기술 99

엔터티 추출부터 커뮤니티 요약, 질문에 맞는 전역 검색과 지역 검색까지 MS GraphRAG의 흐름을 그림으로 따라간다.

TAG와 GNN부터 그래프 인덱싱, 검색기, 반복 검색, 근거 선택과 답변 생성까지 수식 없이 설명합니다.

MegaMem의 원문과 메모 이중 인덱스, 질문 재작성과 확장, 원문 복원, RRF, 재정렬, 답변과 출처 표시를 하나의 예시로 추적하고 논문 점수와 CDL 리더보드의 관계를 구분합니다.

가상 위키와 정답표를 기준으로 문서 검색, 답변의 필수 사실, 근거 충실성, 인용, 답변 보류를 나눠 채점하는 방법을 예시와 계산식으로 설명합니다.

RAG 검색에서 바이 인코더, 크로스 인코더, LLM rerank가 후보 검색과 정밀한 문서 선택을 어떻게 나누어 맡는지 설명합니다.

Meta Muse가 전용 클라우드 VM, API 커넥터, 브라우저, CLI, Sentinel, PostgreSQL로 외부 작업을 수행하는 구조를 정리한다.

Jev가 LLM과 어떻게 다르고, typed decision과 병렬 샘플링을 활용해 어떤 판단을 맡는지 질문을 따라 설명한다.

Skill과 MCP의 선택 기준과 동작 원리, 함께 사용하는 방법을 설명합니다.

장시간 작업하는 에이전트가 단일 행동 검사를 우회한 사례와, 전체 작업 궤적을 감시해야 하는 이유를 설명합니다.

Microsoft Research의 AgentRx가 길고 확률적이며 여러 에이전트가 얽힌 실행 기록에서 결정적 실패 지점과 원인을 어떻게 찾는지 살펴봅니다.

Microsoft CORPGEN 연구가 단일 과제 벤치마크를 넘어 여러 장기 업무를 동시에 처리하는 에이전트의 문제와 해법을 어떻게 검증했는지 살펴봅니다.

자기평가의 함정을 피하기 위한 Planner, Generator, Evaluator 구조와 스프린트 계약, 실제 검증 루프, 비용의 경계를 설명합니다.

OpenAI 연구 조직에서 코딩 에이전트가 병렬 작업, 실험 실행, 분석과 기술 지원을 어떻게 바꾸고 있으며 무엇을 여전히 사람이 결정하는지 살펴봅니다.

에이전트가 train.py를 고치고 5분간 학습한 뒤 val_bpb로 결과를 골라내는 autoresearch의 구조, 성과와 한계를 설명합니다.

카파시가 이름 붙인 Vibe Coding과 실제 제품을 에이전트에게 맡길 때 필요한 완료 조건, 저장소 컨텍스트, 실행, 검증, 정리의 차이를 설명합니다.

Zhenfeng Cao가 말하는 AI 에이전트와 소프트웨어 개발의 변화를 살펴봅니다.

브라우저와 셸의 연결, OTP와 권한 검사, 입력 지연 측정, WebRTC의 직접 연결과 TURN 중계를 칠판 만화로 설명합니다. 실제 운영 정보는 일반화했습니다.

카카오, 토스, OpenAI, Meta, Cloudflare의 공개 사례로 조직 지침, 저장소 컨텍스트, 역할별 워크플로, CI 검증을 짧고 쉽게 정리합니다.

한국어 Wiki를 벡터 검색으로 만들 때 모델, 청크 크기, 임베딩 차원, 인덱싱과 실시간 검색 속도를 어떻게 결정하는지 설명합니다.

Agent가 Context7을 선택하는 근거부터 tools/list로 도구를 발견하고 문서 검색 결과로 코드를 만드는 흐름까지 설명합니다.

