투자하는 개발자

개요정의uv를 개발한 Astral이 만든 Python 네이티브 패키지 레지스트리단순히 패키지를 저장하는 수준을 넘어, 속도, 보안, GPU 최적화를 패키지 관리의 핵심 기능으로 제공uv와 함께 사용될 때 최고의 성능을 내도록 설계됨.특징초고속 설치PyPI, PyTorch, 사설 소스를 포함한 패키지 설치 속도를 최대 10배 향상uv 네이티브 메타데이터 API를 활용하여 설치와 빌드 과정을 최적화빌드 캐싱과 최적화된 아티팩트를 통해 리소스 사용 절감보안 및 컴플라이언스 강화전용 인덱스 URL을 통해 패키지를 인기, 배포 연령, 취약점 여부로 필터링 가능서버 측에서 재현 가능한 빌드를 보장의존성 관리와 공급망 보안 문제를 예방최신 표준 지원Python 최신 패키징 표준과 워크플로를 지원uv와 직접 통합되어 ..

Claude Squad개요Claude Code, Codex, Gemini 등 다양한 AI 코드 에이전트를 하나의 터미널 창에서 관리 가능한 앱각 작업이 별도의 격리된 Git Workspace에서 실행되므로 충돌 없이 안정적으로 진행특징멀티 AI 코드 에이전트 관리다양한 AI 코드 도구 통합 Claude Code, Codex, Gemini 등 서로 다른 AI 기반 코드 작성·분석 도구를 한 터미널에서 실행 가능.장점: 각 툴을 개별 실행할 필요 없이, 통합 인터페이스에서 모든 작업 관리 가능.효과: 창 전환·세션 관리 부담을 줄여 개발 효율 극대화.에이전트 간 협업 가능성 필요 시 서로 다른 AI 에이전트 간 결과를 비교·검증하여 품질을 높이거나, 특정 에이전트의 강점을 선택적으로 활용 가능.YOLO ..

SuperClaude정의Claude Code의 성능 향상을 위해 구축된 AI 보조 시스템.코드 작성, 검증, 실행 전 과정을 체계적으로 관리하며, 속도·안전성·효율성을 동시에 달성하는 것을 목표로 함.특징행동 규범화AI가 취하는 모든 행동을 RULES.md에 명시하여 일관된 동작과 재현 가능성을 보장함.모든 출력물에 대해 빠르고 안전하며 효율적인 결과를 목표로 설계됨.증거 기반 작동할루시네이션을 방지하기 위해 근거 없는 주장을 하는 것에 대해 CRITICAL 규칙을 강제하고 있음'최고의', '최적의', '항상' 등 절대적인 단어를 사용하는 것이 명시적으로 금지됨'할 수 있다', '일 수 있다', '일반적으로' 와 같은 확률적인 언어를 사용하고 그 증거가 뒷받침되어야 함.자동 검증 및 피드백코드 또는 문서..

Uber 자체 AI 플랫폼Michelangelo개요Michelangelo (미켈란젤로) 는 Uber 사내 활용을 위한 ML-as-a-Service 플랫폼ML 모델 구축 및 배포 과정을 전직원이 보다 쉽게 접근할 수 있도록 돕는것을 그 목적으로 함데이터 관리, 학습, 평가, 배포, 예측, 모니터링 까지 모든 end-to-end 기능을 제공하며, 전통적인 ML 모델은 물론 시계열 예측과 딥러닝 기능까지 제공진화 과정테이블 형식 데이터 기반의 예측 ML (2016-2019)초기 단계에서는 ETA(도착 예정 시간) 예측, 사기 탐지 등과 같은 부분에 사용XGBoost, 일반화 선형 모델(GLM)과 같은 고전적인 모델의 워크플로우를 표준화하는 데 중점HDFS, Spark, MLLib, XGBoost와 같은 오픈소..

AI Code Agent 기본 원리LLM 에서 자율 Agent1. 개념자율 Agent는 단순히 답변만 하는 게 아니라 스스로 목표를 이해하고, 계획을 세우고, 도구를 사용하며, 작업을 실행하는 AI.LLM(예: GPT)이 중심에서 추론 + 행동(Action)을 반복하면서 복잡한 작업을 처리.2. 기본 구조LLM: 작업의 중심 두뇌 역할. 지시를 이해하고 코드 작성, 추론, 분석 수행Memory: 앞에서 한 작업 기억함 (대화 기록, 실행 결과 등)Planner: 어떤 순서로 작업할지 계획Tool 사용: 검색, 계산기, 코드 실행기 등 외부 도구를 활용Critic / Feedback: 결과가 잘못되었을 때 다시 평가하고 수정3. 작동 예시사용자가 "뉴스 요약 앱 만들어줘"라고 요청Agent가 계획을 세움 ..

