2026 SKP-11번가 첫 판교 세미나 with OpenAI
2026 SKP-11번가 첫 판교 세미나 with OpenAI
SK플래닛과 11번가가 OpenAI Korea와 함께 판교 세미나를 열고 OpenAI API와 커머스 사례를 공유했습니다. 또한 ATT로 이름을 바꾼 배경과 향후 AI 협업 기대를 전했습니다.
#OpenAI#API
57005분
새로운 기술 블로그가 추가되었어요
필터 1
AI 코딩 에이전트에게 사고 과정을 설계하다— /start부터 Agent Teams까지
AI 코딩 에이전트에게 사고 과정을 설계하다— /start부터 Agent Teams까지
AI 코딩 에이전트의 작업 방식을 사고 흐름과 규칙 체계로 설계한 사례를 정리한 글입니다. /start·/done, 페르소나, Agent Teams로 협업과 검증을 표준화했습니다.
#LLM#Cursor
55005분
쏘카 디자인 시스템 2.0 개발기 2편: 기술로 굴리기(웹)
쏘카 디자인 시스템 2.0 웹 개발에서 컴포넌트 구조, 패키지 전략, LLM 활용 방식을 정리했습니다. 상태 결합도에 따라 Hook과 객체를 분리하고, rollup과 Instructions 체계로 운영성을 높였습니다.
#React#Next.js
93005분
여행 계획을 ‘검색’ 대신 ‘대화’로 : AI와 함께 여행을 설계하는 첫걸음
여행 계획을 ‘검색’ 대신 ‘대화’로 : AI와 함께 여행을 설계하는 첫걸음
MCP를 활용해 여행 상품 조회 툴을 AI와 연결하는 PoC를 구현하고 검증했습니다.\n카테고리 탐색부터 예약 가능 여부 확인까지 대화형 여행 설계 가능성을 확인했습니다.
#MCP#LLM
89005분
[ 오토닉스 ]
[ 오토닉스 ]
X
#LLM#ChatGPT
40005분
[ 교보라이프플래닛생명 ]
[ 교보라이프플래닛생명 ]
X
#LLM#ChatGPT
35005분
Text2SQL 기반 데이터 분석 서비스 InsightLens 개발기
Text2SQL 기반 데이터 분석 서비스 InsightLens 개발기
Text2SQL 기반 InsightLens로 자연어만으로 SQL을 생성하는 서비스를 개발했습니다.\nRAG와 에이전트 설계를 통해 참조 데이터 품질과 운영 개선에 집중했습니다.
#LLM#RAG
105005분
LINE DEV AI 리포터즈의 여정을 공유합니다!
LINE DEV AI 리포터즈가 조직 내 AI 활용 경험을 모아 공유하고 전파한 과정을 소개했습니다. 개인의 실험을 실무와 조직 문화로 확장한 사례를 정리했습니다.
#LLM#MCP
71005분
Amazon Bedrock 사용량 관리 및 최적화 하기
Amazon Bedrock의 엔드포인트 종류와 CRIS 활용, quota 증설 방법을 정리했습니다. 또한 CloudWatch와 로깅, 캐시 기능으로 토큰 사용량과 비용을 최적화하는 방법을 소개했습니다.
#Amazon Bedrock#LLM
26005분
Amazon Bedrock 사용량 관리 및 최적화 하기
Amazon Bedrock의 엔드포인트, 쿼터, 모니터링, 최적화 방법을 정리했습니다. CRIS와 캐시, 라우팅, 메모리 기능으로 비용과 안정성을 개선할 수 있습니다.
#Amazon Bedrock#LLM
70005분
코드 생성 및 Agentic RAG 작업 중심의 특정 도메인을 위한 LLM 비교 평가【후편】
코드 생성과 Agentic RAG에서 최적 LLM이 다르다는 점을 비교 평가로 정리했습니다. 이기종 파이프라인과 안정성·비용을 함께 고려한 모델 선택이 중요하다고 제시했습니다.
#LLM#RAG
12005분
![코드 생성 및 Agentic RAG 작업 중심의 도메인 특화 LLM 비교 평가 [전편]](https://jbxeeb6ybylgemuz.public.blob.vercel-storage.com/main/public/white-paper/wp-thumb-26-tx5SbqWD2PbAM7bBOrWLutxhPYEYvh.png)
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.
#LLM#RAG
12005분