Geny Agent는 대화 중에 필요한 Tool을 직접 만들지만, 사용자는 그 사실을 알기 어려웠습니다. 만든 Tool을 채팅에 남기고, 둘로 갈린 채팅 화면을 하나로 합치고, 런타임의 정식 이벤트에 화면을 맞추며 판단이 세 번 바뀐 과정을 정리합니다.
LLM을 이해하기 위해 꼭 알아야 할 핵심 개념을 하나씩 짚어봅니다.
결함리포트 80건을 읽고 코드·오류·매뉴얼을 다시 만든 3주의 기록
AI 에이전트가 일하는 실행 환경을 밑바닥부터 설계한 기록
질문에서 출발해 지식그래프를 만들고 품질과 검색까지 다듬은 기록
K3s 기반 Kubernetes 3노드 HA 환경에서 노드 중지 후 Pod 재배치를 검증했습니다. local-path 볼륨으로 인한 Pending 원인과 공유 스토리지 전환 과정, 복구 결과 및 검증 한계를 정리합니다.
컨텍스트 창은 모델이 이번 요청에서 볼 수 있는 작업 공간입니다. 파라미터·대화 기록·장기 기억·RAG를 구분하고, 길이보다 선택과 배치가 중요한 이유를 설명합니다.
온톨로지 자동 빌드에서 LLM을 분리하고, 문서 누락과 한국어 의미 훼손, 값 노드의 가짜 경로를 찾아 바로잡은 과정을 설명합니다.
파라미터는 지식 항목의 개수가 아니라 학습으로 조정되는 수치입니다. 모델 크기와 데이터, 학습량, 추론 비용을 함께 봐야 하는 이유를 설명합니다.
금융권은 이제 AI의 가능성보다 운영 가능성을 묻습니다. 금융·캐피탈 기업과의 도입 논의에서 확인한 문서 지식화, 폐쇄망, 현업 제작, 추적 가능성과 거버넌스의 변화를 정리했습니다.