LangChain의 아키텍처 및 개요모듈형 구조langchain-coreLangChain의 추상화와 기본 구성 요소를 가지고 있는 라이브러리로, 모든 LangChain 프로젝트의 기반이 됨기본 데이터 구조: Prompt, Document, Message등 LLM 어플리케이션에서 공통적으로 사용되는 데이터 형식 정의핵심 인터페이스: Runnable 인터페이스를 통해 모든 구성요소를 일관된 방식으로 연결, 실행할 수 있도록 함기본 구성 요소 추상화: LLM, ChatModel, Retriever, Tool과 같은 구성 요소에 대한 추상 클래스 제공.개발자가 특정 구현에 얽매이지 않고 어플리케이션 로직에 집중 가능.langchainlangchain-core의 추상화를 실제로 구현하고, 여러 구성 요소를 조합하..

AI Agent란정의환경(Environment)을 감지하고, 스스로 판단하여, 목표를 달성하기 위해 행동(Action)하는 자율적인 개체주어진 명령을 수행하는 프로그램을 넘어, 주변 상황을 인식하고 최적의 행동을 추론하여 실행하는 지능형 시스템특징인식(Perception)에이전트가 센서(Sensor)를 통해 환경으로부터 정보를 수집하는 과정카메라, 마이크, GPS, API 등 다양한 센서를 사용하여 텍스트, 이미지, 소리, 각종 데이터와 같은 외부 정보를 획득이 단계에서 수집된 원본 데이터(raw data)는 의사결정에 사용될 수 있는 의미 있는 정보로 가공의사결정(Decision-Making)인식 단계에서 수집하고 처리한 정보를 바탕으로 어떤 행동을 취할지 결정하는 과정에이전트의 '두뇌'에 해당하며, ..

기본 개념GraphRAGKnowledge Graph를 검색 소스로 활용하는 진보된 RAG. 단순히 텍스트 청크를 검색하는 대신 구조화되고 상호 연결된 하위 그래프를 검색하여 LLM에게 훨씬 더 풍부하고 포괄적인 context를 제공.특징Relational Context : 벡터 검색만으로 파악할 수 없는 데이터 포인트 간의 명시적인 관계를 포착 및 활용Multi-Hop Reasoning : 그래프 구조는 관계를 따라가며 복잡한 질문에 답하는 것이 가능.Explainability : 그래프를 통한 검색 경로 추적이 가능. 추론과정을 감사할 수 있음.Reduced Hallucinations : LLM을 그래프에 근거하게 함으로써 응답의 정확성과 신뢰성 크게 향상KnowledgeGraph데이터를 저장하는 데이..

등장 배경REST API의 한계Over-fetching / Under-fetchingOver-fetching클라이언트가 필요로 하는 데이터보다 더 많은 정보를 서버가 전송하는 경우ex) 사용자의 이름만 필요한데 REST API 엔드포인트는 사용자의 주소, 나이, 관심사 등 모든 정보를 반환하는 경우불필요한 네트워크 트래픽을 유발하고 클라이언트의 처리 속도를 저하Under-fetching필요한 모든 데이터를 얻기 위해 클라이언트가 여러 번의 API 호출을 해야 하는 상황ex) 게시글 목록과 각 게시글의 댓글 목록을 함께 가져오려면 /posts 엔드포인트와 각 게시글에 대한 /posts/:id/comments 엔드포인트를 여러 번 호출해야 함이로 인해 네트워크 지연이 발생하고 애플리케이션의 응답성이 떨어짐관..

인공 신경망인공 신경망의 정의인공 신경망(Artificial Neural Networks, ANN)은 생물학적 신경망(예: 인간의 뇌)을 수학적으로 모방하여 설계된 계산 모델.입력값을 받아들여 여러 계층을 통과하며 가중치와 바이어스를 이용해 연산을 수행하고, 최종적으로 결과값을 출력.기계학습(Machine Learning)의 한 분야로, 특히 패턴 인식, 분류, 회귀, 예측 등의 문제를 해결하는 데 사용.인간의 뇌와의 유사성인간의 뇌는 약 860억 개의 뉴런(Neuron)으로 구성되어 있으며, 이 뉴런들은 시냅스(Synapse)를 통해 서로 연결되어 정보를 전달.인공 신경망은 이러한 생물학적 구조를 모방하여, 인공 뉴런(Artificial Neuron)을 수학적으로 모델링.각 인공 뉴런은 입력을 받아 가..