https://techllm.github.io/tags/llmops/Recent content in LLMOps on TechLLMHugokoFri, 22 May 2026 08:13:00 +0900https://techllm.github.io/posts/agent-traces-as-memory/Fri, 22 May 2026 08:13:00 +0900https://techllm.github.io/posts/agent-traces-as-memory/에이전트가 코드를 짜고 결정을 내리는 시대, 그 과정의 흔적(trace)이 가장 밀도 높은 컨텍스트 기록이 된다. Hugging Face가 에이전트 트레이스를 영구 보관하는 방법을 제안한다.https://techllm.github.io/posts/context-engineering-ai-agents/Fri, 01 May 2026 09:55:00 +0900https://techllm.github.io/posts/context-engineering-ai-agents/Mem0의 컨텍스트 엔지니어링 가이드를 바탕으로 AI 에이전트가 제대로 일하게 만드는 맥락 설계, 메모리, RAG, 압축 전략을 정리한다.https://techllm.github.io/posts/mem0-ai-agent-memory-file-problem/Fri, 01 May 2026 03:05:00 +0900https://techllm.github.io/posts/mem0-ai-agent-memory-file-problem/Mem0의 글을 바탕으로 MEMORY.md 같은 파일 기반 에이전트 메모리가 왜 시작은 쉽지만 규모가 커질수록 한계에 부딪히는지 정리한다.https://techllm.github.io/posts/databricks-memory-scaling-ai-agents/Thu, 30 Apr 2026 19:15:00 +0900https://techllm.github.io/posts/databricks-memory-scaling-ai-agents/Databricks의 Memory Scaling for AI Agents를 바탕으로 에이전트 성능을 높이는 새로운 축으로서 메모리 스케일링, MemAlign 실험, 조직 지식 저장소와 거버넌스 문제를 정리한다.https://techllm.github.io/posts/state-of-ai-agent-memory-2026-mem0/Thu, 30 Apr 2026 18:25:00 +0900https://techllm.github.io/posts/state-of-ai-agent-memory-2026-mem0/Mem0의 State of AI Agent Memory 2026을 바탕으로 에이전트 메모리 벤치마크, graph memory, 통합 생태계, OpenMemory MCP 흐름을 정리한다.https://techllm.github.io/posts/anthropic-multi-agent-research-system/Thu, 30 Apr 2026 17:25:00 +0900https://techllm.github.io/posts/anthropic-multi-agent-research-system/Anthropic의 Claude Research 설계 경험을 바탕으로 멀티 에이전트가 언제 강력하고, 왜 비용이 커지며, 우리 시스템에 어떻게 적용할 수 있는지 정리한다.https://techllm.github.io/posts/openai-privacy-filter-pii-masking-on-prem-guide/Fri, 24 Apr 2026 08:48:00 +0900https://techllm.github.io/posts/openai-privacy-filter-pii-masking-on-prem-guide/OpenAI Privacy Filter는 PII 탐지와 마스킹을 위한 양방향 토큰 분류 모델이다. Apache 2.0, 128K 컨텍스트, 온프레미스 배포, 파인튜닝 가능성까지 갖춰 실무형 전처리 레이어로 주목할 만하다.