-
회고) 일상에서의 경계, 비 사이로 막 가기
감정은 느낄 수 있겠지만메달리면 안된다 느낌은 선택할 수 없지만메달리려는 집착과 애욕은 선택할 수 있다 돌이켜보면너무 코 앞까지 바짝 붙어있었다. 끈적거릴 정도로 뜨겁게사실 안-도 아니고 밖에서 볼 수 있었다면너스레를 떨면서도 단호함을 유지할 수 있었을 것이다물론 돌이켜 생각해보니 그렇다는 거지 쉬운 일은 아니다. 결론적으로 부적절한 대응이었다. 요구사항을 관철하지도 못하면서 서로 불편한 감정만 남겼다사실 늦은 감이 있다, 여길 수 있을 만큼 늦은 경험과 깨달음이었다언젠가 겪어도 겪어야할 케이스 스터디였다. 만약 또다시 비슷한 상황이 발생한다면? .. 글쎄? 기출 변형까지 감당할 수 있을까? .. 불편한 상황, 부적절하거나 그르다고 판단되는 상황에 급짜기 놓인다면 일단 그 상황의 시간을 일시 정지 시킬..
2026.08.13
-
BOOK 자기암시 실전편
'의식 속에 들어온 모든 생각은, 무의식이 그것을 받아들 일 경우 현실로 바뀌며, 그때부터 우리 삶의 영구적인 일부가 된다.' #1 우리가 마음속으로 품는 생각은 단지 정신 상태나 감정, 정서뿐 아니라 신체의 미묘한 작용과 균형에도 영향을 미친다. 이런 변화는 우리가 의식적으로 조절하는 것도, 자발적으로 유도하는 것도 아니다. 무의식이 그것을 결정하며, 때로는 전혀 예상하지 못한 순간에 우리를 놀라게 하며 나타난다.분명한 것은, 만약 우리가 의식을 건강, 기쁨, 선함, 유능함 같은 생각으로 채우고, 그것들이 무의식에 받아들여지도록 할 수 있다면, 그 생각들 또한 현실이 되어 우리를 한층 더 나은 존재의 차원으로 끌어올릴 수 있다는 점이다. 지금까지 이러한 기대가 자주 좌절되어 온 이유는, 바로 무의식이 ..
2026.08.11
-
착-
아.. 된장.. 아침부터 뭐야- 또 저 인간..으아- 또 저 소리.. 문득 이런 생각이 들었다. 아.. 나는 이렇게 착- 달라붙는구나 착- 착- 달라붙는 나의 습, 나의 업, 인연이런 식으로 또 오늘의 업이 착-하고 달라붙는다. 사람들은 저마다 미각, 후각, 촉각의 민감함이 다른 것처럼.특정 사안이나 상황 그리고 태도에 대해 저마다의 민감함(상식, 싸가지, 인간성.. 등)이 다르다. 그는 공정하지 않고 분위기를 조성하고 강약약강의 전형적인 케이스이다. 어?! 저기 그가 보인다.. 이내 '나에게 왜 그럴까?' 하는 생각이 착- 달라붙는다. 별의별 상상을 한다.난리 났다. 이번엔 그와 같은 다른 비슷한 류의 군상들이 내 마음에 착- 붙는다. 억울하다.설거지할 때 미끄덩거리고 잘 닦이지 않던 그런 기름..
2026.07.29
-
.md 대신 .html을 사용해야하는 이유(feat. 백문이불여일견)
요즘 콘텍스트 설계(Context Engineering)를 고민하면서 출력 포맷 최적화가 얼마나 중요한지 새삼 실감하고 있다.보통 Markdown을 선호해왔다. 막연한 생각으로 md는 에이전트 친화적이고 시각화된 html은 휴먼 친화적이라고 생각했다. 토큰, 데이터 증 특면에서 효율적이라고 생각했다. 하지만 지극히 휴먼적 생각이었다. 복잡한 작업을 수행하는 AI 에이전트(AI Agent) 환경에서는 HTML이나 XML 같은 태그(Tag) 기반 포맷이 JSON이나 단순 텍스트보다 AI 모델에게 훨씬 더 친화적이며 추론 성능을 높여준다고 한다. 모델은 단어뿐만 아니라 구조도 읽습니다. 구조가 내용보다 중요합니다.The model reads structure, not just words. Structure b..
