https://techllm.github.io/tags/ai-%EA%B0%9C%EB%B0%9C--%EC%9D%B8%ED%94%84%EB%9D%BC/Recent content in AI 개발 & 인프라 on TechLLMHugokoFri, 15 May 2026 07:22:00 +0900https://techllm.github.io/posts/openai-codex-chatgpt-mobile-preview/Fri, 15 May 2026 07:22:00 +0900https://techllm.github.io/posts/openai-codex-chatgpt-mobile-preview/OpenAI가 데스크톱 코딩 에이전트 Codex를 iOS/Android ChatGPT 앱에서 조종할 수 있게 했다. Anthropic Claude Code 추격의 핵심 카드이자, 보안 relay 기반으로 파일·credentials는 로컬에 두고 스크린샷·diff·터미널 출력만 폰으로 흘려보내는 새 협업 패턴을 제시한다.https://techllm.github.io/posts/langgraph-full-course-bloom-ai-masterclass/Thu, 07 May 2026 22:00:00 +0900https://techllm.github.io/posts/langgraph-full-course-bloom-ai-masterclass/Bloom AI의 9시간짜리 LangGraph V1 마스터클래스를 섹션별로 완전 분석했다. Node·Edge·State 기초부터 Memory, Multi-Agent 시스템까지 실무에 바로 쓸 수 있는 핵심만 정리했다.https://techllm.github.io/posts/langgraph-agentic-ai-system-teddynote-meetup/Thu, 07 May 2026 21:00:00 +0900https://techllm.github.io/posts/langgraph-agentic-ai-system-teddynote-meetup/에이전틱 AI 밋업 2025 Q1에서 테디노트가 발표한 LangGraph 실전 활용법. Advanced RAG의 한계, 라우팅 두 가지 방식, 메모리(단기/장기), Human-in-the-Loop, 멀티에이전트 슈퍼바이저 패턴까지 핵심만 정리했다.https://techllm.github.io/posts/langchain-vs-langgraph-difference/Thu, 07 May 2026 14:50:00 +0900https://techllm.github.io/posts/langchain-vs-langgraph-difference/같은 LangChain 생태계 안에 공존하는 LangChain과 LangGraph. 선형 파이프라인과 비선형 그래프라는 구조적 차이를 중심으로, 각 프레임워크의 작동 방식과 적합한 사용 시나리오를 정리합니다.https://techllm.github.io/posts/deepinfra-huggingface-inference-provider/Thu, 07 May 2026 11:00:00 +0900https://techllm.github.io/posts/deepinfra-huggingface-inference-provider/업계 최저 수준의 토큰 단가를 내세운 서버리스 AI 추론 플랫폼 DeepInfra가 Hugging Face Hub의 공식 Inference Provider로 합류했습니다. DeepSeek V4 Pro, Kimi-K2.6 등 100개 이상의 모델을 HF 토큰 하나로 바로 사용할 수 있습니다.https://techllm.github.io/posts/openclaw-2026-5-4-release-update/Tue, 05 May 2026 23:30:00 +0900https://techllm.github.io/posts/openclaw-2026-5-4-release-update/OpenClaw 2026.5.4가 출시됐다. Twilio 다이얼인과 Gemini 음성 브리지를 통한 Google Meet 실시간 음성 에이전트 개선이 핵심 하이라이트다. Gateway 성능 최적화, Control UI 개편, 채널별 안정성 강화까지 100여 개가 넘는 변경사항을 정리한다.https://techllm.github.io/posts/letta-agent-memory-context-engineering/Sat, 02 May 2026 00:14:00 +0900https://techllm.github.io/posts/letta-agent-memory-context-engineering/Letta의 Agent Memory 글을 바탕으로, 에이전트 메모리를 단순 저장소가 아니라 컨텍스트 엔지니어링 문제로 이해하는 방법을 정리한다.https://techllm.github.io/posts/paperclip-ai-zero-human-company-tutorial/Fri, 01 May 2026 21:05:00 +0900https://techllm.github.io/posts/paperclip-ai-zero-human-company-tutorial/Metics Media의 Paperclip AI 튜토리얼 영상을 바탕으로, Paperclip이 무엇인지, 어떤 기능을 제공하는지, VPS·Docker·npx 기반 설치 방법과 운영 시 주의할 점을 정리한다.https://techllm.github.io/posts/gamemaker-gmrt-claude-code-ai-game-dev/Fri, 01 May 2026 19:20:00 +0900https://techllm.github.io/posts/gamemaker-gmrt-claude-code-ai-game-dev/GameMaker가 새 런타임 GMRT와 GM-CLI, Claude Code 통합을 공개했다. 2D 게임 엔진이 IDE 중심 도구에서 CLI·AI 보조·자동화 가능한 개발 플랫폼으로 이동하는 흐름을 짚어본다.https://techllm.github.io/posts/ai-agent-workflow-over-prompt/Tue, 28 Apr 2026 00:51:00 +0900https://techllm.github.io/posts/ai-agent-workflow-over-prompt/AI 에이전트 시대에는 좋은 프롬프트보다 목표, 입력자료, 판단 기준, 검증 루프를 설계하는 능력이 더 중요하다.https://techllm.github.io/posts/claude-code-quality-drop-anthropic-explained/Sun, 26 Apr 2026 16:50:00 +0900https://techllm.github.io/posts/claude-code-quality-drop-anthropic-explained/Claude Code 품질 저하가 단순한 체감이 아니었다. Anthropic이 공개한 세 가지 원인, 추론 강도 변경, thinking 삭제 버그, 과도한 길이 제한 프롬프트를 시간순으로 정리한다.https://techllm.github.io/posts/deepseek-v4-preview-api-1m-context/Fri, 24 Apr 2026 20:40:00 +0900https://techllm.github.io/posts/deepseek-v4-preview-api-1m-context/DeepSeek V4 Preview는 1M context, Pro/Flash 모델 이원화, OpenAI·Anthropic 호환 API, 공격적인 가격 구조를 앞세운 개발자 중심 AI 모델 업데이트다.https://techllm.github.io/posts/openrouter-workspaces-ai-environment-separation/Fri, 24 Apr 2026 08:57:00 +0900https://techllm.github.io/posts/openrouter-workspaces-ai-environment-separation/OpenRouter Workspaces는 프로젝트, 팀, 에이전트별로 API 키, 라우팅 기본값, 가드레일, 관측성을 분리할 수 있게 해준다. 중요한 건 편의성보다 운영 통제력이다.https://techllm.github.io/posts/qwen3-6-27b-agentic-coding-benchmark-analysis/Fri, 24 Apr 2026 08:55:00 +0900https://techllm.github.io/posts/qwen3-6-27b-agentic-coding-benchmark-analysis/Qwen3.6-27B는 27B dense 모델이면서 agentic coding 성능에서 큰 개선을 보인다. SWE-bench Verified 77.2, Terminal-Bench 2.0 59.3 등 실전 운영 효율과 안정성 관점에서 주목할 만한 모델이다.https://techllm.github.io/posts/ai-agent-model-selection-really-matters/Thu, 23 Apr 2026 06:49:00 +0900https://techllm.github.io/posts/ai-agent-model-selection-really-matters/AI Agent 성능은 모델 선택에 영향을 받지만, 실무에서는 과업 유형, 툴 사용, 프롬프트 구조, 검증 루프가 더 큰 차이를 만드는 경우가 많습니다. 비싼 모델이 항상 정답은 아닙니다.