Backend·Frontend 에이전트를 동시에 돌리기 위해 git worktree와 branch로 작업을 물리적으로 격리한 이유와 실제 흐름을 정리했다

Oracle Cloud Mumbai VM에 WireGuard 출구 노드를 만들고, Mac과 Android가 서로 다른 키로 접속하도록 구성한 과정과 보안, 운영 기준을 정리한다.

Context7의 공개 저장소와 공식 문서에서 확인되는 수집, 검색, 재정렬, 갱신 구조를 추적하고, 비공개 영역을 직접 구현할 수 있는 재현 아키텍처와 오픈소스 출발점을 정리합니다.

업무 규칙 문서에서 임베딩 검색이 어려운 이유와 질문 복잡도 분석, Query Router, Page Tree, GraphDB를 결합해 검색 범위와 응답시간을 줄이는 방법을 설명합니다.

Neo4j의 Node, Relationship, Property, Path 구조와 Cypher 사용법, 관계형 데이터베이스 및 Qdrant와의 차이, GraphRAG에서의 역할을 처음부터 설명합니다.

Qdrant의 Collection, Point, vector, payload 구조부터 RAG에서 맡는 역할, HNSW의 위치, FAISS와의 차이와 선택 기준까지 처음부터 설명합니다.

HNSW의 발음부터 벡터, 근사 최근접 이웃, 계층형 그래프의 탐색 과정, M과 ef 설정, 필터 검색의 주의점까지 그림으로 설명합니다.

AI 코딩 Agent가 Context7 MCP로 최신 개발 문서를 찾아 코드 생성에 사용하는 과정을 만화와 실제 연동 흐름으로 설명합니다.

이벤트 로그가 실제 업무 경로가 되는 원리부터 병목, 지연 원인, 반복 작업, 절차 위반, 자동화, 시뮬레이션과 지속 개선까지 7편의 만화로 설명합니다.

강한 AI 모델을 쓸수록 중요한 것은 긴 프롬프트가 아니라 내가 모르는 것을 먼저 드러내는 작업이다.

AWS AI-DLC를 분석하며 개발자의 역할, 요구사항 도출 방식, 기존 개발 절차와의 차이, Spec Kit과 Kiro Specs 같은 비슷한 도구들과의 차이를 정리한다.

OpenClaw Android 앱을 큰 그림으로 정리한다. 핵심은 폰 안의 모델이 아니라 Gateway agent가 사용할 수 있는 모바일 실행 표면이다.

OpenClaw Android 앱의 Gateway 연결, node.invoke 실행, Voice/TalkMode 흐름을 sequence diagram 중심으로 분석한다.

OpenClaw Gateway와 Android app 사이의 operator/node 세션 흐름, 주요 컴포넌트, node.invoke 실행 구조, Chat과 Voice 처리 방식, local model 포함 여부를 소스 기준으로 정리한다.

RRF(Reciprocal Rank Fusion)의 개념, 계산 방식, hybrid search와 QMD에서의 역할, rerank와의 차이, 장단점과 한계를 설명한다.

QMD structured search가 일반 query 검색과 어떻게 다르고, lex, vec, hyde typed query를 어떻게 실행해 RRF, chunk selection, rerank로 이어지는지 설명한다.

mattpocock/skills 저장소를 분석해 Agent Skill이 어떻게 구성되고, model-invoked와 user-invoked가 어떻게 나뉘며, 실제 엔지니어링 workflow를 어떻게 안정화하는지 정리한다.

HyDE Embedding의 개념, 장점과 단점, 한계, 언제 쓰면 좋은지와 피해야 할 상황을 검색 시스템 관점에서 도식 중심으로 설명한다.

검색형 LLM 시스템에서 LLM이 어디에 들어가고, 각 단계가 어떤 context를 보고 어떤 출력을 만드는지 QMD와 LLM Wiki 관점에서 깊게 정리한다.

Query Expansion의 개념, QMD에서 lex/vec/hyde로 동작하는 방식, qmd-query-expansion 모델의 학습 과정, 예제와 한계를 도식 중심으로 설명한다.

