FETCH APPROXIMATE (EXACT)와 옵티마이저 힌트 중 어느 것이 우선되는가

Oracle AI Vector Search에서 FETCH 절의 EXACT/APPROXIMATE 설정과 옵티마이저 힌트 간의 우선순위를 실험합니다. 실험 결과, FETCH EXACT 설정 시에는 인덱스 사용 힌트가 무시되지만, FETCH APPROXIMATE 설정 시에는 인덱스 미사용 힌트가 우선 적용됨을 확인했습니다.

【RAG 성능 향상】 문서 청킹(Chunking) 최적화 기법을 코드를 포함하여 해설

RAG 시스템의 검색 정밀도를 결정짓는 핵심 요소인 문서 청킹(Chunking) 최적화 기법을 소개합니다. 재귀적 분할, 세만틱 청킹, 구조화 분할의 특징과 구현 코드를 통해 문서 성격에 맞는 최적의 분할 전략을 제시합니다.

일본어 회의용 AI 회의록을 설계할 때 실제로 효과적이었던 3가지 판단

일본어 회의록 AI를 설계할 때 실무 효율을 높이기 위한 3가지 핵심 설계 원칙을 소개합니다. 구조화된 요약 포맷, 화자 분리 및 문체 유지, 그리고 데이터 보안을 고려한 아키텍처 설계를 강조합니다.

개인 이용에서 조직 이용으로 확장하는 kintone MCP Server 사용법

kintone MCP Server를 활용하여 개인의 AI 활용 사례를 조직 단위로 확장하는 방법론을 다룹니다. 로컬 MCP의 한계를 극복하기 위해 AI 업무 허브를 매개로 Teams나 Slack 같은 업무 채널과 연동하는 접근 방식을 소개합니다.

SQL 인덱싱을 위한 AI 에이전트 스킬 모음

SQL 인덱스 설계를 최적화하기 위한 실전 가이드와 리포지토리를 소개합니다. 복합 인덱스 설계부터 커버링 인덱스, 전문 검색, 유지보수까지 MySQL/InnoDB 환경에서의 4단계 로드맵을 다룹니다.

Python을 사용하여 액세스 로그 내 AI 도구의 허가 도메인 사용 여부를 식별하는 방법을 소개합니다. 서브도메인 일치 여부를 정확히 판별하는 로직을 통해 보안 및 감사 프로세스를 효율적으로 구축할 수 있습니다.

한번 체험해 보자 Db2 AI 에디션 #10 〜SQL로 생성형 AI 편 Part#1〜

Db2 for LUW v12.1.5에서 제공하는 LLM 통합 기능을 통해 미들웨어 없이 SQL만으로 생성형 AI를 호출하는 방법을 소개합니다. HTTP 클라이언트나 인증 관리 같은 복잡한 인프라 코드 없이 데이터베이스 내에서 직접 모델을 제어할 수 있습니다.

불안 장애를 가진 경영자가 신규 클라이언트와의 첫 면담이 두려웠던 이야기와 AI로 만든 면담 준비 프로토콜

불안 장애를 겪는 경영자가 AI 프롬프트를 활용해 신규 클라이언트 면담의 불확실성을 해소하고 심리적 안정을 찾는 과정을 다룹니다. AI를 통해 상대 분석, 시나리오 시뮬레이션, 대응 프로토콜을 구축하여 뇌의 편도체 과활성화를 제어하는 실용적인 방법을 제시합니다.

「루프 엔지니어링 (Loop Engineering)」을 업무 도메인에 도입하면 무엇이 변하는가 ── TechHive Agent의 설계를 통해

프롬프트 입력을 넘어 AI가 스스로 사이클을 돌리도록 설계하는 '루프 엔지니어링' 패러다임을 소개합니다. TechHive Agent의 사례를 통해 트리거, 에이전트, 검증기, 상태 관리라는 4가지 핵심 요소를 업무 도메인에 적용하는 설계 방식을 설명합니다.

