인공지능 개발자 수다(유튜브 바로가기) 자세히보기
반응형

분류 전체보기 175

Codex 사용법 (4) - 프롬프트 잘 쓰는 법

1. 개요Codex에게 "이거 고쳐줘"라고 했는데, 결과를 보고 나서 다시 설명하느라 시간이 더 걸린 적이 있나요? 코딩 에이전트는 똑똑하지만, 내가 원하는 결과와 작업 범위를 짚어주지 않으면 엉뚱한 방향으로 열심히 달릴 수 있습니다. 🙂Codex 프롬프트를 잘 쓴다는 것은 멋진 문장을 쓰는 일이 아닙니다. 내가 원하는 결과, 건드려도 되는 범위, 판단 기준을 Codex가 바로 이해할 수 있게 전달하는 일에 가깝습니다.같은 요청이라도 "이거 고쳐줘"라고 말할 때와 "로그인 실패 시 에러 메시지가 보이지 않는 문제를 찾아서, UI 변경은 최소화하고 테스트까지 추가해줘"라고 말할 때 결과는 꽤 달라집니다. 이 글에서는 Codex에게 코딩 작업을 맡길 때 더 정확한 결과를 얻는 프롬프트 작성법을 실전 예시 ..

Agent 2026.07.13

Codex 사용법 (3) - SKILL.md 작성법

1. 개요Codex를 계속 쓰다 보면 같은 설명을 반복하게 되는 순간이 있습니다."블로그 글은 이 형식으로 써줘", "PR 리뷰는 이 체크리스트를 기준으로 봐줘", "릴리즈 노트는 이 순서로 정리해줘"처럼 매번 비슷한 작업 흐름을 설명하고 있다면, 그 내용은 SKILL.md로 분리할 수 있습니다.SKILL.md는 Codex에게 특정 작업을 수행하는 방법을 알려주는 Skill의 핵심 파일입니다. 쉽게 말하면 "반복해서 쓰는 프롬프트와 작업 절차를 파일로 저장해두는 방식"에 가깝습니다.이번 글에서는 거창한 Skill을 만드는 것보다, SKILL.md가 어떤 역할을 하고 어떤 기준으로 작성하면 좋은지 정리합니다.1.1. SKILL.md는 언제 필요한가SKILL.md는 반복 작업이 생겼을 때 유용합니다.한 번만..

Agent 2026.07.12

Codex 사용법 (2) - AGENTS.md 작성법

1. 개요Codex를 제대로 쓰려면 매번 같은 설명을 반복하지 않도록 만드는 것이 중요합니다."이 프로젝트에서는 pnpm을 써야 해", "테스트는 이 명령어로 돌려야 해", "이 폴더는 직접 수정하면 안 돼" 같은 규칙이 있다면, 매번 프롬프트에 적는 대신 AGENTS.md에 남겨둘 수 있습니다.AGENTS.md는 Codex가 작업을 시작하기 전에 읽는 프로젝트 지침 파일입니다. 팀의 개발 규칙, 빌드 명령, 리뷰 기준, 디렉터리별 주의사항을 적어두면 Codex가 더 일관된 방식으로 작업할 수 있습니다.1.1. AGENTS.md가 필요한 이유Codex는 코드를 잘 읽고 수정할 수 있지만, 프로젝트마다 다른 "암묵적인 규칙"까지 처음부터 알 수는 없습니다.예를 들어 다음과 같은 정보는 저장소 안에 명확히 ..

Agent 2026.07.12

Codex 사용법 (1) - 처음 쓰는 사람을 위한 실전 가이드

1. 개요Codex 사용법을 처음 익힐 때 가장 중요한 것은 "AI에게 코드를 맡긴다"가 아니라 "작업 단위를 잘 나누고, 결과를 검증하며 함께 개발한다"는 관점입니다.Codex는 코드베이스를 읽고, 파일을 수정하고, 명령어를 실행하며, 리뷰까지 도와주는 코딩 에이전트입니다. 터미널에서 쓰는 Codex CLI, 데스크톱 앱, IDE 확장, 웹/클라우드 환경 등 여러 방식으로 사용할 수 있지만, 기본 흐름은 비슷합니다.이 글에서는 Codex를 처음 사용하는 사람이 바로 익혀야 할 핵심만 정리합니다.Codex를 어떤 상황에서 쓰면 좋은지첫 작업을 어떻게 요청하면 좋은지AGENTS.md를 왜 만들어야 하는지결과물을 안전하게 확인하는 방법초보자가 자주 하는 실수2. 내용2.1. Codex는 언제 쓰면 좋을까?C..

