필터 0
선택된 필터 없음
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
QueryPie
아키텍처

코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로

AI 에이전트의 자율 실행이 기존 DevSecOps 통제를 우회할 수 있다는 문제를 짚고, AgentSecOps를 실행 시점 보안 계층으로 제안했습니다. 또한 PDP, PBAC, PEP, PIP를 중심으로 한 통제 구조와 MCP 기반 상용화 방향을 설명했습니다.

#LLM#DevSecOps
15005분
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
QueryPie
AI

코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로

AI 에이전트의 자율 실행이 기존 DevSecOps의 통제를 벗어나는 문제를 다루었습니다. 실행 시점 정책 평가와 감사 로깅을 담당하는 AgentSecOps와 PDP·PBAC·PEP·PIP 구조를 제안했습니다.

#AgentSecOps#DevSecOps
19005분
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
QueryPie
AI

코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로

AI 에이전트의 자율 실행이 기존 DevSecOps의 통제를 벗어나는 문제를 설명했습니다. 실행 시점 정책 평가와 감사 로깅을 중심으로 AgentSecOps와 MCP 기반 통제 구조를 제안했습니다.

#LLM#MCP
75005분
User-Agent vs. Feature Detection: 무엇을 언제 어떻게 써야 할까?
데보션
프론트엔드

User-Agent vs. Feature Detection: 무엇을 언제 어떻게 써야 할까?

브라우저와 기기 환경에 따른 기능 제공 방식으로 User-Agent Sniffing과 Feature Detection을 비교했습니다. 기본적으로는 Feature Detection을 우선하고, 필요할 때만 User-Agent 계열 정보를 제한적으로 활용하는 방향을 권장했습니다.

#User-Agent#Feature Detection
119005분
레거시 탈출! 추천 구좌 시스템 개선기
펫프렌즈
백엔드

레거시 탈출! 추천 구좌 시스템 개선기

추천 구좌 시스템을 전시 서버 중심으로 재구성하고 서킷 브레이커, 전략 패턴, 비동기 처리로 안정성과 확장성을 높였습니다. 또한 어드민 기능과 E2E 비교 테스트를 도입해 운영 부담과 배포 리스크를 줄였습니다.

#Spring Boot#WebFlux
120005분
쉽게이해하는 GPT. 1편(다음단어 예측기. Base모델)
데보션
AI

쉽게이해하는 GPT. 1편(다음단어 예측기. Base모델)

GPT를 다음 단어를 예측하는 모델로 쉽게 풀어 설명했습니다. Transformer 디코더만 사용하는 구조와 LLaMA 예시를 통해 Base Model 개념을 소개했습니다.

#LLM#Transformer
103005분
밸런스히어로
프론트엔드

인도인들은 대출을 어떻게 신청할까?

인도 대출 신청 퍼널을 현지 고객 관찰과 테스트로 개선한 사례를 소개했습니다. 아이콘과 힌디어·영어 병기로 이해도를 높여 이탈률을 크게 줄였습니다.

#UI/UX#검색
2005분
Amazon Network Firewall 모범 사례 #4 – 로그 수집 및 분석
AWS
데브옵스

Amazon Network Firewall 모범 사례 #4 – 로그 수집 및 분석

AWS Network Firewall의 로그 수집과 분석 방법을 정리했습니다. Alert/Flow 로그 해석, Athena 쿼리, CloudWatch 필터링과 운영 시 주의점을 함께 설명했습니다.

#AWS Network Firewall#logging
58005분
반복 업무의 구원자, AI 슬랙봇 “도비”의 개발 여정
마이리얼트립
AI

반복 업무의 구원자, AI 슬랙봇 “도비”의 개발 여정

슬랙과 지라 반복 업무를 자동화한 AI 슬랙봇 도비 개발 사례를 소개했습니다.\n별도 인프라 없이 GPT와 협업해 요약과 티켓 생성을 빠르게 구현했습니다.

#Slack#Jira
30005분
AI로 생성한 이미지는 어떻게 평가할까요? (블랙박스 최적화 적용편)
라인
AI

AI로 생성한 이미지는 어떻게 평가할까요? (블랙박스 최적화 적용편)

생성형 AI 이미지 품질을 자동 평가하고 블랙박스 최적화로 하이퍼파라미터를 탐색한 사례를 다뤘습니다. 수작업을 줄이고 결과 신뢰도를 높였지만, 스타일 판별 지표는 추가 보완이 필요했습니다.

#LLM#ML
73005분
단 한 줄로 전환하는 다크 테마 - Variables 기반 디자인 토큰 자동화
라포랩스
프론트엔드

단 한 줄로 전환하는 다크 테마 - Variables 기반 디자인 토큰 자동화

Figma Variables와 CSS Variables를 연결해 디자인 토큰을 자동화한 사례를 소개했습니다. data-theme 속성만으로 다크 테마와 브랜드 테마를 단순 전환하도록 구성했습니다.

#Figma#CSS
15005분
Qwen3 의 Hybrid thinking mode
데보션
AI

Qwen3 의 Hybrid thinking mode

Qwen3의 Hybrid Thinking mode를 소개하고, 추론 On/Off를 제어하는 두 가지 방식을 설명했습니다. `/think`·`/no_think`와 `enable_thinking`의 동작 차이도 정리했습니다.

#LLM#NLP
71005분