출처: TechLLM 문서유형: 블로그 포스트 #AI에이전트 #AI활용 #프롬프트 #업무자동화 #생산성 #AgenticWorkflow #TechLLM 핵심 요약 AI 에이전트 시대에는 좋은 프롬프트 문장보다 업무 구조를 설계하는 능력이 더 중요해지고 있다. 목표, 입력자료, 판단 기준, 검증 루프가 잡혀 있어야 AI는 단순히 그럴듯한 답을 내는 수준을 넘어 실제 업무 흐름 안에서 안정적으로 결과를 만든다. ...
Claude Code가 정말 나빠졌던 이유: Anthropic이 밝힌 세 가지 원인 메타 설명: Claude Code 품질 저하가 단순한 체감이 아니었다. Anthropic이 공개한 세 가지 원인, 추론 강도 변경, thinking 삭제 버그, 과도한 길이 제한 프롬프트를 시간순으로 정리한다. ...
DeepSeek V4 Preview 공개: 1M 컨텍스트를 전면에 내세운 AI 모델 업데이트 문서유형: 원문 기반 번역·해설 해시태그: #DeepSeek #DeepSeekV4 #DeepSeekAPI #1MContext #AI모델업데이트 #ReasoningModel #중국AI 핵심 요약 DeepSeek가 DeepSeek V4 Preview를 공개하며 API 사용자에게 중요한 변화를 예고했다. 이번 업데이트의 핵심은 deepseek-v4-pro와 deepseek-v4-flash의 이원화, 1M context window, OpenAI·Anthropic 호환 API, 그리고 기존 deepseek-chat·deepseek-reasoner의 종료 일정이다. ...
출처: TechLLM 문서유형: 기능 해설 #OpenRouter #Workspaces #APIKeys #Guardrails #Observability #에이전트운영 #개발환경분리 #AI인프라 핵심 요약 OpenRouter가 Workspaces를 내놓은 건 단순한 UI 개편이 아니다. 프로젝트, 팀, 에이전트별로 API 키, 라우팅 기본값, 가드레일, 관측성을 분리할 수 있게 되면서, AI 운영 환경을 계정 단위가 아니라 워크스페이스 단위로 설계하는 흐름이 본격화되고 있다. 중요한 건 편의성보다 운영 통제력이다. ...
출처: TechLLM 문서유형: 모델 분석 #Qwen36 #Qwen27B #AgenticCoding #SWEBench #TerminalBench #SkillsBench #OpenClaw #ClaudeCode 핵심 요약 Qwen3.6-27B는 27B dense 모델임에도 agentic coding에서 상당히 공격적인 성능을 보여준다. SWE-bench Verified 77.2, SWE-bench Pro 53.5, Terminal-Bench 2.0 59.3, SkillsBench 48.2, GPQA Diamond 87.8은 단순한 가성비 수준을 넘어선다. 중요한 건 숫자 그 자체보다, 이 모델이 큰 모델 일변도 흐름에 균열을 내며 실전 운영 효율의 새로운 기준을 보여준다는 점이다. ...
출처: TechLLM 문서유형: 블로그 포스트 #AI #AIAgent #모델선택 #LLM #에이전트 #프롬프트엔지니어링 #워크플로우 #생산성 핵심 요약 AI Agent 성능은 모델 선택에 영향을 받지만, 실무에서는 모델 하나보다 과업 유형, 툴 사용, 프롬프트 구조, 검증 루프가 더 큰 차이를 만드는 경우가 많다. 비싼 모델이 항상 정답은 아니며, 작업에 맞는 모델과 운영 설계를 함께 맞추는 것이 훨씬 중요하다. ...