QMD GitHub README와 소스를 기준으로 collection, SQLite store, FTS/BM25, sqlite-vec, query expansion, RRF, local reranker, MCP server가 어떻게 연결되는지 분석한다.

Rerank의 개념, 필요한 이유, 실제 검색 flow, 주요 컴포넌트, 한계와 평가 방법을 LLM Wiki 관점에서 도식 중심으로 설명한다.

Obsidian의 핵심 컨셉, Vault, 내부 링크, Graph View, Search, Properties, Dataview, Git, qmd와의 연결 흐름을 설명한다.

Confluence REST API의 검색, 읽기, 쓰기, 구조 탐색, 수정일과 버전 조회를 회의록 LLM Wiki 관점에서 설명한다.

qmd가 LLM Wiki에서 어떤 위치를 차지하고, BM25, 벡터 검색, reranker, 모델 설정을 어떻게 활용하는지 설명한다.

회의록 20개 MVP에서 qmd 검색, Dataview 점검, Graph RAG 확장까지의 구현 순서를 정리한다.

Obsidian, qmd, Dataview, Git으로 회의록 LLM Wiki MVP를 만드는 무료 도구 조합을 설명한다.

LLM Wiki, qmd, Graph RAG를 경쟁이 아니라 역할 분담 구조로 함께 쓰는 방법을 설명한다.

Graph RAG가 일반 RAG와 어떻게 다르고 회의록 관계 탐색에 왜 유용한지 설명한다.

qmd가 BM25, 벡터 검색, query expansion, reranking으로 자연어 검색을 처리하는 방식을 설명한다.

회의록이 많아질 때 index, metadata, qmd로 필요한 문서를 찾는 구조를 설명한다.

스키마와 템플릿으로 LLM이 회의록을 일관되게 처리하게 만드는 방법을 설명한다.

회의록을 Meeting, Decision, Action, Project, Topic 카드로 나누는 정보 모델을 설명한다.

LLM Wiki가 일반 RAG와 어떻게 다르고 왜 지식이 누적되는 구조인지 설명한다.

회의록이 많아질수록 단순 검색과 일반 RAG만으로는 부족한 이유를 설명한다.

AI가 코드를 써주는 시대에 개발자의 통제는 사라지는 것이 아니라 테스트, 실행 결과, 사용자 행동처럼 더 확실한 곳으로 옮겨갑니다.

카파시의 LLM Wiki에서 검색이 효율적인 이유를 단계별로 따라가고, 임베딩(RAG)이 어디에 쓰이고 어디엔 안 쓰이는지를 그림으로 가립니다. index 지도, 링크 그래프, 캐싱, 임베딩의 진짜 위치.

안드레이 카파시가 제안한 LLM Wiki 패턴 — AI를 검색기가 아니라 지식을 쌓고 정리하는 편집자로 쓰는 법을 그림으로 풀었습니다. raw/LLM/wiki 3계층과 Ingest, Query, Lint 세 동작, 운영법까지.

WWDC26 Foundation Models. PCC는 자격 되는 개발자에게 무료지만 '더 똑똑하고 공짜면 무조건 클라우드 아냐?'가 틀린 이유 — 성공하면 빼앗기는 무료 자격(2백만 게이트), 앱끼리 나눠 쓰는 사용자별 쿼터(공유지의 비극), 그리고 PCC를 잃어도 프라이버시는 안 잃는 이유(온디바이스라는 진짜 바닥)까지.

WWDC 2026에서 Apple이 공식 발표한 '시스템 레벨 에이전트'(새 Siri / System Orchestrator)는 실재한다 — App Intents를 도구로 앱을 가로질러 행동한다. 확실한 건 거기까지고, 그 내부 루프가 정확히 어떻게 도는지는 추측인 곳만 표시한다.

WWDC26 Foundation Models framework. 'API가 복잡도를 보고 온디바이스/PCC를 자동으로 고른다'는 흔한 오해를 코드와 함께 풀고, 실제로는 개발자가 명시적으로 선택하되 통일된 API 덕에 전환만 쉬운 구조임을 정리합니다. '진짜 자동 라우팅'은 어디에 있는지도.

