최근 개발자 커뮤니티에서 “Agentic Coding은 함정이다”, “인지 부채가 쌓이고 있다”, “토큰 비용이 지속 가능하지 않다” 같은 경고의 목소리가 빠르게 퍼지고 있다. GeepawHill의 글이 대표적이고, 여러 시니어 개발자들이 비슷한 우려를 제기한다. 이 경고들은 타당하다. 하지만 “그러니까 AI를 덜 쓰자”라는 결론에서 멈추면, 실제로...

노트북에서 직접 만드는 작은 언어 모델 — 데이터 · 토크나이저 · 트랜스포머 · 훈련 · 양자화 · 배포. 데이터 수집부터 토크나이저, 트랜스포머 구현, 훈련, 양자화, 배포까지 — 노트북 환경에서 작은 언어 모델을 직접 만들어보는 스터디입니다. 추가 정리 핵심 요약 Tiny LLM from Scratch는 작은 언어 모델을 직접 만들어...

LLM · RAG · Agent · 파인튜닝을 책처럼 읽고 실습으로 완성하는 스터디 가이드. LLM 기초부터 RAG, Agent, 파인튜닝까지 직접 실습하며 배우는 AI 어시스턴트 엔지니어링 스터디입니다. 추가 정리 핵심 요약 AI Assistant Engineering은 LLM, RAG, Agent, fine-tuning을 하나의 제품 ...

Agentic pattern은 복잡한 구조부터 고르는 것이 아니다. 비용, latency, 예측 가능성, 실패 복구 가능성을 기준으로 가장 단순한 구조부터 선택해야 한다. 어떤 패턴을 써야 할까? 원칙 위로 갈수록 단순 · 저렴 · 예측 가능, 아래로 갈수록 복잡 · 비싸지만 강력. 항상 위쪽부터 시도하고, 한계에 부딪힐 때만 아래로 내려가세요....

Agentic Workflow의 패턴은 결국 LLM + Tools + Memory + Retrieval 블록을 어떻게 연결하느냐의 문제다. 아래 8가지 패턴은 단순한 순차 처리부터 자율 실행, Human-in-the-Loop까지 복잡도가 점점 올라간다. 8가지 핵심 패턴 패턴 핵심 구조 적합한 상황 ...

LLM 시스템을 설계할 때 가장 먼저 정해야 할 것은 Workflow로 충분한지, Agent가 필요한지다. 대부분의 문제는 단일 LLM 호출, RAG, 정해진 workflow로 해결된다. Agent는 실행 중 판단과 도구 선택이 필요할 때만 추가하는 편이 안전하다. Workflow vs Agent Workflows는 미리 정의된 경로로 LLM을 오...

Agentic Workflow는 패턴 이름을 외우는 것보다 유즈케이스를 어떤 실행 구조로 바꿀지 판단하는 것이 중요하다. 같은 문제도 비용, 품질 기준, 실패 비용에 따라 다른 패턴을 선택할 수 있다. 실전 유즈케이스 매핑 Prompt Chaining 마케팅 카피 생성 브리프 → 아웃라인 → 초안 → 편집 → 번역. 각 단계 게이트로 품질 보장...

AI를 ‘도구’로 쓰는 팀에서, AI를 ‘전제’로 설계된 팀으로. 6가지 운영 원칙, 4가지 핵심 역할, 5단계 도입 로드맵까지. AI Native 팀의 정의, 운영 원칙, 실전 적용법, 도입 로드맵을 다루는 종합 가이드입니다. “각자 알아서 AI 써요”가 아니라, 팀의 일하는 방식 자체를 다시 설계하는 방법을 정리했습니다. Copilot을 쓰고...

한국 채용시장 데이터 기반. AI → DevOps → Backend → Frontend, 레벨별로 필요한 스킬과 증명 방법을 정리한 로드맵. 2026년 한국 채용시장 데이터를 기반으로 정리한 개발자 성장 로드맵입니다. AI / LLM Agent, DevOps / Infra, Backend, Frontend 4개 분야를 Junior → Mid → S...

Production RAG의 품질은 검색 단계에서 끝나지 않는다. 검색된 컨텍스트를 어떻게 생성 단계에 전달하고, 응답을 어떻게 평가하며, 운영 중 어떤 지표를 볼지가 함께 설계되어야 한다. Generation & Prompting 검색된 컨텍스트를 LLM에 효과적으로 전달하고, 충실한 응답을 생성하는 전략이다. Citation Promp...