AI 1303필터 해제

Zenn헤드라인

【실록】Kiro에게 "질문하지 말고 추론해"라고 가르쳤더니 작업 시간이 1/3로 줄었다

AWS의 AI 코딩 어시스턴트 Kiro의 'Steering' 기능을 활용해 작업 효율을 3배 높이는 방법을 소개합니다. 질문을 줄이고 스스로 추론하도록 지시하는 Markdown 설정법과 구체적인 가이드를 제공합니다.

1일 전0
Zenn헤드라인

AI의 메모는 '저장'보다 '어디에 둘 것인가' ── QA 업무의 지식 정리 4층

LLM의 할루시네이션을 줄이기 위해 지식을 관리하는 '어디에 둘 것인가'의 관점을 다룹니다. Claude의 상주 메모가 가진 한계를 분석하고, Andrej Karpathy의 개념을 바탕으로 지식을 체계적으로 분류하여 참조하는 구조를 제안합니다.

1일 전0
Zenn헤드라인

6단계 리뷰를 3개월간 운영해 보니, 인간의 역할은 1단계뿐이었다

AI와 인간의 코드 리뷰 분업 모델을 3개월간 운영하며 겪은 실무적 경험을 다룹니다. AI의 정확도가 높아짐에 따라 인간이 검토 과정을 생략하고 맹목적으로 신뢰하게 되는 '검토의 태만' 현상과 그 위험성을 경고합니다.

1일 전0
Zenn헤드라인

MTG가 끝나면 AI가 Next Action을 자동으로 실행하도록 만들었습니다

회의 종료 후 발생하는 Next Action을 자동으로 Notion에 기록하고, 실행 가능한 분석 업무를 AI 에이전트가 수행하도록 하는 파이프라인 구축 사례를 소개합니다. Circleback의 webhook을 활용하여 Slack 인터페이스를 통해 클릭 한 번으로 데이터 분석 및 리포팅을 자동화합니다.

1일 전0
Zenn헤드라인

공개된 skill을 사용하여 Claude의 하네스(Harness)를 설정해 보기

Claude Code의 내장 기능, 공식 플러그인, 서드파티 skill을 활용하여 AI 코딩 환경을 구축하는 '하네스(Harness)' 설정 방법을 소개합니다. 프로젝트 초기 설정부터 단계적 워크플로우를 제공하는 superpowers 플러그인 활용법까지 다룹니다.

1일 전0
Zenn헤드라인

모두의 Claude 스킬을 보고 싶어! 발신 수고를 줄여주는 「Zenn 기사 전자동 생성」 스킬

Claude Code로 제작한 커스텀 스킬을 Zenn이나 Qiita 기사로 자동 변환해주는 'claude-skills-article' 스킬을 소개합니다. 파일 수집, 독자 추정, 개인정보 마스킹, 기사 생성 과정을 자동화하여 기술 공유의 허들을 낮춰줍니다.

1일 전0
Zenn헤드라인

【5분 만에 이해하는 Foundry Tools 시리즈】 Azure Language의 감정 분석

Azure Language의 감정 분석 기능을 활용하여 텍스트의 감정과 관점별 의견을 추출하는 방법을 설명합니다. Bicep을 이용한 환경 구축과 Entra ID 기반의 보안 인증 방식을 통해 키 없이 안전하게 API를 호출하는 가이드를 제공합니다.

1일 전0
Zenn헤드라인

공장의 데이터를 외부로 유출하지 않고 AI를 구동하기: Ollama와 자택 서버만으로 구축하는 로컬 LLM 환경

데이터 보안이 중요한 제조업 현장을 위해 Ollama와 Docker를 활용하여 로컬 LLM 환경을 구축하는 방법을 소개합니다. 자택 서버를 이용해 외부 유출 없이 업무 데이터를 처리하는 구성 방식과 RAG 적용 사례를 다룹니다.

1일 전0
Zenn헤드라인

모듈러 메모리(Modular Memory)야말로 지속 학습 에이전트의 핵심이다

기존 가중치 학습(IWL)의 파괴적 망각 문제를 해결하기 위해 모듈러 메모리 설계를 제안합니다. ICL의 신속한 적응력과 IWL의 안정적인 업데이트 능력을 결합하여 지속 학습 에이전트를 구현하는 프레임워크를 다룹니다.

1일 전0
Zenn헤드라인

AI가 GitHub를 망가뜨릴 뻔한 이야기——커밋 14배, Microsoft가 AWS에 의존한 이유

AI 에이전트의 확산으로 GitHub의 커밋 수가 14배 급증하며 인프라 부하가 폭발하고 있습니다. Microsoft는 Azure의 용량 부족을 해결하기 위해 경쟁사인 AWS의 컴퓨팅 자원을 활용하는 이례적인 결정을 내렸으며, 이는 막대한 설비 투자(CapEx)에도 불구하고 AI 수요를 따라잡기 힘든 현실을 보여줍니다.

