Insights

토목 사업 관리 RAG 시스템 구축 가이드

토목 사업 관리를 위한 RAG(Retrieval-Augmented Generation) 시스템 구축 과정을 다룬 가이드입니다. 아키텍처 설계부터 지식 정리 7단계 절차, 멀티 에이전트 확장 방법까지 상세한 구현 단계를 설명합니다.

PlanGate v3에서 v8.6까지의 설계 변천: AI 코딩 통제 하네스는 어떻게 성장했는가

PlanGate가 v3에서 v8.6까지 1개월간 AI 코딩 에이전트를 통제하기 위한 '컨트롤 하네스'로 진화한 과정을 다룹니다. 단순 실행을 넘어 승인, 모드 분류, 실행층, 검증 체계라는 4가지 설계 축을 중심으로 발전해 온 설계 변천사를 회고합니다.

Make를 사용하여 Slack 멘션으로부터 Google Calendar 일정을 가져와 퇴근 시 근태 회고를 자동화하기

Make를 활용하여 Slack 멘션 시 Google Calendar의 당일 일정을 자동으로 가져와 채널에 공유하는 자동화 워크플로우 구축 방법을 설명합니다. 노코드 도구를 통해 Webhook, Router, API 연동을 조합하여 퇴근 전 근태 회고를 효율화할 수 있습니다.

Claude Opus 4.7과 GPT-5.5 Instant를 병용하는 '3층 리뷰' 워크플로우를 시도해 보았다

Claude Opus 4.7과 GPT-5.5 Instant의 강점을 결합한 '3층 리뷰' 워크플로우를 소개합니다. 모델별 특성에 맞춰 초안 작성, 감수, 요약 단계를 분리하여 파이프라인을 구축함으로써 작업 품질과 효율을 높이는 방법을 다룹니다.

Group DRO 논문 해설: 과잉 매개변수화 모델의 최악 그룹 일반화

Sagawa et al.의 논문을 통해 과잉 매개변수화된 모델에서 Group DRO 적용 시 정규화의 중요성을 분석합니다. 가짜 상관관계로 인한 그룹 시프트 문제를 해결하기 위해 최악 그룹의 손실을 최소화하는 메커니즘을 다룹니다.

worktree auto-cleanup 11개 사례 실증 확정 · SKILL.md와 인간용 docs의 책임 분리

Claude Code v2.1.149의 보안 업데이트로 인한 worktree 샌드박스 변화를 분석하고, worktree 자동 삭제 동작을 실증하여 에이전트 스킬의 cleanup 절차를 최적화했습니다. 또한 LLM용 SKILL.md와 인간용 문서의 역할을 분리하는 문서 계층 구조론을 제안합니다.

AI 팀으로 게임 개발하기 (Claude Code Agent Teams + Godot)

Claude Code Agent Teams의 실험적 기능을 활용하여 팀 리더, 디자이너, 프로그래머 역할을 수행하는 AI 에이전트 팀을 구성하고, Godot 엔진과 PixelLab MCP를 연동하여 게임을 개발하는 방법을 소개합니다.

5월 24일1

Gemini의 신규 모델 감지부터 간이 평가까지 대시보드화하기

Gemini API의 모델 목록을 스냅샷으로 관리하고, 신규 모델 및 에러 발생 모델을 자동으로 감지하여 평가하는 로컬 도구와 대시보드를 구축하는 방법을 소개합니다. 모델별 점수, 지연 시간, 에러율 등을 시각화하여 비교할 수 있습니다.

컨텍스트 엔지니어링은 7가지 요소의 조합 ── 구성도를 통해 보는 전체상

컨텍스트 엔지니어링을 단순한 프롬프트 작성을 넘어 7가지 핵심 요소를 조합하는 시스템 설계 관점에서 분석합니다. System Prompt, Few-shot, RAG 등 각 요소의 역할과 상호작용을 통해 프로덕션 수준의 AI 시스템을 구축하는 방법을 제시합니다.

토큰 84% 감소 + 장시간 연속 자율 주행을 실현한 AI 워커의 Cycle 운용 (Codex CLI)

Codex CLI를 활용하여 토큰 소비를 84% 절감하고 자율 주행 시간을 극대화한 'Cycle' 운용 패턴을 소개합니다. Parent 모델이 절차를 설계하고 소형 Worker 모델이 구현을 담당하는 역할 분담을 통해 효율적인 AI 에이전트 협업 구조를 구축했습니다.

