10개 이상의 보안 수정의 이면: 자기 진화하는 Agent는 얼마나 쉽게 '왜곡'될 수 있는가

자기 진화형 Agent가 학습을 통해 스스로 워크플로우(Skill)를 재작성할 때 발생하는 보안 및 통제 리스크를 다룹니다. Agent가 사용자의 의도와 다르게 행동을 최적화하거나 보안 경계를 스스로 수정할 수 있는 위험성을 경고합니다.

Dify로 '회사의 매력을 전달하는 AI' 만들기 ~학생의 질문에 답변하는 채용 Q&A 앱~

Dify와 ChatGPT를 활용하여 채용 관련 질문에 자동으로 답변하는 FAQ AI 앱 제작 방법을 소개합니다. Markdown 형식의 데이터를 지식 베이스로 구축하고 Chatflow를 통해 RAG 기반의 답변 시스템을 구현하는 과정을 다룹니다.

Gemma4 12B의 양자화와 커스텀 에이전트처럼 사용할 수 있는 방법을 찾아보았다

Gemma4 12B 모델을 활용하여 커스텀 에이전트와 유사한 동작을 구현하는 방법을 탐구합니다. Continue의 Prompts와 Rules 기능을 조합하여 시스템 프롬프트의 한계를 극복하고 자동 로깅 규칙 등을 설정하는 실전 가이드를 제공합니다.

Visual Studio Code의 AI 확장 기능 continue와 로컬 LLM(Ollama + Gemma4 12b)을 사용하여 로컬에서

VS Code 확장 기능인 Continue와 Ollama를 활용하여 로컬 환경에서 Gemma4 12b 모델 기반의 AI 코딩 에이전트를 구축하는 방법을 소개합니다. GitHub Copilot의 제한을 피하기 위해 로컬 LLM을 사용하여 개인화된 개발 환경을 구성할 수 있습니다.

딸(5세)을 위한 AI 과외 선생님 만들기 ④ - 부활한 Fable 5의 활용법을 고민하다

AI 모델을 공정별로 분리하여 UI 리뉴얼을 진행하는 효율적인 워크플로우를 소개합니다. 설계 단계에는 고성능 모델을, 구현 단계에는 비용 효율적인 모델을 배치하여 작업의 정확도와 경제성을 동시에 확보하는 전략을 다룹니다.

Microsoft Agent Framework for Python의 1.0.0부터 1.10.0 버전까지의 주요 변경 사항을 사용자 관점에서 분석합니다. Semantic Kernel과 AutoGen의 장점을 통합한 차세대 에이전트 개발 환경의 특징과 버전별 이행 비용 및 도입 이점을 정리했습니다.

AI 모델의 서비스 중단이나 사용량 제한(Rate Limit) 상황에 대비하여, 업무별 주 모델과 대체 모델을 관리하고 위험도를 체크하는 Python 기반의 관리 시스템 구축 방법을 소개합니다.

AI로 인해 구현 비용이 낮아지면서 사양과 설계의 중요성이 간과되고 있습니다. 하지만 설계 없는 개발은 시스템의 복잡도를 높이고 유지보수를 불가능하게 만듭니다. '동작하는 것'과 '올바른 것'의 차이를 이해하고 사양과 설계를 정의해야 합니다.

AI 모델이 자신의 결과물을 검증할 때 발생하는 사각지대 문제를 해결하기 위해, 서로 다른 계통의 모델(Codex, GPT, Gemini 등)을 검품자로 사용하는 오픈소스 도구 loop-verify를 소개합니다. MCP 서버 형태로 동작하며 기존 자기 검증 루프에 즉시 적용할 수 있습니다.

한번 체험해 보세요 Db2 AI 에디션 #9 〜v12.1.5 신기능 편 Part#1〜

IBM Db2 12.1.5 릴리스를 통해 미션 크리티컬한 데이터 환경에 AI 기능을 통합하는 방법을 소개합니다. DiskANN 벡터 인덱싱, SQL 기반 AI 모델 네이티브 호출, 양자 보안 강화 및 OpenSearch/Elasticsearch 통합 등 주요 업데이트를 다룹니다.

oh-my-agent의 최신 업데이트를 통해 에이전트의 작업 연속성과 외부 도구 연동성이 대폭 강화되었습니다. Bluesky 연동, Claude 워크스페이스 자동 신뢰 기능, 그리고 에이전트의 최대 작업 턴 수 상향을 통해 복잡한 개발 워크플로우를 안정적으로 지원합니다.

AI가 자동 생성한 커밋 메시지 200건을 분류했더니 규약 준수는 4할뿐이었다

AI가 생성한 커밋 메시지 200건을 Conventional Commits 규약으로 분석한 결과, 완전 준수율은 43%에 불과했습니다. AI는 형식적인 접두사는 잘 갖추지만, 메시지의 길이, 명령형 사용, 단일 논점 유지 등 세부 규약 준수에는 한계를 보였습니다.

AI 에이전트 설계 시 프롬프트보다 중요한 'Loop Engineering'의 개념을 소개합니다. AI를 지속적으로 움직이게 하는 루프 구조에서 종료 조건 설정과 결정론적 검증의 중요성을 강조합니다.

Spec Kit의 `/speckit.specify` 명령어를 사용하여 사용자 관점의 명세서(spec.md)를 작성하는 방법을 설명합니다. 구현 방법(How)이 아닌 목적(What/Why)과 사용자 경험에 집중하여 요구사항을 정의하는 것이 핵심입니다.

Augment Cosmos는 개별 에이전트의 고립 문제를 해결하고 팀 단위의 생산성을 높이기 위해 설계된 에이전트형 소프트웨어 개발 OS입니다. 조직 공유 메모리와 3층 아키텍처를 통해 에이전트가 팀의 지식을 지속적으로 학습하고 공유할 수 있는 환경을 제공합니다.

Spec Kit의 초기화 과정에서 생성되는 .github, .specify, .vscode 디렉터리의 구조와 역할을 상세히 해설합니다. AI 에이전트, 프롬프트, 프로젝트 규칙이 어떻게 상호작용하여 작동하는지 분석합니다.