AI & Agents
Home / AI & Agents
모델 자체보다 신뢰할 수 있는 AI 기능을 제품 안에서 어떻게 설계하고 운영할지에 초점을 둡니다.
다루는 주제
LLM · RAG · Agent · Evaluation · Guardrail · Observability
글 목록
- 구조화 출력으로 LLM 응답 파싱 안정화하기
- 멀티 에이전트 역할을 나누는 기준
- 사람의 승인을 영속 상태로 저장해야 하는 이유
- 스트리밍 응답의 취소와 오류 처리
- 에이전트 워크플로우를 상태 머신으로 표현하기
- 에이전트 작업을 샌드박스에서 실행하기
- 에이전트 재시도와 멱등성
- 토큰 비용을 기능 단위로 관측하기
- 프롬프트 인젝션을 데이터와 명령 분리로 줄이기
- 환각을 없애기보다 검증 경로를 설계하기
- AI 대화 기록의 개인정보 보존 정책
- AI 에이전트 권한을 최소화하는 방법
- AI 에이전트에 샌드박스와 승인 게이트가 필요한 이유
- AI 응답에 출처와 근거를 연결하는 방법
- claude code agent teams
- Embedding 유사도만으로 검색하면 부족한 이유
- Hybrid Search로 키워드와 의미 검색 결합하기
- LLM 도구 호출에서 제안과 실행 분리하기
- LLM 평가셋을 실제 실패 사례로 만드는 방법
- LLM 프롬프트를 코드처럼 버전 관리하기
- RAG에서 Chunk 크기를 정하는 기준
- Reranker를 추가할 때 얻는 것과 비용