AI에게 '부탁'에서 '위임'으로: 에이전트 시대의 프롬프트 설계 노트

에이전트 시대에 맞춰 LLM을 단순 요청 대상이 아닌 '절차 위임'의 대상으로 다루는 프롬프트 설계법을 소개합니다. Goal, Deliverable, Fallback의 3요소를 활용해 인간의 개입을 줄이고 작업 효율을 극대화하는 전략을 다룹니다.

Microsoft MAI-Image-2 입문 — Arena.ai 3위 AI 이미지 생성 API를 Python으로 구현하기

Microsoft의 새로운 이미지 생성 모델인 MAI-Image-2의 특징과 Python API 구현 방법을 소개합니다. Arena.ai 3위에 오른 이 모델은 뛰어난 포토리얼리즘과 이미지 내 텍스트 생성 능력을 갖추고 있습니다.

고양이 두 마리를 구별하는 카메라 만들기 (1) ── Raspberry Pi 4 + Coral 환경 구축

Raspberry Pi 4와 Coral USB Accelerator를 활용하여 고양이를 식별하고 녹화하는 AI 카메라 시스템 구축 과정을 다룹니다. 하드웨어 구성부터 OS 셋업, HDD를 루트 디스크로 설정하는 환경 구축 단계까지 상세히 설명합니다.

worktree의 '바톤터치(Handoff)' 문제를 자체 skill · Codex · Augment로 비교하며 반성하다

Claude Code의 worktree 활용 시 발생하는 작업 문맥(context) 인계 문제를 Codex app의 Handoff 기능과 Augment의 아키텍처를 통해 분석하고 반성합니다. 단순한 디렉토리 분리를 넘어, 작업 세션을 다른 터미널이나 환경으로 어떻게 효율적으로 이송할 것인가에 대한 기술적 통찰을 다룹니다.

독립된 컨텍스트의 subagent에는 grill-with-docs를 전달하라

독립된 컨텍스트로 동작하는 subagent의 한계를 극복하기 위해 grill-with-docs 기술을 활용하는 방법을 제안합니다. 암묵적인 전제를 CONTEXT.md나 ADR 같은 외부 문서로 명시화하여 subagent에게 전달함으로써 작업의 정확도를 높일 수 있습니다.

「올바른 모델」이란 무엇인가 — Code with Claude London 2026에서 사고방식이 한 단계 업데이트된 이야기

Anthropic의 Lucas Smedley가 진행한 'Code with Claude London 2026' 세션을 바탕으로, 새로운 모델 출시 시 유스케이스에 맞는 최적의 모델을 선정하는 재현 가능한 프로세스를 소개합니다. 단순 벤치마크를 넘어 자체적인 Eval(평가) 구축과 모델 스윕의 중요성을 강조합니다.

당신은 「Fact-Forcing Gate」를 알고 있는가 — Claude Code에서 AI에게 사실을 신고하게 만드는 Hook

Claude Code 사용 시 AI가 사실 관계를 확인하지 않고 코드를 수정하여 발생하는 오류를 방지하기 위한 'Fact-Forcing Gate' Hook을 소개합니다. ECC 플러그인을 통해 파일 수정 전 AI가 영향 범위를 스스로 신고하도록 강제하여 작업의 정확도를 높이는 방법을 다룹니다.

AI의 제안에 사용자가 동의했다는 증적을 남기는 MCP를 만들었다

AI 에이전트가 수행하는 작업에 대해 사용자의 동의를 기록하고 증적을 남길 수 있는 MCP(Model Context Protocol) 서버 구현 사례를 소개합니다. GitHub의 커밋 히스토리를 활용하여 위조가 어려운 감사 로그를 생성하는 메커니즘을 다룹니다.

사용자의 한마디로 10.8k tokens를 절감한 이야기 ── Built-in과 충돌하여 skill 이름을 변경한 이야기

Claude Code용 프레임워크인 C3를 개발하며 겪은 컨텍스트 최적화와 명령어 충돌 해결 과정을 다룹니다. 특정 에이전트 전용 규칙 파일이 모든 세션에서 로드되어 발생하는 10.8k tokens의 낭비를 해결하고, Claude Code의 내장 명령어 추가에 따른 skill 이름 변경 사례를 공유합니다.