A2A 기반 Recipe Agent 개발기
A2A와 Genkit으로 레시피 추천용 AI 에이전트를 구축한 사례를 공유했습니다. 의미 판단은 AI에 맡기고 계산과 최적화는 코드와 인프라로 분리해 성능을 높였습니다.
#A2A#LLM
3005분
필터 1
A2A 기반 Recipe Agent 개발기
A2A와 Genkit으로 레시피 추천용 AI 에이전트를 구축한 과정을 다뤘습니다. 330만 건 비교 문제를 필터링, 프롬프트 최적화, 병렬 인프라로 해결했습니다.
#A2A#Genkit
13005분
프롬프트 튜닝 100시간 vs DSPy 30분, 당신의 선택은?
DSPy를 활용한 프롬프트 최적화와 자동화 방법을 소개했습니다. 반복 평가와 비교 실험을 코드로 줄여 LLM 품질 관리에 적용할 수 있었습니다.
#prompt#LLM
142005분
생성형 AI를 활용하여 자동차 소프트웨어 요구사항을 위한 테스트 케이스 생성하기
자동차 소프트웨어 요구사항이 방대해지면서 테스트 케이스 생성과 검증의 부담이 커졌습니다. 생성형 AI와 VEW를 결합해 분류와 테스트 케이스 생성을 자동화하고, 인간 검토를 거쳐 정확도를 유지했습니다.
#AWS#Amazon Bedrock
71005분
"페이지니가 찾아올게요" 금융 AI 컨시어지, 페이지니
카카오페이의 금융 AI 컨시어지 페이지니 개발 경험을 공유했습니다. AWS Bedrock 멀티 에이전트와 STT, RAG로 맞춤형 금융 추천을 구현했습니다.
#AWS#LLM
83005분
LLM 품질 평가 SPeCTRA , 채팅플러스 검증 도입으로 본 확장의 첫걸음
LLM 품질 평가 도구 SPeCTRA를 채팅플러스 검증에 확장 적용한 사례를 소개했습니다. Postman 자동화와 Judge 프롬프트 튜닝으로 커버리지와 효율을 높였습니다.
#LLM#Postman
84005분
FTN 팀의 고객 맞춤형 숙소 상세정보 생성
가족 여행객에게 필요한 숙소 상세정보를 AI로 자동 생성하는 멀티 에이전트 방식을 소개했습니다. 수작업 한계를 넘어 전환율 향상과 대규모 콘텐츠 생성을 달성했습니다.
#LLM#ChatGPT
77005분
SRE 3.0 - AI가 바꾸는 장애 대응·신뢰성·운영 패러다임
AI가 SRE를 장애 대응자에서 예측·자동화 중심의 운영 전략가로 바꾸고 있습니다. 메르카리 사례처럼 품질 검증과 안전장치를 갖춘 인간-AI 협업이 중요합니다.
#SRE#AIOps
82005분
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
RAG 파이프라인과 사고의 사슬(CoT) 프롬프팅을 활용한 최종 답변 출력 예시
RAG 파이프라인과 CoT 프롬프팅으로 최종 답변만 추출하는 예시를 설명했습니다. LangChain 체인, 프롬프트 설계, 출력 파서 구성과 복합 질의 처리 흐름을 다뤘습니다.
#RAG#prompt
83005분
![[LLM 기반 대화형 Agent 기획] 거친 생각과 불완전한 발화에 대처하는 우리의 자세](https://devocean.sk.com/thumnail/2025/8/12/d94814f89a09101af8dcca6a956809ba647bf098e7d1ba8fb660dc3aa2244cd9.png)
[LLM 기반 대화형 Agent 기획] 거친 생각과 불완전한 발화에 대처하는 우리의 자세
LLM 기반 대화형 Agent에서 불완전한 사용자 발화를 어떻게 해석하고 보완할지 다뤘습니다. Clarification과 슬롯 보완을 통해 대화 흐름을 유도하는 기획 관점을 제시했습니다.
#LLM#prompt
72005분
LY의 AI 기술의 현재, Tech-Verse 2025 후기
Tech-Verse 2025에서 LY의 다양한 AI 서비스 적용 사례를 살펴보았습니다. 기술 구현뿐 아니라 평가, 운영, 사용자 경험까지 함께 보는 관점이 인상적이었습니다.
#LLM#RAG
71005분
LLM과 외부 세계를 연결하는 새로운 기술: OpenAI Function Calling, MCP
생성형 AI에서 LLM과 외부 시스템을 연결하는 기술을 소개하는 글입니다. OpenAI Function Calling과 MCP의 필요성과 활용 맥락을 간단히 다룹니다.
#LLM#MCP
3005분