AI Agent에게 맡기기 전에, "내가 리뷰할 수 있는 크기"까지 작게 만들기

AI Agent를 활용할 때 발생하는 과도한 코드 생성 문제를 해결하기 위해, 업무 단위를 '리뷰 가능한 크기'로 작게 나누는 설계의 중요성을 강조합니다. AI의 생성량보다 불확실성을 낮추는 데 집중해야 함을 설명합니다.

【Dify】PC 환경 및 네트워크 문의 자동화! 자주 묻는 질문에 답해주는 RAG 앱을 만들어 보았다

Dify 플랫폼을 활용하여 사내 IT 관련 자주 묻는 질문(FAQ)을 자동화하는 RAG 앱 구축 방법을 소개합니다. 텍스트 파일을 기반으로 지식 데이터베이스를 생성하고 하이브리드 검색을 설정하는 과정을 다룹니다.

Hermes Agent v0.17은 1인 기업의 업무 효율을 극대화하기 위해 백그라운드 자식 Agent, 자동화 블루프린트, iMessage 통합 기능을 제공합니다. 특히 백그라운드 실행 기능을 통해 사용자가 Agent의 작업 완료를 기다리지 않고 다른 업무를 병행할 수 있도록 설계되었습니다.

AI가 생성한 코드의 타당성을 검증하는 능력을 생각하다 보니, 제 존재 의미가 게슈탈트 붕괴했습니다

AI가 코드를 생성하는 시대에 엔지니어가 직면한 '평가력 위기'와 '자동화의 역설'을 다룹니다. 코드를 작성하는 비용은 낮아졌으나, AI가 만든 복잡한 시스템의 타당성을 검증해야 하는 인간의 인지적 부담과 교육적 모순을 분석합니다.

AI 에이전트가 작성한 코드의 빠른 구현 속도로 인해 발생할 수 있는 보안 위험을 방지하기 위해, 기존 개발 워크플로우(PR)에 보안 게이트를 삽입하는 전략을 제안합니다.

로컬 AI 구동의 두 가지 대표 방식인 Lenovo AI Now와 Ollama를 비교 분석합니다. 사용자 편의성과 문서 연계에 특화된 턴키형 솔루션과 모델 선택의 자유도가 높은 개발자용 프레임워크의 차이점을 다룹니다.

코딩 에이전트의 스테이트리스(Stateless) 특성으로 인한 기억 상실 문제를 해결하기 위한 agentmemory와 claude-mem의 설계 차이를 분석합니다. 두 도구 모두 MCP와 훅을 활용해 에이전트의 활동을 관측하고 요약하여 외부 기억으로 저장하는 방식을 취합니다.

프롬프트 엔지니어링은 끝났는가? —— AI 개발의 주역이 「Prompt」에서 「Rules / Skills / Context / Quality

AI 개발의 중심이 단순 프롬프트 엔지니어링에서 규칙(Rules), 기술(Skills), 문맥(Context), 품질 게이트(Quality Gate) 설계로 이동하고 있습니다. 프롬프트에 담겼던 품질 기준이 외부화·자산화되면서, AI가 안정적으로 작동할 수 있는 워크플로우와 환경을 구축하는 것이 핵심이 되었습니다.

AI가 생성한 보고서의 할루시네이션 문제를 방지하기 위해, 출처가 누락된 행을 자동으로 찾아내는 Python 스크립트 활용법을 소개합니다. 숫자, 특정 조사, 시장 규모 언급 등이 포함되었음에도 URL이나 출처가 없는 문장을 식별하여 자료의 신뢰도를 높입니다.

SEO와 GEO의 차이점 실례를 통해 알아보기 — 동일한 기사를 「검색용」과 「AI 인용용」으로 나누어 쓰는 법

검색 엔진 최적화(SEO)와 생성 AI 최적화(GEO)의 차이점을 분석하고, 두 전략을 동시에 달성하기 위한 하이브리드 콘텐츠 구조를 제안합니다. AI 인용률을 높이기 위해 결론 우선 제시와 구조화된 데이터 활용의 중요성을 강조합니다.

AI로 인간의 코딩 능력은 떨어지는가? —— 진정으로 물어야 할 것은 「AI를 포함한 개발 팀 설계」가 아닌가

AI 도입을 단순한 도구 활용을 넘어 개발 프로세스 전체에 통합하는 '팀 설계' 관점의 중요성을 다룹니다. AI를 작업자가 아닌 개발 플로우의 일부로 포함시키고, 품질 관리 기준을 정의하는 인간의 역할 변화를 강조합니다.

LLM의 '판단 망각'을 방지하는 Decision Memory를 만들었다 — RAG로는 해결할 수 없는 문제

LLM의 장기적인 연구 개발 과정에서 발생하는 '판단 망각' 문제를 해결하기 위한 Decision Memory 구조를 제안합니다. 단순 정보 검색인 RAG와 달리, 판단의 근거와 인과 관계를 구조화하여 추론 시 제약 조건으로 변환하는 것이 핵심입니다.

Oracle GDAI로 실현하는 글로벌 분산 AI 데이터베이스 정리해 보기

Oracle의 GDAI(Globally Distributed Autonomous AI Database) 솔루션의 특징과 기술적 요소를 정리합니다. 글로벌 분산 데이터베이스 기술과 자율 운영 기능, 그리고 AI 기능을 결합하여 미션 크리티컬한 애플리케이션을 지원하는 방식을 다룹니다.

TypeScript로 시작하는 AI 에이전트 개발

TypeScript 기반의 AI 에이전트 개발 라이브러리인 Pi SDK를 사용하여 코딩 에이전트를 구현하는 방법을 소개합니다. SDK의 주요 패키지 구성과 이를 활용해 CLI 형태의 최소 에이전트를 단계적으로 구축하는 과정을 다룹니다.

연재: AI에게 일자리를 빼앗길 불안으로부터 시작하는 하네스 작성 입문 제9회 - RAG / Knowledge MCP가 SE 경험자에게 적합한

SE(시스템 엔지니어)의 기존 직무 경험이 RAG 및 Knowledge MCP 활용에 어떻게 강력한 무기가 될 수 있는지 설명합니다. 데이터 설계, 문서 관리, CRUD 조작 등 SE의 멘탈 모델을 AI 지식 관리 시스템에 적용하는 방법을 다룹니다.

Notion의 MCP 도구인 'notion-get-async-task'가 공식 Changelog에서 삭제되었습니다. 이 도구는 비동기 태스크의 상태를 모니터링하는 데 사용되었으며, 관련 워크플로우를 구축 중인 개발자는 의존성을 즉시 점검해야 합니다.