All I Need Is Data.

분석 기간: 2026-10-27 ~ 2026-11-02 · 독자용 상세 리포트 [AIW] 11/2 에이전트 도입은 생성보다 검토 가능한 실행과 평가 설계가 먼저다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시지 에이전트..

분석 기간: 2026-10-26 ~ 2026-11-01 · 독자용 상세 리포트 [AIW] 11/1 모델 공개와 에이전트 평가, 실행 중 감시를 함께 살펴볼 때 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시지 모델 공개와..

2026-10-01 ~ 2026-10-31 · 참고 리포트 46개 AI 개발자 레이더 2026-10: 신규 모델 경쟁과 공개 가중치, 에이전트 표준과 공급망 보안이 함께 부각된 핵심 태그: 신규 AI 모델, Meta Muse, 공개 가중치, 로컬 추론, 코딩 에이전트, 모델 API, 공급망 보안, 에이전트 평가, 데이터 보호, 개발자 도구 이번 월간 판단은 주간/월간 누적 TREND 메모에도 반영되어 다음 리포트의 장기 맥락으로 이어집니다. 이 리포트의 목적 이번 달 AI/LLM 흐름 중 Python/LLM 서비스 개발자가 실제 개발, 배포, 운영 의사결정에 참고할 신호를 선별하는 월간 리뷰입니다. 대상 독자: AI 기능을 제품이나 내부 도구에 붙..

목차 대화가 길어질수록 느려지는 LangGraph state, ArtifactRef로 가볍게 만들기이 작업을 시작한 실제 고민비슷한 문제를 다른 workflow 시스템은 어떻게 풀고 있을까이미 있는 기능인데 왜 이 라이브러리를 쓰는가가장 가까운 기존 기능은 Deep Agents다상황별로 무엇을 선택하면 되는가에이전트에서는 네 가지 문제를 구분해야 한다Agent SDK와 개발 플랫폼에서 보이는 패턴ChatGPT·Claude·Gemini·Grok과 중국계 챗봇의 제품 사례문제는 Redis가 아니라 반복해서 저장하는 state의 형태였다먼저 예시로 보기: 문서 3개 중 최근 2개만 사용하기state를 control plane과 data plane으로 나누기무엇을 만들었는가LangGrap..

잘 되던 AI 자동화는 왜 어느 날 편집 단계에서 멈췄나 체크포인트 기반 하네스를 재개 가능한 워크플로로 바꾼 경험처음에는 잘 작동했다.매일 새벽 AI 관련 자료를 수집하고, 최근 7일의 변화를 추려 한국어 리포트로 편집한 다음, 품질 검사를 거쳐 메일로 보내는 자동화였다. 원문은 raw에 남기고, 장기 지식은 wiki에 누적하고, 사람이 읽을 보고서는 processed에 만드는 구조였다. 수집과 편집, 검증, 발송을 분리했고, 약한 근거가 최종 메일에 섞이지 않도록 여러 품질 게이트도 두었다.그런데 어느 순간부터 이상한 일이 생겼다.수집은 끝나 있었다. SQLite에도 데이터가 들어갔고, 편집 패킷도 만들어졌다. 오류 로그에는 치명적인 예외가 없었다. 그런데 Reader HTML도, 메일도 나..

분석 기간: 2026-10-25 ~ 2026-10-31 · 독자용 상세 리포트 [AIW] 10/31 AI 개발자 레이더 2026-10-31: 에이전트를 운영하려면 모델보다 평가·권한·보안 경계부터 관리하라 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform ..

분석 기간: 2026-10-24 ~ 2026-10-30 · 독자용 상세 리포트 [AIW] 10/30 AI 운영의 승부처가 모델 선택에서 평가·권한·비용 제어로 이동한다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시지 A..

