Ralph Loop, OpenClaw - 새로운건 없었다
에이전트 루프를 Ralph Loop, OpenClaw 사례로 살펴보며 반복과 종료 설계의 중요성을 정리했습니다. 질문 응답과 작업 처리를 분리하고, maxTurns 같은 안전장치를 두는 접근을 제안했습니다.
#LLM#RAG
15005분
필터 1
나만의 맞춤법 검사기 만들기: 개발 과정과 노하우 공유
한컴오피스 맞춤법 검사기 자체 개발을 검토한 하이브리드 교정 프로젝트를 소개했습니다. 규칙 기반 교정과 KoBART, 검증 필터로 과교정을 줄이는 과정을 공유했습니다.
#Python#LLM
122005분
테스트 데이터 생성, 버튼 하나로 만들기까지
이커머스 QA에서 테스트 데이터 생성 시간을 줄이기 위해 기존 E2E 대시보드에 상태 생성 버튼을 추가했습니다.\n주문 API를 조합해 원하는 주문 상태를 빠르게 만들고, QA는 테스트 설계와 리스크 판단에 더 집중하게 되었습니다.
#test#자동화
77005분
CrewAI 프레임워크를 활용한 AI 에이전트 개발
CrewAI로 AI 에이전트 프로젝트를 구성하고, 역할과 작업을 YAML로 분리해 자동 보고서 생성 흐름을 만들었습니다. `main.py`에서 토픽을 넘겨 실행하면 한글 AI 트렌드 리포트를 생성하도록 구성했습니다.
#CrewAI#Python
77005분
Strands Agent SOPs 소개 – AI 에이전트를 위한 자연어 워크플로우
AI 에이전트 워크플로우를 자연어 SOP로 표준화하는 Strands Agent SOPs를 소개했습니다.\n제어와 유연성의 균형, 체이닝, MCP·Claude Skills 연동 예시를 설명했습니다.
#LLM#prompt
55005분
CrewAI: 독립된 멀티 에이전트 협업 프로세스 구축
CrewAI의 핵심 구성 요소와 독립형 Python 프레임워크 특성을 소개했습니다. 단일 에이전트와 멀티 에이전트 순차 협업 예시로 기본 사용 흐름을 설명했습니다.
#Python#LLM
44005분
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
새로 출시한 이 기능은 DAU 얼마짜리 기능일까? (Carrying Capacity 적용이 어려울때)
신규 기능의 DAU를 빠르게 추정하기 위해 Carrying Capacity의 한계를 짚고, D1 리텐션과 서비스별 리텐션 커브를 결합한 보정식을 제안했습니다. 안정화된 지표와 기존 유저 보정을 더해 실무에서 더 가까운 예측값을 얻는 방법을 설명했습니다.
#Python#data analysis
82005분
CrewAI: 독립된 멀티 에이전트 협업 프로세스 구축
CrewAI의 핵심 구성 요소와 순차 실행 기반 협업 구조를 설명했습니다. 단일 에이전트와 멀티 에이전트 예제를 통해 기본 사용법을 소개했습니다.
#Python#LLM
81005분
Security Hub CSPM 자동화 규칙을 Security Hub로 마이그레이션
AWS Security Hub CSPM의 자동화 규칙을 새 Security Hub로 옮기는 마이그레이션 방법을 소개했습니다.\nASFF에서 OCSF로의 스키마 차이, 리전별 배포 방식, 검증 절차를 함께 설명했습니다.
#AWS#Security Hub
40005분
Python 2.7 서버의 CI Test 개선 - 13분에서 3분으로
Python 2.7 서버의 CI-Test 병목을 줄이기 위해 중복 실행과 불필요한 설치 단계를 제거했습니다. 캐싱과 tmpfs, 슬림 이미지 적용으로 13분이던 시간을 3분까지 단축했습니다.
#Python#CI/CD
66005분
AX 시대를 위한 한글 문서: 오픈소스 생태계 현황 분석과 활성화 전략
한글 문서는 AI 학습에 유리한 공개형 포맷이며, PDF 변환보다 직접 추출이 더 효율적이라고 설명했습니다. 오픈소스 도구와 개발자 지원을 강화해 생태계를 키워야 한다고 제안했습니다.
#HWPX#오픈소스
38005분
AICX: AI로 5초 만에 항공권 환불 수수료 계산하기
항공권 환불 규정 계산을 AI와 코드로 분담해 자동화한 사례를 다뤘습니다. 최종적으로 응답 시간을 5초 이내로 줄이고 고객 경험도 개선했습니다.
#LLM#Python
119005분