3.STUDY는 교육 과정이나 프로젝트에 직접 묶이지 않는 개인 학습 글을 모아두는 공간이다. 1.TIL은 수업과 과정 기반 기록, 2.PROJECT는 프로젝트 결과와 회고, 3.STUDY는 AI 엔지니어링 주제를 따로 공부하며 정리한 글로 구분한다. 카테고리 구조 3.STUDY 3-1.PYTHON 3-2.RAG 3-3....

모델 ID만 최신으로 바꿨는데 결과가 더 나빠지는 경험을 했다면, 버그가 아니다. 프롬프트를 그대로 둔 게 문제다. 2026년 상반기에 나온 Claude Opus 4.8과 GPT-5.5는 약속이라도 한 듯 같은 방향으로 진화했다. 그리고 두 회사 모두 공식 문서에서 비슷한 말을 한다 — “예전 프롬프트는 이제 오히려 방해가 된다.” 이 글의 테제는...

“오픈소스 AI 에이전트 하나 골라서 셀프 호스팅하면 되겠지.” 나도 그렇게 생각했다. OpenClaw를 깔고, Docker로 띄우고, Telegram 채널을 연결했다. 잘 돌아갔다. 한동안은. 그런데 쓰다 보니 질문이 바뀌었다. “어떻게 연결하지?”에서 “어떻게 더 똑똑하게 만들지?”로. OpenClaw는 게이트웨이를 안정적으로 운영하는 데 최적...

“LLM API 연결하고 프롬프트 잘 쓰면 에이전트 완성.” 6개월 전까지는 이 공식이 통했다. 지금은 아니다. 2025년 12월, Agentic AI Foundation(AAIF)이 Linux Foundation 산하에 출범했다. 창립 멤버는 AWS, Anthropic, Google, Microsoft, OpenAI, Block, Cloudfla...

GraphRAG는 RAG에 지식 그래프를 결합해 관계 추론과 구조화 질의를 강화하는 접근이다. 단순 문서 검색에는 vector RAG가 충분할 수 있지만, 관계 경로, 집계, 스키마 기반 질문에서는 graph 구조가 강점을 가진다. GraphRAG: 지식 그래프 + RAG 정리한 벤치마크 기준으로는 질문 유형에 따라 Vector RAG와 Graph...

온톨로지와 지식 그래프는 데이터를 단순 텍스트가 아니라 개념과 관계의 구조로 다루기 위한 방법이다. RAG가 문서 검색을 중심으로 움직인다면, 지식 그래프는 entity와 relation을 명시적으로 연결한다. 이 글은 ontology, knowledge graph, triple, schema 설계를 이해하기 위한 기본 개념을 정리한다. 온톨로지와...

Knowledge Graph를 처음 만들 때는 거대한 ontology부터 설계하지 않는 편이 좋다. 이미 있는 DB schema나 업무 문서에서 entity와 relation을 뽑고, 작은 graph로 효과를 확인하는 순서가 더 현실적이다. 실전: 어디서부터 시작할까 온톨로지를 처음 만드는 사람을 위한 단계별 접근이다. DB 스키마에서 시작하라 ...

AI가 안 되는 건 모델 탓이 아니다. 60%의 AI 프로젝트가 포기되는 진짜 이유와 데이터를 AI-Ready로 만드는 5가지 기준, 진단 플로우, 구조화 단계를 정리한 가이드. AI를 붙여도, RAG를 붙여도 안 되는 이유는 대부분 데이터입니다. AI-Ready Data의 5가지 기준(가용성, 품질, 구조, 거버넌스, 유스케이스 정렬), “안 될...

AI Experience(AX)를 제대로 활용하기 위해 필요한 Developer Experience(DX) 기반 10가지와 실전 체크리스트. AX(AI Experience) 열풍 속에서 DX 기반 없이 뛰어든 사람들이 반복적으로 겪는 6가지 문제, AX 시대에 맞게 재정의된 DX 10가지 기반, 그리고 자가 진단 체크리스트를 정리했습니다. AX(...

AI Product Engineer - Interactive Learning System 이 저장소는 AI Literacy / LLM Product Engineering 과정의 Obsidian 학습 노트 볼트이자 인터랙티브 학습 시스템입니다. Quick Start /learn - 주차별 순서대로 학습 시작 /review - 복습 퀴즈 모...