AI

AI 에이전트·LLM·RAG·하네스 엔지니어링 학습 기록. 이론편과 실전편을 모두 다룬다.

하위 폴더

Agent 설계 (agent/)

• 엔터프라이즈 AI Agent 설계 — reasoning, tool, memory, cost, governance를 운영 시스템으로 묶는 허브 문서
• 코딩 에이전트 장기 기억은 무엇을 저장하고 언제 다시 읽어야 할까 — Codex·Claude Code의 파일 기반 기억에서 저장·조회·정정·삭제와 면접 설계 순서까지
• Lost in the Middle와 컨텍스트 관리 — 긴 컨텍스트에서 가운데 정보가 사라지는 이유와 결정론적 조립 규칙
• 온톨로지에서 코딩 에이전트 컨텍스트까지 — 클래스·별칭·관계 설계와 벡터 RAG 비교 평가
• LLM Tool Calling 에이전트 워크플로 — Tool Use 루프, 결정성/관측성 설계

LLM 내부 구조 (llm/)

• LLM 내부 구조 읽는 순서 — Transformer 계산에서 환각과 긴 컨텍스트 실패까지 잇는 학습 순서
• Transformer는 입력을 어떻게 다음 토큰 확률로 바꾸는가 — token, embedding, Q·K·V, FFN, logits, KV cache
• 다음 토큰 예측은 왜 환각과 긴 컨텍스트 실패로 이어지는가 — 학습 목표와 자동회귀 생성에서 환각·위치 편향까지 이어지는 원리
• 멀티모달 LLM — 이미지·음성을 함께 다루는 모델

RAG (RAG/)

• RAG 학습 기록 전체 목록 — 임베딩, 벡터 검색, 평가와 실무 사례
• Neo4j GraphRAG 학습 시리즈 — 관계 탐색과 원문 근거를 제공하는 에이전트 검색 도구 구축
• Docling — IBM Research 문서 변환 툴킷

평가와 운영 (ops/)

• LLM 평가 프레임워크 — 골든셋·회귀 테스트·LLM-as-a-judge·사람 피드백 루프
• AI 제품 백엔드 안정성 — 지연·비용·도구 실패·폴백/재시도/사람 에스컬레이션

하네스 엔지니어링 (harness/)

• 하네스 엔지니어링 이론편 — 개념, Anthropic/Fowler 사례, 설계 원칙
• 하네스 엔지니어링 실전편 — 4인 에이전트 팀 파이프라인의 진화
• AGENTS.md 포맷 — AI coding agent 동작 지침서
• Claude Code 메모리 규칙 — CLAUDE.md와 .claude/rules를 규칙으로 쓰는 법
• DESIGN.md, Google Stitch, Claude Design — AI 에이전트와 디자인의 새 컨벤션, fos-blog 6주 도입 회고
• AI 가 만든 결과는 전부 읽지 않고 검증 레이어로 신뢰한다 — 이진 검사, 정량 지표, 정성 루브릭과 build-time, run-time 검증
• 끝에 계속 쌓이는 문서의 머지 충돌은 항목마다 파일을 나눠 없앤다 — 파일 per 항목과 INDEX, merge=union 재현
• 에이전트가 배운 회피 패턴은 조건을 통과한 것만 파일로 쌓고 주기적으로 지운다 — INDEX 라우터, 쌓는 조건 네 가지, prune 과 automate
• 하네스 회고는 새 문서로 쌓지 않고 종류에 맞는 기존 단일 소스에 환원한다 — 평가자 역할별 환원 위치, 개입 횟수 지표, 소비처 없는 기록의 제거
• ADR 은 되돌리기 어려운 결정의 이유만 남기고, 대안 기각은 옵션마다 줄을 나눈다 — ADR 로 남길 결정의 조건, 항목 구조, 읽기 쉬운 ADR 의 여섯 규칙

Claude Code (claude-code/)

• Claude Code 스킬 시스템
• Claude Teams 기본 개념 — Agent Teams, SendMessage, 에이전트 타입
• Claude Code 11일 사용 회고 — 1탄: 데이터로 본 사용 패턴
• Claude Code 5주 더 쓴 결과 — 2탄: 스킬·CLAUDE.md를 키워가는 방식
• 스킬 문서는 반복 실행을 스크립트로 내리고 같은 지시를 한 곳에서만 소유하게 쓴다 — scripts 분리, 단일 소유권 판정 기준, 옮길 때 유실되는 지시, 기계축과 판단축 채점
• 여러 저장소가 쓰는 스킬은 도메인 중립 코어와 저장소별 오버레이로 나눈다 — 오버레이 탐색 순서, 스킬 우선순위 함정, 코어 이관 주의
• Orca 로 나만의 멀티 에이전트 오케스트레이션을 만들어 개발 생산성 끌어올리기 — worker 여럿을 코디네이터 스킬로 굴리는 구조, 완료 검증과 머지 큐, /board 창

에이전트와 함께 개발하기 (practice/)

• 사람용 CLI와 AI 에이전트용 CLI 설계 — 구조화 출력, 미리보기, 비대화형 모드, 안전한 기본값, stdout 과 stderr 분리, 종료 코드, TTL 캐시
• AI 에이전트와 함께 MVP 만들기 (dooray-cli 사례)
• GitHub Actions 로 PR 마다 AI 코드 리뷰를 자동으로 돌리는 워크플로 설계 — 트리거와 중복 제어, 프롬프트 분리, 리뷰 게시와 자주 실패하는 곳
• 리뷰 봇이 제안한 명령과 정규식은 실제 데이터에 먼저 돌려 본다 — 항상 빈 결과를 내는 검사와 틀린 전제
• AI 코딩 에이전트의 코드 컨벤션은 규칙 문서와 결정적 검사로 지킨다 — 규칙 문서, Spotless·Checkstyle·ArchUnit 세 층 검사와 ArchUnit 기초
• AI 가 만든 코드는 동작해도 설명할 수 없으면 채택하지 않는다 — 거절 신호 다섯 가지, 리뷰 질문 다섯 가지, 자동 검증과 사람 판단의 역할