Dify에서 로컬 RAG 구현하기: 워크플로우 구축 및 답변 품질 테스트

Dify를 사용하여 로컬 환경에서 RAG(검색 증강 생성) 파이프라인을 구축하고 워크플로우를 설계하는 실무 가이드입니다. 문서 파싱부터 임베딩, 벡터 DB 활용, 답변 품질 테스트까지의 전 과정을 다룹니다.

이커머스를 위한 AI 기술: 2026년 조정 격차(Coordination Gap) 플레이북

이커머스 운영 시 발생하는 에이전트 간의 '조정 격차(Coordination Gap)' 문제를 분석하고, 이를 해결하기 위한 멀티 에이전트 오케스트레이션 전략을 제시합니다. LangGraph, CrewAI, MCP 등을 활용하여 주문, 재고, 고객 지원 시스템을 통합하는 실무적인 설계 방법을 다룹니다.

Book Prize Index: 임베딩(embeddings)을 사용하여 검색하는 6,500권의 수상 도서

역사학자 Benjamin Breen이 Claude Code를 활용해 6,500권의 수상 도서 데이터베이스인 'Book Prize Index'를 구축했습니다. Wikipedia 데이터를 Claude와 GPT-5.6으로 구조화하고 임베딩을 적용하여 의미론적 검색 기능을 구현했습니다.

왜 나는 12개월 안에 Bluesky가 AI 디렉토리의 주요 추천 채널이 될 것이라고 확신하는가

작성자는 Bluesky가 향후 12개월 내에 AI 디렉토리 사이트의 주요 유기적 추천 채널이 될 것이라고 주장합니다. 이를 위해 자동화된 계정 관리, 기사 라우팅, Playwright 기반 시각적 요약 카드 생성 등 기술적 인프라를 구축하여 Bluesky의 높은 개발자 참여율에 베팅하고 있습니다.

AI Overviews와 SEO: GEO를 위한 실무 가이드

Google의 AI Overviews 도입에 따른 검색 환경 변화와 이에 대응하는 생성형 엔진 최적화(GEO) 전략을 다룹니다. AI가 콘텐츠를 선택하고 인용하는 원리를 이해하고, 가시성을 높이기 위한 실무적인 최적화 방법을 설명합니다.

어떤 모델이든 Elpis에 넣으면 Elpis가 됩니다

오픈 소스 터미널 에이전트 셸인 Elpis가 출시되었습니다. Elpis는 모델에 종속되지 않고 목표, 컨텍스트, 메모리 등을 독립적으로 관리하여 장시간 실행되는 코딩 에이전트의 컨텍스트 관리 문제를 해결합니다.

AI 의사결정 프레임워크 수정하기: 결론을 내리기 전 경계(Boundaries)를 설정하는 것이 중요한 이유

AI 모델의 유창함에 속지 않고 정확한 의사결정을 끌어내기 위한 프롬프트 구조화 전략을 다룹니다. 모델이 답변 전 선택 기준, 가중치, 가정을 명시하도록 강제하고, 프로세스를 중단해야 하는 명확한 중단 조건을 설정하는 방법론을 제시합니다.

하나의 AI에게 모든 것을 요구하는 것을 그만두었습니다. 그 결과는 다음과 같습니다.

단일 범용 AI 모델 대신 작업 성격에 따라 특화된 여러 에이전트로 분리하여 운영하는 전략을 소개합니다. 코딩과 문서 작성 등 목적에 맞는 모델을 라우팅함으로써 답변의 품질과 전문성을 높인 사례를 다룹니다.

11개 AI 프레임워크에 걸친 MCP 보안: 감사 결과

11개의 주요 AI 에이전트 프레임워크를 대상으로 진행한 MCP(Model Context Protocol) 보안 감사 결과, 다수의 심각한 취약점이 발견되었습니다. Anthropic, Dify, CrewAI, Microsoft AutoGen 등 주요 생태계에서 SSRF, RCE, 데이터 유출 등의 보안 위협이 확인되었습니다.

