【Frontend CSS – 파트 14】Style Query · Container Naming · 실전 패턴까지 철저 해설

Container Query를 활용하여 뷰포트가 아닌 부모 요소의 크기와 스타일에 따라 반응형 스타일을 적용하는 방법을 설명합니다. 컨테이너 선언 방법, 이름 지정(Naming)을 통한 정교한 쿼리 제어, 그리고 실전 활용 패턴을 다룹니다.

멀티 에이전트로 최적화하는 시스템 개발! LangChain과 RACI 모델을 통한 AI 활용 전략

단일 모델의 한계를 극복하기 위해 모델의 특성에 따라 그룹 A(설계)와 그룹 B(구현)로 나누어 멀티 에이전트 오케스트레이션을 구축하는 전략을 제안합니다. LangChain과 RACI 모델을 활용하여 문맥 손실을 최소화하고 할루시네이션을 시스템적으로 억제하는 워크플로우를 다룹니다.

고객의 목소리(VoC)를 AI로 분석할 때 단순 요약을 넘어 실질적인 업무 대응으로 연결하기 위한 데이터 구조 설계 방법을 제안합니다. 프롬프트 작성에 앞서 CSV 열을 체계적으로 정의하여 분석 결과가 액션 아이템으로 이어지도록 하는 것이 핵심입니다.

AI를 활용한 문의 분류 시스템 설계 시 프롬프트보다 JSON 스키마를 통한 구조화된 출력(Structured Output)이 중요함을 강조합니다. 데이터의 재사용성과 업무 시스템 연동을 위해 카테고리, 우선순위, 담당자 등을 분리하여 설계해야 합니다.

watsonx.ai 모델을 watsonx Orchestrate의 Tool로 사용하기 — OpenAPI 파일 한 장으로 연결하는 방법

watsonx.ai의 LLM을 watsonx Orchestrate의 에이전트용 Tool로 통합하는 방법을 설명합니다. OpenAPI 사양 파일을 활용하여 복잡한 인증 및 설정 과정을 간소화하고, 템플릿을 통해 에이전트가 모델을 자율적으로 호출할 수 있는 연동 절차를 안내합니다.

Claude의 File API를 활용하여 Google Workspace(GWS) 감사 로그 CSV를 대화형으로 심층 분석하는 설계 패턴을 소개합니다. 탐색 단계에서는 File API를, 정기적인 자동화 보고서에는 Batch API를 사용하는 실무적인 조합 방식을 제안합니다.

vLLM Semantic Router가 공개한 'Fusion'은 단일 모델 선택 방식에서 벗어나 여러 모델의 답변을 병렬로 처리하고 심판 모델이 이를 합성하는 새로운 라우팅 방식을 제안합니다. 이를 통해 Mixture-of-Agents 개념을 실무 운영 가능한 수준의 설정만으로 구현할 수 있게 합니다.

IBM Spyre AI 가속기를 활용하여 Granite 4.1 모델 기반의 추론 서버를 구축하고, 발주서 텍스트에서 엔티티를 추출하는 실습 가이드를 제공합니다. vLLM 백엔드와 Red Hat AI Inference를 사용하여 OpenAI 호환 API 환경을 구성하는 방법을 다룹니다.

포트폴리오의 AI 예약 기능을 60개의 에이전트로 보안 감사하여 Critical 취약점을 발견한 이야기

Next.js, Mastra, DeepSeek을 활용하여 자연어 채팅으로 Google Calendar 예약을 수행하는 AI 에이전트 기능을 구현했습니다. 60개의 에이전트를 동원한 보안 감사로 Critical 취약점을 발견하고 해결하는 과정을 다룹니다.

ChatGPT API에서 긴 문장 요약이 중간에 끊기는 문제: finish_reason으로 감지하여 분할하기

ChatGPT API 사용 시 출력 토큰 제한으로 인해 요약이 중간에 끊기는 문제를 해결하는 방법을 다룹니다. finish_reason을 통한 미완성 감지와 텍스트 분할(Chunking) 및 오버랩(Overlap) 기법을 활용한 단계적 요약 전략을 제시합니다.

ChatGPT를 이용한 HTML/CSS 수정 시 !important 남용으로 인한 버그를 방지하기 위한 프롬프트 전략을 소개합니다. CSS @layer를 활용하여 우선순위를 체계적으로 관리하도록 지시함으로써 코드의 가독성과 유지보수성을 높이는 방법을 제안합니다.

RAG의 한계를 극복하기 위한 Corrective RAG 및 Self-RAG 설계와 멀티 에이전트 간의 협업 루프 구현 방법을 다룹니다. 검색 결과의 품질 판정, 쿼리 재구성, 에이전트 간의 합의 형성 과정을 통해 AI 시스템의 신뢰성을 높이는 기술적 방안을 제시합니다.

Junie CLI의 Debug mode로 테스트 조사 방식이 개선된 이야기

JetBrains의 AI 코딩 에이전트인 Junie의 정식 출시와 함께, CLI의 Debug mode를 활용하여 간헐적으로 실패하는 Flaky 테스트를 조사하는 방법을 소개합니다. 디버거를 통해 실행 상태를 직접 확인하며 테스트 실패의 근본 원인을 파악하는 과정을 다룹니다.

Anthropic SDK v0.112.0 (Python) / v0.106.0 (TypeScript) 출시 — 스트리밍 중 시스템 메시지 수신

Anthropic의 Python 및 TypeScript SDK가 업데이트되었습니다. 이번 업데이트를 통해 스트리밍 중 시스템 메시지를 실시간으로 수신할 수 있게 되어 에이전트 개발의 응답성이 향상되었습니다.

【생성 AI】 바이브 코딩(Vibe Coding)과 Excel VBA 난립의 공통점에 대하여

생성 AI를 활용해 분위기와 기세로 코드를 작성하는 '바이브 코딩'이 과거 Excel VBA의 난립 사례와 유사한 기술적 부채를 초래할 수 있음을 경고합니다. 현장의 즉각적인 문제 해결에는 유용하지만, 코드 품질 저하와 관리되지 않는 '야생 앱'의 위험성을 분석합니다.