1일 전0
Zenn헤드라인

AI 에이전트의 로그를 읽을 수 없다면, 그것은 아직 데모일 뿐입니다

AI 에이전트가 실전 시스템으로 작동하기 위해서는 실행 과정의 상세한 추적(trace)이 필수적입니다. 단순한 입출력을 넘어 도구 호출, 검색 결과, 메모리 활용 등 실패 원인을 계층별로 파악할 수 있는 정교한 로그 설계의 중요성을 강조합니다.

1일 전0
Zenn헤드라인

경어 품질 평가 구현 기록 — NERV가 금융기관 고객 응대 AI에서 '신뢰도 99.5%'를 달성한 실제 사례

금융기관 고객 응대 AI의 경어 품질 문제를 해결하기 위한 NERV의 구현 사례를 다룹니다. 단일 LLM의 한계를 극복하고 금융권 규제 리스크를 방지하기 위한 MAGI Audit 아키텍처와 품질 평가 전략을 소개합니다.

2일 전0
Zenn헤드라인

「내 PC에서는 되는데」── 동료의 pip install이 C++ 컴파일러에서 멈춰서, 보이지 않았던 도입 장벽을 깨달은 이야기

멀티 에이전트 프레임워크 C3(Claude Code Conductor) 개발자가 동료의 피드백을 통해 겪게 된 설치 장벽과 UX 개선 과정을 다룹니다. 특정 의존성(chroma-hnswlib)의 C++ 컴파일 요구 문제와 초기 설정 프로세스의 혼선을 해결하는 과정을 담고 있습니다.

2일 전0
Zenn헤드라인

화제의 GLM-5.2를 ZCode로 사용해 보았다.

Zhipu AI가 출시한 코딩 특화 모델 GLM-5.2와 이를 지원하는 코딩 에디터 ZCode의 사용 후기를 다룹니다. GLM-5.2는 긴 문맥 처리와 에이전트 기반의 소프트웨어 개발 태스크에 최적화되어 높은 성능과 가성비를 보여줍니다.

2일 전0
Zenn헤드라인

Claude Code의 Ultraplan 해설 — 클라우드에서 계획하고, 원하는 곳에서 실행하기

Claude Code의 Ultraplan 기능은 계획 단계를 클라우드로 분리하여 Web 에디터에서 시각적으로 리뷰하고 편집할 수 있게 합니다. 이를 통해 터미널 점유 문제를 해결하고 대규모 리팩터링 시 팀원과의 협업 및 심도 있는 검토를 지원합니다.

2일 전0
Zenn헤드라인

WordPress 자동 포스팅 파이프라인에서 이미지가 3장씩 표시된 원인 조사

WordPress 자동 포스팅 파이프라인에서 리뷰용으로 삽입한 이미지 버리에이션이 그대로 게시되는 버그를 조사하고 해결한 과정을 다룹니다. Markdown을 HTML로 변환하는 과정에서 특정 조건의 이미지를 필터링하도록 수정했습니다.

2일 전0
Zenn헤드라인

Claude Code의 결과를 말해주는 플러그인을 만들었다

Claude Code의 작업 완료, 권한 확인, 입력 대기 상태를 음성과 팝업으로 알려주는 플러그인을 소개합니다. 화면을 계속 주시하지 않아도 작업 진행 상황을 실시간으로 파악할 수 있습니다.

2일 전0
Zenn헤드라인

매크로 없는 업무용 장표로의 확장 ─ xlsm_devkit의 .xlsx 대응과 AI를 이용한 수식 검토

xlsm_devkit을 매크로가 없는 Excel(.xlsx) 파일로 확장하여, 복잡한 수식이 포함된 업무용 장표를 관리하는 방법을 다룹니다. 시트를 Markdown으로 변환하여 AI가 수식을 코드처럼 검토할 수 있게 하는 워크플로우를 소개합니다.

2일 전0
Zenn헤드라인

에이전트의 경쟁력은 모델보다 '데이터 기반'에서 결정된다 ― Data + AI Summit 2026 기조 강연 리포트

Data + AI Summit 2026 기조 강연을 통해 AI 에이전트의 핵심 경쟁력은 모델의 지능이 아닌 '데이터 기반의 컨텍스트(Context)'에 있음을 분석합니다. 기업용 AI 도입을 가로막는 4가지 장벽(Choice, Control, Cost, Context)과 이를 해결하기 위한 Databricks의 제품 전략을 다룹니다.

2일 전0
Zenn헤드라인

자작 MCP 서버에 기억을 학습시켰더니, 3개 프로젝트를 가로질러 11개의 버그를 발견했다

Claude Code의 세션 간 기억 공유 문제를 해결하기 위해 MCP 서버인 'memdream'을 구축한 사례를 소개합니다. TiDB Cloud의 벡터 검색과 Ollama를 활용하여 프로젝트 간 의미적 기억을 공유하며, 이를 통해 다수의 프로젝트에서 다수의 버그를 발견하는 성과를 거두었습니다.

2일 전0

이 피드 구독하기

본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.