AI / LLM

Codex x LLM Wiki 구축기

최근에 내 개인 LLM Wiki를 구축했다. 흩어진 자료와 경험을 모아두고 나중에 다시 쓸 수 있게 해주는 기록 시스템을 만든 과정을 정리합니다.

• #codex
• #llm
• #wiki

요즘 클로드코드에 대해

최근 Claude Code를 쓰면서 “어? 예전 같지 않은데?”라고 느낀 사람들이 꽤 많아진 것 같습니다. 단순한 체감이나 커뮤니티 불평으로만 보기 어려운 이유는, Anthropic이 실제로 Claude Code 품질 저하 이슈를 공식적으로 인정했기 때문입니다.

Claude × Codex 하네스 구축기

최근 작업하면서 가장 크게 느낀 문제는 “AI를 쓰고 있는데도 작업 흐름이 오히려 더 산만해질 수 있다”는 점이었다. 단순히 AI가 코드를 잘 짜느냐의 문제가 아니었다. 실제로는 아래 같은 불편이 더 컸다. 나는 결국 “AI를 더 똑똑하게 쓰는 것”보다 작업 흐름 자체를

• #codex
• #claude

LangChain이 공개한 에이전트 하네스, Deep Agents 뜯어보기

요즘 AI 에이전트 하네스를 직접 만들어보려는 시도가 많다. 나도 그중 하나였다. 프롬프트 짜고, 도구 몇 개 붙이고, 루프 돌리면 되겠지 싶었는데 막상 만들어보면 금방 벽에 부딪힌다. 대화가 길어지면 컨텍스트가 넘치고, 도구 호출 결과가 거대해지면 토큰 비용이 폭발하고,

Spring AI + pgvector RAG 검색 품질 개선기: 쿼리 리라이팅부터 Re-ranking까지

이전 글에서 MessageChatMemoryAdvisor를 적용해 멀티 턴 대화까지 구현했다. 그런데 실제로 다양한 질문을 던져보니, 검색 자체가 잘 안 되는 문제가 있었다. 이 글에서는 기존 QuestionAnswerAdvisor를 커스텀 Advisor 체인으로 교체하여

• #spring
• #rag

Spring AI가 제공하는 주요 기능 정리

Spring AI는 Java/Spring 생태계에서 AI 애플리케이션을 구축하기 위한 프레임워크다. LLM 호출, 문서 임베딩, 벡터 검색, 대화 이력 관리 등 AI 앱에 필요한 기능들을 Spring 스타일의 추상화로 제공한다. 이 글에서는 Spring AI가 제공하는 주요

• #spring

Spring AI로 멀티 턴 대화(Conversation Memory) 구현하기

이 프로젝트는 Spring AI를 학습하기 위한 프로젝트다. 고객센터 같은 상황에서 문서 기반으로 질문에 답변하면서, 동시에 이전 대화 맥락도 이어갈 수 있는 챗봇을 만드는 것이 목표다. 즉, 멀티 턴 대화와 RAG 기능을 모두 갖춘 프로그램을 완성하는 것이다. 이전 글에서

• #spring

500 에러가 터지면 AI가 알아서 PR을 만들어주는 봇 만들어보기

Spring Boot 프로젝트를 운영하다 보면 500 에러가 터진다. 로그 보고, 원인 파악하고, 코드 고치고, PR 올리고. 매번 같은 루틴이다. "에러 나면 AI가 코드 보고 알아서 고쳐서 PR까지 올려주면 안 되나?" 이 생각에서 시작했다. 사람이 해야 할 건 PR