AI 12

이재홍

하네스 엔지니어링(harness engineering)으로 팀 맞춤형 AI 환경 구축하기

매번 똑같은 코딩 규칙을 AI에게 설명하느라 지치셨나요? Cursor의 Rules와 Skills를 활용해 우리 팀만의 맞춤형 AI 코딩 환경(하네스)을 구축하고 생산성을 극대화하는 노하우를 소개합니다.

양주미, 남진호

5년 동안 못 푼 배민 다국어 숙제, AI와 함께 한 달 만에 끝내기

5년 동안 시도했지만, 끝내지 못했던 배민 다국어 프로젝트, LLM과 빠른 실행 문화가 맞물려 한 달 만에 완성된 이야기

이승원, 이도현, 김동환

별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기

모든 가게가 높은 별점을 유지하는 상황에서 '진짜 맛집'을 변별하기 어려운 문제를 해결하기 위해, LLM으로 리뷰 텍스트의 진정성을 분석하고 신뢰도 높은 추천 점수를 도출한 과정을 공유합니다.

조현석

흩어져 있는 AI 자산, ‘MCP stdio’로 헤쳐모여!

흩어져 있는 여러 AI 자산을 중앙화하여 관리하고, 구성원들이 걱정 없이 최신화된 AI 자산을 언제 어디서든 쉽게 사용할 수 있는 방법, 있지 않을까요? MCP stdio로 팀의 AI 자산을 중앙화하는 방법을 소개합니다.

김사랑

AI로 바뀐 건 업무가 아니라 사람이었습니다

옆자리 동료의 한숨에서 시작한 AI 교육 5주. AI 사용법이 아니라 진짜 문제부터 시작했더니, 150분 걸리던 업무가 25분이 되고 도움받던 사람이 돕는 사람이 됐습니다.

김태정

RAG, 들어는 봤는데… 내 서비스엔 어떻게 쓰지?

RAG을 들어는 봤는데, 내 서비스엔 어떻게 적용하지? 직접 구현하며 겪은 교육운영 RAG 사례를 바탕으로, 필요성 평가부터 색인·생성·평가 파이프라인까지 6단계 구축 가이드와 유의사항을 공유합니다.

정은주

“함께 구매하면 좋은 상품” 추천 모델 고도화

장보기·쇼핑의 장바구니 추천: Item2Vec의 유사도를 넘어, 구매 맥락을 이해하는 Transformer 기반 추천 모델로 개선한 내용을 소개합니다.

강규한

AI와 함께하는 테스트 자동화: 플러그인 개발기

AI 완전 자동화의 한계를 극복하고, 플러그인 템플릿과 Amazon Q를 조합하여 실용적인 테스트 자동화를 구현한 이야기입니다.

임현호

복잡한 LLM 연동, GenAI SDK 하나로 끝내기

쏟아지는 LLM provider들, 어떻게 관리하시나요? LiteLLM과 Langfuse를 기반으로 API 호출, 키 관리, 로깅, 프롬프트 관리를 하나로 통합한 우아한형제들의 GenAI SDK 개발기를 만나보세요.

BADA팀

AI 데이터 분석가 ‘물어보새’- 3부. Agent로 더 넓고 깊은 지식 공유하기

우아한형제들의 ‘물어보새’의 새로운 여정, AI 에이전트 기반의 지적 대화를 위한 넓고 깊은 지식 개발기를 소개합니다.