Agent 2026.07.12

Codex로 Agent 업무 자동화 시작하기

1. 개요codex로 업무 자동화를 시작하고 싶지만 어디서부터 정리해야 할지 막막할 때가 있습니다. 🙂 이 글은 일반 성인과 직장인을 위해, codex에서 Agent 활용법을 이용해 반복 업무를 정리하는 기본 절차를 순서대로 설명합니다. 글을 끝까지 읽으면 워크플로우 구성, 디렉토리 구조, 실행 방법을 한 번에 이해하고, 작은 자동화 작업 하나를 직접 시작할 수 있습니다. 2. 내용2.1. Codex 업무 자동화 개념먼저 개념부터 간단히 잡아보겠습니다. codex 기반 업무 자동화는 입력 문서를 준비하고, Agent가 단계별 결과물을 만들고, 사람이 검토해 마무리하는 작업 방식입니다.예시:블로그 글 주제를 정리한 파일을 입력으로 준다.Agent가 개요, 초안, 검토 메모, SEO 메타 정보를 차례대로 ..

Agent 2026.04.01

[LLM] EXAONE 4.0 논문 리뷰

프로젝트를 하다 보니,새로운 Exaone 모델이 나왔다고 해서어떤 점이 업그레이드가 되었는지 궁금해서논문을 읽어보기로 했다.0. AbstractExaone 4.0은 Non-Reasoning mode 와 Reasoning mode를 둘다 지원함고급 추론 능력을 지원함Agentic tool 을 사용스페인어, 영어, 한국어 가능32B, 1.2B 두가지 사이즈가 있음 1. Introduction실제 서비스 환경에서의 활용성과 고급 추론 능력을 동시에 만족시키는 것을 목표로 개발 agentic tool use를 핵심 역량으로 도입빠른 응답을 위한 비추론 모드 Non reasoning mode와 정확성을 중시하는 추론 모드 Reasoning mode를 하나의 모델 안에서 통합사전학습 단계에서는 이전 버전 대비 훨씬..

앞으로는 VLM 모델이 대세

1. 현재 1.1. AI Agent현재 LLM 모델 관련 취업 시장은AI Agent 개발자 위주로 취업이 많은데 주로 하는 업무는LLM 모델을 보조해주는Agent 설계 ,Tool 개발, RAG 시스템 개발 이다. 물론 해당 내용이 현재 시점에서2025년12월 21일 기준기업에서 큰 월급을 주고 있지만, 주요 업무는- 데이터 전처리 파이프라인 개발과- RAG 시스템 구축과 성능 개선- Agent 시스템의 성능 최적화 및 성능 개선 이렇게 세가지 이다. 주요 업무 흐름은 다음과 같다.데이터 사이언스 분야에서 항상 하듯 1. 탐색적 데이터 분석(어떤 질문이 들어올지 데이터분석을 하고, 어떤 문서를 답변에 활용할지 데이터를 분석한다)2. Agnet 설계3. 데이터 분석 이후 데이터 전처리4. LLM, Embed..

[MCP] Quick Start 실습 및 설명 정리

출처: FastMCP docs Quickstart - FastMCPWelcome! This guide will help you quickly set up FastMCP, run your first MCP server, and deploy a server to FastMCP Cloud. If you haven’t already installed FastMCP, follow the installation instructions. Create a FastMCP Server A FastMCP server is a collegofastmcp.com 0. FastMCP란FastMCP는 Python MCP 개발의 선구자였으며 FastMCP 1.0은 2024년에 공식 MCP SDK 에 통합되었음 FastMCP가 복잡한..

[LLM] TRL - 소개, TrainingArguments (3-1)

1. 개요TRL은 Huggingface에서 제공하는학습 도구이다. 세가지 단계에 걸쳐 학습을 진행한다.학습 설정 (TrainingArguments)Trainer 설정학습 실행 지금 LLM 파인튜닝 실무에서 필요한 거의 모든 알고리즘이 TRL에 포함되어 있다고 보면 된다. (출처: TRL 홈페이지)학습 방식목적필요 데이터난이도주요 사용처SFT기본 성능 + 말투 튜닝입력/출력 쌍매우 쉬움모든 파인튜닝의 기본DPOReward 없이 alignmentchosen vs rejected쉬움말투/안전성/품질 개선ORPODPO보다 단순한 RLHF 대체preference매우 쉬움빠른 alignmentPPO전통적 RLHFreward model + environment어려움고급 RLHFGRPO최신 강화형 preference ..

[LLM 학습도구] Transformers (2)

Transforers 버전 : 4.57.1 1. Transformers란 무엇인가?Hugging Face의 Transformers 라이브러리는 현대 자연어 처리와 생성형 AI 모델을 개발하고 활용하는 데 필요한 표준 툴킷DeepSeek, Mistral, BERT 같은 대규모 언어모델을 쉽고 빠르게 불러오고, 추론하고, 파인튜닝할 수 있도록 통합된 인터페이스를 제공 Transformers의 핵심 가치는 아래 네 가지로 요약할 수 있다.수천 개의 사전학습 모델 제공Hugging Face Hub에 업로드된 모든 모델을 from_pretrained() 한 줄로 불러올 수 있다.통일된 Tokenizer & Model API모델 종류가 달라도 공통된 규칙으로 토크나이즈하고 추론할 수 있다.파인튜닝을 위한 Train..

반응형