최신 글
기술과 일상을 함께 기록합니다.
기술
2979. RxJava 통지 데이터 변환 연산자
map, flatMap, concatMap, buffer를 출력 개수·순서·오류 처리 기준으로 비교한다.
8. RxJava Flowable과 Observable 생성 연산자
RxJava just·fromCallable·defer·interval 등 생성 연산자를 값 준비 시점, 구독 시점, 완료 신호와 배압 기준으로 비교한다.
Reactive Programming
리액티브 시스템과 Reactive Streams, RxJava의 범위를 구분하고 구독·배압·실패 처리 학습 순서를 안내한다.
3. Harness Engineering(하네스 엔지니어링) — AI가 실수를 못하게 하기 위해 규칙과 울타리를 설계하는 기술
규칙 문서, 코드로 강제하는 권한 경계, 검증·피드백 루프를 묶어 AI 작업을 재현 가능하게 만드는 하네스 설계 방법.
2. Context Engineering(컨텍스트 엔지니어링) — AI에게 필요한 정보를 적절하게 제공하는 기술
검색 문서·대화 이력·도구 결과를 권한과 길이 제한 안에서 선별해 모델에 전달하는 방법과 검색 품질의 실패 지점을 설명한다.
1. Prompt Engineering(프롬프트 엔지니어링) — AI에게 일(말)을 잘 거는 기술
프롬프트의 목표·입력·제약·출력 형식을 설계하고, 예시와 단계별 검증을 통해 실패 사례를 줄이는 방법을 정리한다.
15. LLM 에이전트
도구 호출 루프와 상태 관리, 권한 검증, 프롬프트 인젝션 방어를 환불 문의 처리 예제로 설명합니다.
14. 멀티모달 LLM
이미지·오디오·비디오 입력의 처리 흐름과 영수증 추출 예제, 모달리티별 평가 항목을 살펴봅니다.
13. LLM 운영하기
LLM 서비스의 모델·색인 버전 관리, 품질 평가, 추적 지표와 안전한 배포 절차를 정리합니다.
12. 벡터 데이터베이스로 확장하기 : RAG 구현하기
pgvector 예제로 벡터 저장과 색인, 권한 필터, 근거 기반 답변까지 RAG 흐름을 구현합니다.
11. 자신의 데이터에 맞춘 임베딩 모델 만들기 : RAG 개선하기
질문·문서 쌍으로 임베딩 모델을 미세 튜닝하고 RAG 검색과 답변 품질을 평가하는 방법을 정리합니다.
10. 임베딩 모델로 데이터 의미 압축하기
문장 임베딩과 코사인 유사도로 의미 검색을 구현하고, 청크 설계와 검색 평가 기준을 정리합니다.