콜 녹음에서 비즈니스 인사이트까지: STT·NER·LLM 요약과 대규모 운영 설계 콜 녹음에서 비즈니스 인사이트까지, STT·NER·LLM 요약과 대규모 운영 설계를 표현한 기술 블로그 썸네일 콜 녹음을 글자로 바꾸는 일은 출발점일 뿐입니다. 상담원이 실제로 알고 싶은 것은 긴 대화 원문이 아닙니다. 고객이 왜 전화했는지, 어떤 상품과 금액이 나왔는지, 상담사가 무엇을 처리했고 다음에 무엇을 해야 하는지가 필요합니다.이를 얻으려면 여러 단계를 차례로 연결해야 합니다.음성 파일 → 전사 결과 → 엔터티·개인정보 → 구조화 요약 → 저장·검색먼저 음성 인식(Speech-to-Text, STT)이 녹음을 텍스트로 바꿉니다. 명명된 엔터티 인식(N..

분석 기간: 2026-10-23 ~ 2026-10-29 · 독자용 상세 리포트 [AIW] 10/29 에이전트 경쟁력은 모델 선택보다 실행 추적·구조 제약·사람 개입의 결합으로 이동한다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메..

분석 기간: 2026-10-22 ~ 2026-10-28 · 독자용 상세 리포트 [AIW] 10/28 ServiceNow 업무 연동과 OpenWiki, 에이전트에 실행 권한과 추적 가능한 기억을 붙인다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 ..

목차 Airflow 기반 STT 배치 파이프라인 설계: GPU 병렬 처리와 모델 서빙Airflow를 처음 접한다면기존 순차 방식은 어디에서 느려지는가권장 구조: fan-out, 파이프라인 중첩, fan-inGPU와 DB 단계를 분리해야 하는 이유실제 데이터는 어디에 두는가DB와 파일은 각각 무엇을 저장해야 하는가파일·오브젝트 스토리지데이터베이스파일 수와 GPU 수가 달라도 같은 방식으로 동작합니다1단계: 이번 배치의 N개 파일을 발견하고 등록합니다2단계: GPU를 쓰기 전에 사전 검사합니다3단계: GPU 슬롯 수만큼만 실행합니다4단계: 완료된 파일부터 후처리합니다5단계: 배치 전체가 종료 상태가 될 때까지 기다립니다Airflow DAG 예시이 DAG가 가변 파일 수를 처리하는 방식..

AI 개발자 레이더 2026-11-02: Codex 보안 백포트부터 에이전트 UI 표준화까지, 실행 증거와 운영 경계를 설계할 때

AI 개발자 레이더 2026-11-01: 모델 가중치 공개부터 에이전트 평가까지, 실행 중 행동을 살펴볼 때

AI 개발자 레이더 2026-10: 빠른 모델과 로컬 추론, 에이전트 실행 경계와 검증을 함께 살펴본 달

무거워진 LangGraph State, ArtifactRef로 가볍게!

2026년 10월 AI 개발자 레이더: 모델 경쟁부터 에이전트 운영과 공급망 보안까지

수집은 끝났는데 왜 멈췄을까: AI 자동화 하네스를 재개 가능한 구조로 바꾼 경험

AI 개발자 레이더 2026-10-31: 에이전트를 운영하려면 모델보다 평가·권한·보안 경계부터 관리하라

AI 개발자 레이더 2026-10-30: 에이전트를 운영하려면 모델보다 평가·권한·비용부터 관리하라

콜 녹음에서 비즈니스 인사이트까지: STT·NER·LLM 요약과 대규모 운영 설계

AI 개발자 레이더 2026-10-29: 모델보다 실행을 관리하라 — OpenAI 모니터링·브라우저 에이전트·구조화된 도구 호출의 조건

AI 개발자 레이더 2026-10-28: 업무를 실행하고 근거를 기억한다, ServiceNow·Cursor·OpenWiki가 보여 준 에이전트의 조건

Airflow 기반 STT 배치 파이프라인 설계: GPU 병렬 처리와 모델 서빙

AI 도구

AI 도구 사이드 패널

티스토리툴바