바이럴된 andrej-karpathy-skills의 CLAUDE.md를 자연스러운 한국어 번역과 함께 뜯어봅니다. 네 원칙이 각각 어떤 LLM 실패 모드를 정조준하는지, 무엇을 배울 수 있는지, 그리고 왜 템플릿이 아니라 메뉴로 써야 하는지까지 분석합니다.

MCP(Model Context Protocol)는 AI 앱을 외부 도구·데이터에 연결하는 개방형 표준입니다. Host·Client·Server 구조와 Tools·Resources·Prompts, 왜 'AI의 USB-C'라 불리는지를 그림 한 장으로 쉽게 풉니다.

하네스는 한 겹이 아니다. 모델을 감싸면 에이전트가 되고, 그 에이전트를 또 감싸면 내 목적에 맞는 시스템이 된다. 양파처럼 중첩되는 하네스 구조와, 왜 요즘 Claude 위에 하네스를 또 얹는지를 그림 한 장으로 풉니다.

AFM 3 위에 재설계된 Apple Intelligence 전체 구조를 한 장으로. System Orchestrator, 온디바이스·Private Cloud Compute 분담, Gemini의 진짜 역할, 개발자 프레임워크까지 블록별로 정리.

오래 걸리는 작업을 떼어내 뒤에서 돌리고 터미널을 다시 자유롭게 쓰는 /background와, 처음부터 백그라운드로 띄우는 --bg를 입문자 눈높이로 설명합니다.

Claude Code의 /review로 PR을 읽기 전용으로 깊게 들여다보고, /security-review로 머지 전 보안 취약점을 점검하는 방법을 정리합니다.

같은 프롬프트를 정해진 주기로 반복 실행하는 /loop 명령어를, 폴링·상태 점검 예제와 함께 쉽게 풀어 설명합니다.

완료 조건만 정해두면 Claude가 그 조건을 만족할 때까지 스스로 고치고 돌려보며 반복하는 /goal 명령어를 알아봅니다.

Claude Code의 /diff로 작업 트리 전체 변경과 턴별 변경을 인터랙티브하게 훑어보는 법을 알아봅니다.

Claude가 GitHub·데이터베이스·사내 API 같은 외부 도구를 직접 쓰게 해주는 MCP를, /mcp 명령으로 연결·인증·관리하는 법까지 쉽게 정리합니다.

대화형 화면 없이 '명령 한 번 → 결과 받기'로 동작하는 claude -p(헤드리스/print 모드)를, 셸 파이프·CI·자동화 예제와 함께 쉽게 풀어봅니다.

Claude Code의 /rewind로 잘못된 방향으로 간 작업을 안전하게 이전 지점으로 되감는 방법을 알아봅니다.

deny 규칙으로 rm 같은 위험한 명령은 막고, auto·plan 모드로 승인 마찰을 조절하는 법을 정리합니다.

곁가지 일을 따로 맡기는 /fork, 대안을 안전하게 실험하는 /branch, 보조 일꾼을 관리하는 /agents — 하나의 대화에서 여러 갈래로 일하는 법을 입문자 눈높이로 설명합니다.

테스트가 초록이어도 불안할 때, /run으로 앱을 띄워 직접 눌러보고 /verify로 빌드부터 동작까지 검증합니다.

대화가 길어져 느려질 때, 무엇이 컨텍스트(토큰)를 잡아먹고 있는지 한눈에 진단하는 /context를 입문자 눈높이로 설명합니다.

커밋이나 PR을 올리기 직전, 바뀐 코드를 한 번 훑어 버그와 정리할 곳을 찾아주는 /code-review를 입문자 눈높이로 정리합니다.

매번 똑같은 설명을 반복하지 않도록, /init으로 프로젝트 안내문을 만들고 /memory로 규칙을 적어두는 방법을 입문자 눈높이로 설명합니다.