2026.07.25
-
AX..(사실 DT에 가까운)의 가장 중요한 점
AX는 사실상 DT다 AX는 사실상 -AI를 전제로 다시 설계한- DT다.조금 더 정확히 말하면, AX는 AI에 최적화하기 위해 다시 설계하는 DT 작업에 가깝다. 그리고 DT는 사실상 전처리가 팔할이다.여기서 말하는 전처리는 단순히 데이터를 정리하는 일만을 의미하지 않는다. 업무 규칙을 정의하고, 예외 상황을 구분하고, 데이터를 구조화하고, 각 시스템이 주고받을 수 있는 형태로 만드는 모든 과정을 포함한다.1~2년 전까지만 해도 생산성, 그러니까 시간과 비용의 관점에서 DT나 RPA(Robotic Process Automation)는 재정적 여유가 있는 대기업이나 공공기관 정도만 접근할 수 있는 영역이었다. 도입 비용도 높았고, 업무를 분석하고 시스템으로 구현하는 데에도 많은 인력과 시간이 필요했다.하..
2026.07.17
-
루프 엔지니어링 추상화 해보기
요즘 대세? 루프 엔지니어링은 결국 다음과 같이 추상화할 수 있다.Loop = State + Planner + Executor + Evaluator + Reducer + Stop Policywhile (!stopPolicy.check(state)) { Action action = planner.decide(state); Result result = executor.execute(action); Evaluation evaluation = evaluator.evaluate(state, action, result); state = reducer.update(state, evaluation); memory.save(state);}
2026.07.15
-
어쩌면 대상 자체가 아니라 그 대상의 상징을 원하는 경우가 많다.
어쩌면 우린 의외로 집, 차, 직업, 연애를 고민할 때, 실제로는 대상 자체보다 그 대상이 상징하는 무언가를 원하는 경우가 많은거 같아.
2026.06.10
-
Personal AI Agent Architecture for Mac mini (Hermes + NanoClaw)
구조의 핵심은 “하나의 AI 도구”가 아니라, 역할이 분리된 “개인 AI 팀” 결과.Mac mini를 기반으로 개인 AI 에이전트 팀 구조를 실험 중이고 전체 구조는 크게 두 계층으로 나뉨메인 에이전트는 HermesOpenAI 기반으로 사용자의 의도와 컨텍스트를 받아 작업을 해석하고, 실행 계획을 세우며, 전체 워크플로우를 조율하는 Planner / Orchestrator 역할을 담당. 중요한 포인트는 지속적인 성장.그리고 실행 에이전트 그룹은 NanoClaw(Claude) 기반 에이전트 그룹. Hermes가 설계한 작업을 실제로 수행한다. 구조.``` ┌─────────────────────────────────┐ │ ..
2026.05.28
-
AI의 판단을 현실의 행동으로 바꾸는 시대
이제, AI의 판단을 현실의 행동으로 바꾸는 시대이다. 코드의 시대에서, AI의 판단을 현실의 행동으로 바꾸는 시대로에이전트와 하드웨어를 엮는 개발자의 새로운 역량앞으로 개발자의 핵심 역량은 단순한 프롬프팅이나 AI 모델 활용 능력에 머무르지 않을 것이다.진짜 중요한 능력은 여러 AI 에이전트를 목적에 맞게 조합하고, 각 에이전트가 서로 다른 인터페이스와 도구를 통해 움직이도록 설계하는 능력이다.그리고 그 확장은 결국 소프트웨어 안에서 끝나지 않는다.구슬도 꿰어야 보배이듯, AI 에이전트의 판단도 현실과 연결되고 실제 행동으로 이어질 때 비로소 가치가 된다.AI 에이전트가 현실 세계에서 실제로 무언가를 감지하고, 제어하고, 움직이기 위해서는 하드웨어와의 연결이 필요하다.특정 에이전트에게 손과 발을 달아주..