AI 코딩 컨텍스트를 95% 줄이는 방법

AI 코딩 어시스턴트가 불필요한 파일 전체를 읽어 토큰을 낭비하는 문제를 해결하기 위해, 심볼 단위로 컨텍스트를 제공하는 MCP 서버 'SymbolPeek'을 소개합니다. 이를 통해 코드베이스의 필요한 부분만 정밀하게 추출하여 컨텍스트 크기를 95% 이상 절감할 수 있습니다.

AI 워크플로 자동화가 실제로 작동하는 방식: 2026년에 팀들이 사용하는 7단계 프로세스

AI 자동화 프로젝트가 데모를 넘어 프로덕션 환경에서 성공하기 위한 7단계 프로세스를 제시합니다. 단순 도구 도입이 아닌 매핑부터 확장까지 이어지는 체계적인 워크플로 설계의 중요성을 강조합니다.

x402를 사용하여 실시간 Solana DeFi 데이터를 구매하는 10줄의 Python 코드

x402 프로토콜과 Python SDK를 사용하여 AI 에이전트가 실시간 Solana DeFi 데이터를 자동으로 구매하는 방법을 소개합니다. 사람이 개입하지 않고 Base 메인넷의 USDC를 통해 M2M(Machine-to-Machine) 결제를 처리하는 워크플로우를 다룹니다.

AI가 찾아낸 「wp2shell」, 무엇을 어떻게 찾아냈는가

분석 데이터는 "Direct"라고 말하지만, 고객은 "ChatGPT"라고 말합니다

GA4에 AI Assistant 채널이 기본값으로 추가되어 ChatGPT, Claude 등 AI 트래픽을 자동으로 분류할 수 있게 되었습니다. 하지만 리퍼러 정보가 없는 Direct 트래픽이나 과거 데이터 소급 적용 불가 등의 한계로 인해 여전히 데이터 격차가 존재합니다.

Petals: BitTorrent 방식으로 집에서 LLM 실행하기

Petals는 BitTorrent 방식을 활용하여 대규모 언어 모델(LLM)을 분산 네트워크를 통해 실행할 수 있게 해주는 프로젝트입니다. 소비자용 GPU나 Google Colab을 사용하여 Llama 3.1, Mixtral 등 거대 모델을 추론하거나 미세 조정할 수 있습니다.

8개 답변 중 5개가 틀렸지만, 표가 이를 숨겼다

AI 에이전트가 텍스트로 면책 조항을 제공하더라도, 표(Table)와 같은 구조화된 형식이 주는 권위가 정보의 오류를 가릴 수 있음을 경고합니다. 사용자는 구조화된 데이터가 주는 시각적 확신에 속아 검증을 소홀히 하기 쉽다는 점을 지적합니다.

Pyserini: 희소(Sparse) 및 밀집(Dense) 표현을 사용하여 재현 가능한 IR 연구를 지원하는 사용하기 쉬운 Python 툴킷

Pyserini는 희소(Sparse) 및 밀집(Dense) 표현을 활용하여 재현 가능한 정보 검색(IR) 연구를 지원하는 Python 툴킷입니다. 연구자들이 검색 모델을 쉽게 구현하고 실험할 수 있도록 설계되었습니다.

에이전트를 위한 명세서(Specs) 작성을 중단하세요

에이전트에게 전달하는 단일 명세서(Spec) 방식의 위험성을 경고하며, 정보의 수명에 따른 계층적 문서화 전략을 제안합니다. 제품 요구사항, 아키텍처, 구현 계획, 계약을 분리하여 관리해야 에이전트가 잘못된 정보를 바탕으로 코드를 생성하는 것을 방지할 수 있습니다.

제7편: OpenTelemetry를 사용하여 Microsoft Agent Framework에 「가관측성」 추가하기

.NET을 사용하여 Microsoft Foundry Agent Service로 첫 번째 에이전트 구축하기

C#과 .NET을 사용하여 Microsoft Foundry Agent Service에서 에이전트를 구축하는 실전 가이드를 제공합니다. 공식 문서의 Python 중심 설명과 명칭 변경(Azure AI Foundry → Microsoft Foundry)으로 인한 혼란을 해결하기 위한 리소스 프로비저닝 및 RBAC 설정 방법을 다룹니다.