같은 도구라도 어떤 AI 모델을 쓰고 얼마나 깊게 생각하게 할지는 내가 정합니다. /model과 /effort로 문제 난이도에 맞춰 속도·비용·품질을 조절하는 법을 입문자 눈높이로 설명합니다.

코드를 곧장 고치기 전에, Claude에게 '무엇을 어떻게 할지' 계획부터 받아 검토하는 plan mode를 입문자 눈높이로 설명합니다.

어제 하던 작업, 다시 켜서 정확히 그 자리로 돌아가는 법. /resume과 --continue, --resume의 차이를 입문자 눈높이로 정리합니다.

비슷해 보이는 /clear와 /compact의 차이를, 언제 무엇을 써야 하는지 실제 상황 예시로 정리합니다.

2020년 구글 mT5가 무엇인지 101 수준으로 쉽게 풀고, 왜 대화형 에이전트의 query rewriting(질문 다시쓰기)과 parameter extraction(파라미터 추출)에 mT5가 잘 맞는지 이유를 그림으로 설명합니다.

2018년 구글 BERT가 무엇인지 101 수준으로 쉽게 풀고, 왜 대화형 에이전트의 action classifier(행동 분류)에 BERT가 잘 맞는지 그 이유를 그림으로 설명합니다.

Apple의 Instruction-Following Pruning(arXiv 2501.02086)을 실제 동작 단계까지 도식으로 따라갑니다. Sparsity Predictor·SoftTopK·FFN 가지치기·2단계 학습, 그리고 입력이 정확히 무엇이고 언제 한 번 고르는가(멀티턴 아님)까지.

Apple Intelligence가 요청을 온디바이스와 Private Cloud Compute로 분기하는 메커니즘을 리버스 엔지니어링 분석(arXiv 2605.24239)으로 짚되, 무엇이 밝혀지지 않았는가를 먼저 분명히 합니다. 데몬 흐름·TGT/OTT 토큰·검증, 발견된 구현 허점까지.

Apple 3세대 파운데이션 모델의 최상위 온디바이스 모델 AFM 3 Core Advanced. IFP(Instruction-Following Pruning) 동작 원리, MoE 라우팅, Private Cloud Compute와의 분담을 도식으로 정리합니다.

보편적으로 말하는 MiniLM(all-MiniLM-L6-v2)이 무엇인지, 왜·어떻게 쓰는지, 시맨틱 검색·RAG·클러스터링 같은 실제 사용 예를 도식으로 쉽게 설명합니다.

Astro의 핵심 개념(아일랜드 아키텍처, 빌드 타임 렌더링, 부분 하이드레이션, 산출물, 배포 단위, 정적 배포의 강점)을 여섯 장면의 그림과 해설로 풀어냅니다.

사람과 coding agent의 역할 분담을 정리한 학습 시리즈의 출발점. vibe coding에서 SDD, agentic engineering으로의 진화.

무엇을 만들지(SDD)와 옳게 만들었는지(TDD)를 레이어로 나누고 결합하는 법.

SDD 흐름(Spec→Plan→Tasks→Implement)을 슬래시 명령으로 표준화하는 GitHub SpecKit 사용법.

되돌림·파급·모호함·검증성 4축으로 사람 게이트와 agent 자율을 가르는 프레임워크.

헌법·PRD·Spec·아키텍처·ADR·CLAUDE.md — 사람의 의도를 agent가 실행하게 고정하는 문서들.

방법론·경계·문서를 Claude Code 기능과 묶은 반복 가능한 절차와 4개의 게이트.

URL 단축기 API를 빈 폴더에서 배포 직전까지, 명령 단위로 따라가는 실전 절차.

대화 컨텍스트를 통째로 비우는 /clear의 동작·사용 시점과 /compact와의 차이.

실제 코딩 세션에서 @파일·/plan·!·Esc·/clear 등을 언제 누르는지 입력 단위로 따라가는 예제.