
Kanana-o 신규 모델 및 API 베타 서비스를 공개합니다.
X

X

에이전트 루프는 새로운 이론보다 기존 반복문과 상태 관리 패턴의 재조합에 가깝다고 정리했습니다. 채널톡은 질문 응답용 Loop와 액션 처리용 Task를 분리해 종료 조건과 안전성을 보강했습니다.

에이전트 루프를 Ralph Loop, OpenClaw 사례로 살펴보며 반복과 종료 설계의 중요성을 정리했습니다. 질문 응답과 작업 처리를 분리하고, maxTurns 같은 안전장치를 두는 접근을 제안했습니다.

BDA 2.0 서비스와 자연어-SQL 변환 기반 LLM 에이전트의 탄생 배경을 소개했습니다. 도메인 전문가와 개발자의 협업으로 도메인 특화 에이전트를 만드는 과정을 다뤘습니다.


Kiro Subagent와 멀티 에이전트 구성을 활용해 개발 워크플로우를 구조화하는 방법을 소개했습니다. 코드 리뷰, QA, 문서화를 분리해 품질과 보안을 체계적으로 높이는 흐름을 설명했습니다.

RAG가 단순 검색을 넘어 개인 데이터와 실시간 컨텍스트를 통합하는 방향으로 진화하고 있음을 설명했습니다. Personal Context RAG를 실현하기 위한 접근의 필요성도 함께 제시했습니다.
무신사가 LLM 기반 코드 리뷰를 GitHub Actions와 Composite Action으로 표준화해 전사 인프라로 구축했습니다. 봇 노이즈 정리와 팀별 유연성을 함께 확보해 운영 가능한 AI 리뷰 체계를 만들었습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Astronomer Agents로 Airflow 작업의 작성, 테스트, 디버깅 방식이 달라질 수 있음을 소개했습니다. 또한 마이그레이션과 데이터 웨어하우스 분석까지 지원하는 핵심 기능을 설명했습니다.

AI-RAN 시대를 대비해 기지국 내 AI 모델의 추론 가속화와 On-Site Training을 연구하는 글입니다. 엣지 환경에 맞는 모델 적용과 현장 학습 가능성을 다룹니다.


2명이 7주 동안 AI-DLC와 Kiro, Claude Code, Linear를 조합해 Agentic AI 플랫폼을 구축했습니다. 문서화와 이슈 추적으로 모호한 요구를 구체화하고 개발 생산성을 높인 사례입니다.
영업담당자가 직접 AI 에이전트 6개를 활용해 B2B CRM과 영업 자동화 도구를 구축했습니다. 리드 수집부터 회신 추적까지 영업 전 과정을 시스템화하며 운영 부담을 줄였습니다.

AI 코딩 도구가 MSA 환경의 숨은 의존성을 놓치는 문제를 짚고, 그래프 RAG로 영향 범위를 추적하는 Channel Knowledge 구축 과정을 설명했습니다. 코드 분석과 도메인 지식, Neo4j, MCP를 결합해 안전한 변경을 돕는 방법을 공유했습니다.