Agentforce 테스트 센터 업데이트 정리 | 대화 수준 테스트·평가 실전 가이드

2026년 4월 업데이트된 Agentforce 테스트 센터의 주요 기능과 사용법을 정리합니다. Agentforce Studio로의 통합, 대화 수준 테스트, 실행 이력 확인 등 에이전트 품질을 대량으로 검증할 수 있는 환경을 제공합니다.

CosmoGenesis AI 구현론――Google Colab으로 만드는 우주 생성 지성과 생성 시뮬레이션 앱 (제1회/서장 <전 14회>)

CosmoGenesis AI는 기존 생성 AI의 데이터 중심 접근을 넘어, 우주의 생성 규칙과 구조 자체를 시뮬레이션하는 새로운 지성 모델을 제안합니다. Python과 Google Colab을 활용하여 수리적 이론을 소프트웨어로 구현하고 가시화하는 과정을 다룹니다.

FBI FLASH 경고: TeamPCP의 공급망 웜과 AI 에이전트 설정 파일 오염: GitHub Actions/CI 방어 체크리스트

FBI가 TeamPCP 공격 그룹의 공급망 웜(Supply Chain Worm)에 대한 FLASH 경고를 발표했습니다. GitHub Actions와 AI 에이전트 설정 파일을 노리는 이 공격은 npm/PyPI 패키지를 통해 확산되며, CI/CD 파이프라인과 인증 정보를 탈취하는 것을 목표로 합니다.

생성형 AI와 2주간의 논의를 거쳐 2일 만에 구현 및 공개 ─ sql.js × Go × PostgreSQL로 만드는 SQL 학습 서비스

생성형 AI와의 설계 논의를 통해 2일 만에 구현한 SQL 학습 서비스 'kufu:SQL'의 개발 사례를 소개합니다. sql.js와 WebAssembly를 활용해 브라우저 내에서 SQL을 실행함으로써 서버 부하와 보안 리스크를 최소화한 아키텍처를 제안합니다.

연재: AI에게 일자리를 빼앗길 불안으로부터 시작하는 하네스 작성 입문 제11회 - 로컬 LLM을 사용해야 하는 상황과 외부 LLM에 맡기는

AI 하네스 구축 시 로컬 LLM과 외부 API 모델 중 적절한 것을 선택하기 위한 판단 기준을 제시합니다. 비용, 레이턴시, 프라이버시, 정밀도라는 4가지 축을 통해 태스크별 최적의 모델을 결정하는 방법을 다룹니다.

기존 VBA 관리 도구를 MCP(Model Context Protocol) 서버로 전환하여 GitHub에 공개한 과정을 다룹니다. MCP 서버를 통해 AI가 Excel과 COM 연결을 유지하며 도구를 호출하게 함으로써, 반복적인 연결 비용을 제거하고 작업 속도를 10배 이상 향상시켰습니다.

New Relic MCP의 답변 정밀도를 향상시키는 프로파일 소개

New Relic MCP와 AI IDE Kiro의 연동을 통해 개발 환경 내에서 옵저버빌리티 데이터를 활용하는 방법을 소개합니다. 특히 MCP 기반의 프로파일 설정을 통해 AI 에이전트의 답변 정밀도를 높이고 SRE 업무를 자동화하는 기술적 상세를 다룹니다.

AI가 엉뚱한 답변을 하는 원인의 대부분은 모델이 아니라 '검색'입니다 — RAG 정밀도를 높이기 위한 실전 가이드 (청크 설계·하이브리드

RAG 시스템의 오류 중 약 73%는 모델의 생성 능력이 아닌 검색 단계에서 발생합니다. 본 가이드는 청크 설계, 하이브리드 검색, 리랭크, 평가라는 4가지 핵심 요소를 통해 RAG의 정밀도를 높이는 실전 방법을 다룹니다.

LLM을 활용해 Android 자동화 워크플로우 초안을 생성할 때, 발생할 수 있는 불확실성을 Graph View로 시각화하여 리뷰하는 방법론을 제안합니다. 단순 실행보다는 노드, 분기, 정지 조건을 시각적으로 검증함으로써 자동화의 신뢰성을 높이는 프로세스를 강조합니다.