2026.05.25
-
LLM | ollama 1부 - 로컬 터미널에서 실행하기 + 버전 업데이트하기
👉 ollama 1부. 로컬 터미널에서 실행하기 : Linux(wsl 2), MacOS & ollama version update - ollama 2부. 로컬 브라우저에서 실행하기 : open-webui - ollama 3부. 온라인(내 도메인으로) 브라우저에서 실행하기 - ollama 4부. 검색증강 RAG 적용하기 - ollama 5부. 이미지 인식 적용하기 - (준비 중) ollama 6부. MOE mixture of exports 방식 적용하기 ollama local terminal on linux(wsl 2) in windows 11 1. 윈도우 하위 시스템(wsl 2)으로 리눅스(우분투) 설치 1) 윈도우 검색에서 [windows 기능 켜기 끄기] 실행 2) 옵션 설정 3) 재부팅 4) 윈도우..
2024.02.20
-
(Mac) MySQL 완전 삭제, 설치 그리고 설정 가이드
Local LLM Agent로 서비스를 구성하려다보니.. 간만에 MySQL을 다시 설치하게 되었다. 8.x이후부터 바뀐 정책도 그렇고 컴퓨터에 남아 있는 버전은 너무 오래되었고 이전에 작성했던 포스팅(라떼 MySQL)도 찾아 찾아봤는데... 아무래도 안되겠다 ㅋㅋ -하는 마음에 후루룩 빠르게 다시 정리해본다. 삼팔광땡 MYSQL 입문기 - 프롤로그삼팔광땡~ MYSQL 입문기 라떼판다로 돌리고 있는 홈서버가 요즘 말썽이다. 개선 작업만 하기엔 지지부진한 시간이 길어질 것 같아, 이 참에 MYSQL을 입문하려 한다.기준이 되는 책은 'SQL 첫걸음'이normalstory.tistory.com 정리의 순서는.. 일단 기존에 설치 되었는지 여부를 확인하고 애매한? 기존 MySQL를 완전히- 그리고 철저하게?..
2024.06.19
-
LLM | ollama 4부. 검색증강 RAG 적용하기
LLM | ollama 4부. 검색증강 RAG 적용하기 - ollama 1부. 로컬 터미널에서 실행하기 : Linux(wsl 2), MacOS - ollama 2부. 로컬 브라우저에서 실행하기 : open-webui - ollama 3부. 온라인(내 도메인으로) 브라우저에서 실행하기 👉 ollama 4부. 검색증강 RAG 적용하기 - ollama 5부. 이미지 인식 적용하기 - (준비 중) ollama 6부. MOE mixture of exports 방식 적용하기 Ollama RAG에 앞서 참고로 RAG라는 보편적 개념과 관련 API를 제공하는 프레임워크가 랭체인 LangChain인 만큼 관련 기본적인 내용과 실습을 선행하는 것을 추천하고 관련 내용은 이전에 포스팅해둔 것이 있어서 먼저 걸어두고 시작한다..
2024.02.25
-
LLM | ollama 2부. 로컬 브라우저에서 실행하기
- ollama 1부. 로컬 터미널에서 실행하기 : Linux(wsl 2), MacOS 👉 ollama 2부. 로컬 브라우저에서 실행하기 : open-webui - ollama 3부. 온라인(내 도메인으로) 브라우저에서 실행하기 : - ollama 4부. 검색증강 RAG 적용하기 - ollama 5부. 이미지 인식 적용하기 - (준비 중) ollama 6부. MOE mixture of exports 방식 적용하기 ollama local browser 1. 도커 이미지로 실행하기( Mac terminal 환경, = 윈도우 cmd와 거의 동일) 1) 도커에 가입한 후 로그인한다 2) 내 컴퓨터 OS 종류에 맞게 도커를 설치한다 Install Docker Engine Learn how to choose the..
2024.02.25
-
.md 대신 .html을 사용해야하는 이유(feat. 백문이불여일견)
요즘 콘텍스트 설계(Context Engineering)를 고민하면서 출력 포맷 최적화가 얼마나 중요한지 새삼 실감하고 있다.보통 Markdown을 선호해왔다. 막연한 생각으로 md는 에이전트 친화적이고 시각화된 html은 휴먼 친화적이라고 생각했다. 토큰, 데이터 증 특면에서 효율적이라고 생각했다. 하지만 지극히 휴먼적 생각이었다. 복잡한 작업을 수행하는 AI 에이전트(AI Agent) 환경에서는 HTML이나 XML 같은 태그(Tag) 기반 포맷이 JSON이나 단순 텍스트보다 AI 모델에게 훨씬 더 친화적이며 추론 성능을 높여준다고 한다. 모델은 단어뿐만 아니라 구조도 읽습니다. 구조가 내용보다 중요합니다.The model reads structure, not just words. Structure b..
