
코드 생성 및 Agentic RAG 작업 중심의 도메인 특화 LLM 비교 평가 [전편]
일본 급여 시스템의 실제 파이프라인을 대상으로 13개 LLM 구성을 비교 평가하는 전편이었습니다. 코드 생성과 Agentic RAG를 분리해, 품질·안정성·비용 기준의 모델 선택 필요성을 설명했습니다.

일본 급여 시스템의 실제 파이프라인을 대상으로 13개 LLM 구성을 비교 평가하는 전편이었습니다. 코드 생성과 Agentic RAG를 분리해, 품질·안정성·비용 기준의 모델 선택 필요성을 설명했습니다.

Semantic Search로는 번역 키의 용어 일관성을 충분히 살리기 어려웠습니다. 문장 유사도보다 정확한 용어 재사용에 맞춰 검색 방식을 바꾸는 것이 더 효과적이었습니다.

Semantic Search만으로는 번역 용어 일관성을 해결하기 어려웠습니다. 저자는 키워드 추출과 Tolgee 재검색 방식으로 접근을 바꿨습니다.


웅진씽크빅 북큐레이터 업무를 돕는 AI 에이전트를 AI-DLC로 2일 만에 MVP까지 구축했습니다. Kiro Steering과 AWS 서비스를 활용해 상담 준비, 회의록 정리, 코칭 지원을 자동화했습니다.

삼성전자 사내 검색 환경을 개선하기 위해 Agentic Search 구조를 선택한 배경을 다뤘습니다. 다양한 RAG 실험과 설계 고려 사항을 함께 정리했습니다.

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.

RAG가 단순 검색을 넘어 개인 데이터와 실시간 컨텍스트를 통합하는 방향으로 진화하고 있음을 설명했습니다. Personal Context RAG를 실현하기 위한 접근의 필요성도 함께 제시했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

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.


사내 AI 슬랙봇을 RAG 기반으로 구축한 뒤 검색 품질과 응답 품질을 개선한 과정을 공유했습니다. 쿼카는 Bedrock Agents로 마이그레이션해 컨텍스트 유지와 SQL 검증을 강화했습니다.


사내 최신 스펙과 코드 불일치 문제를 해결하기 위해 RAG 기반 챗봇을 도입했습니다. 메타데이터 필터링과 하이브리드 검색으로 정확도를 높이고 배포 파이프라인과 동기화했습니다.

문서 전처리 파이프라인의 리소스 경합과 디버깅 어려움을 해결하기 위해 dagster를 도입했습니다. K8sRunLauncher와 코드 로케이션 분리로 안정성과 운영 효율을 높인 사례를 공유했습니다.