AI 31

권현아, 성민제

우아한공방의 새로운 동료, 시스템 맥락을 가진 챗봇서비스 개발기(feat. RAG)

우아한공방은 다양한 문서와 가이드, 코드베이스를 제공하고 있지만 필요한 정보를 빠르게 찾기 어려운 문제가 있었습니다. 이를 해결하기 위해 AWS Bedrock Knowledge Bases 기반의 RAG 챗봇 서비스를 구축하고, Guardrail과 메타데이터 기반 Retrieval을 통해 디자인시스템의 지식과 맥락을 전달하는 AI 플랫폼을 만들어간 경험을 공유합니다.

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.