2026.07.25
-
Agentic | AI 에이전트를 오케스트레이션 프레임워크 CrewAI
Agentic 컨셉 시리즈 - Agentic Chunking LangChain RAG - AI 소프트웨어 엔지니어 DEVIKA 👉 AI 에이전트를 오케스트레이션 프레임워크 CrewAI CrewAICrewAI는 롤플레잉 자율 AI 에이전트를 오케스트레이션(매니징)하는 프레임워크이다. LangChan 위에 있는 추상화된 구조라고 보면 될?것 같다. 유사 서비스로는 MS사의 AUTO-GEN이고 음.. 애매하지만 유사한? 컨셉으로는 LangChain의 LangGraph가 있다. 물론 CrewAI와 LangGraph를 병행해서( 다음 포스팅 콘텐츠로 사용할 예정) 사용하는 방법이 있지만 이들이 탄생?한 시기와 컨셉이 Agentic( MOE)이라는 동일한 방향성을 가지고 있음은 크게 다르지 않은 것 같..
2024.05.02
-
LLM | Five Levels of Chunking( 스압 주의!)
Agentic 컨셉 시리즈 👉 Agentic Chunking LangChain RAG - AI 소프트웨어 엔지니어 DEVIKA - AI 에이전트를 오케스트레이션 프레임워크 CrewAI 먼저..RAG에 대한 기본적인 내용은 이전에 포스팅을 참고하면 좋을 것 같다. LLM | Langchain - 02 유형/단계별 RAG 실습실습 링크는 코랩 입니다. 기본 대화 준비, API KEY 발급가입, 키발급실습, GPT와 대화하기OpenAI - DocumentsLangchain - Langchain(LLM)_실습GPT 3, 3.5 비교매개변수 조절temperature : 0일관적 답변, 2매번 다른normalstory.tistory.com 1. 개요 Chunking Chunking은 고품질의..
2024.05.01
-
LLM | Langchain - 02 유형/단계별 RAG 실습
LLM | Langchain - 01 개요👉 02 유형/단계별 RAG 실습*실습 링크는 코랩 입니다. 기본 대화 구성하기 준비, API KEY 발급가입, 키발급실습, GPT와 대화하기OpenAI - DocumentsLangchain - Langchain(LLM)_실습GPT 3, 3.5 비교매개변수 조절temperature : 0일관적 답변, 2매번 다른 창의적 답변StreamingStdOutCallbackHandler챗팅 모델에 역할 부여input[ tuple]HumanMessage : 사용자의 메시지SystemMessage : 챗봇에 역할을 부여하는 메시지outputAIMessage : 최종 답변 Langchain(LLM)_실습01.ipynbColaboratory notebookcolab.re..
2023.12.17
-
LLM | Langchain - 01 개요
LLM | Langchain👉 01 개요 - 02 유형/단계별 RAG 실습 LM과 LLM에 대해 아키텍쳐 - 트랜스포머 Transformer( Decoder, Encorder)학습 알고리즘 - 랭기지 모델 LMLM 워크 플로 : 파운데이션 모델* > RLHF 기법**대규모 컴퓨터 리소스와 데이터를 통해 프리 트레이닝 되어 있는 모델오픈ai나 구글과 달리, 페북의 라마2는 상업적으로도 오픈파운데이션 모델*대규모 컴퓨터 리소스와 데이터를 통해 프리 트레이닝 되어 있는 모델오픈ai나 구글과 달리, 페북의 라마2는 상업적으로도 오픈RLHF 기법**휴먼 피드백 알고리즘- 프롬프트에 대한 답변에 대해 사람이 개입, 인터넷에 있는 텍스트 프로포스를 수집해서 이를 기반으로 점수 부여해서 법, 정치적 문제가 되..
2023.12.17