Agentic Engineering
터미널이 처음이라면 — 리눅스 명령어 셀프 연습, AI가 채점까지
앞 편(개발 환경 준비 0단계)에서 살짝 흘렸던 그 "셀프 연습 자료"가 이 글이다. 이 과정의
사람과 AI Agent 의 협업, 재현 가능하게.
리더십 & 방법론 / Agentic Engineering / Agentic Stack / 업무 사례. People / How / What / Application 의 네 축을 수치와 절차로 정리합니다.
최신 글
Agentic Engineering
0편 · 개발 환경부터 — WSL, Docker, PostgreSQL 컨테이너 준비
앞 편(15분 만에 웹앱 골격)은 "빈 폴더 하나를 열어 두고 시작하자"로 출발한다. 그런데 개발이 처음인
Agentic Stack
13. 말로 만드는 소프트웨어 — Vibe Coding 그리고 다음
마지막 글이다. 여기까지 오면 한 가지가 가능해진다. 코드를 한 줄도 쓰지 않고, "이런 앱을 만들어 줘"라고 말하면
Agentic Stack
11. 내 문서로 답하는 AI — RAG 체험
LLM(Large Language Model: 대규모 언어 모델)은 아는 게 많지만, 내 회사 규정이나 우리 팀 노트는 모른다. 모르면 어떻게
Agentic Stack
10. LLM 너머 — Tool과 Agent로 일하는 AI
요즘 쓰는 AI 서비스는 사실 LLM(Large Language Model: 대규모 언어 모델) 하나로 굴러가지 않는다. LLM에 여러 도구를 붙여 조립한
Agentic Stack
09. LLM으로 이미지/음성/문서 — 작업 책상이 된 AI
앞 글까지는 LLM(Large Language Model: 대규모 언어 모델)에게 주로 글을 시켰다. 그런데 사실 사진도, 표도, PDF 문서도, 음성도
Agentic Stack
08. LLM으로 글/표/검색 — 좋은 질문이 좋은 답을 만든다
앞 글에서 LLM(Large Language Model: 대규모 언어 모델)이 맥락을 보고 답한다는 걸 확인했다. 이번엔 그 맥락 설계를 글
Agentic Stack
07. LLM은 무엇을 보고 답하는가 — 컨텍스트
어제는 보고 듣고 만드는 AI를 손으로 만져 봤다. 오늘부터는 요즘 모두가 쓰는 그 AI, 즉 LLM(Large Language Model: 대규모
Agentic Stack
06. 오늘의 AI를 한 장의 지도로 — 그리고 윤리
하루 동안 꽤 많은 AI를 만졌다. 숫자를 예측하고, 비슷한 걸 묶고, 사진을 알아보고, 그림을 만들고, 목소리를 합성하고, 곡을 짓고, 그것들을
Agentic Stack
05. AI를 레고처럼 잇다 — 멀티모달 종합 체험
지금까지 따로따로 만져 봤다. 이미지, 소리, 글, 음악. 이번엔 이것들을 한 줄로 잇는다. 핵심은 단순하다. 한 도구의 출력이 다음 도구의
Agentic Stack
04. 목소리와 음악을 만드는 AI
지금까지는 눈으로 보는 AI였다. 이번엔 귀다. 그런데 컴퓨터에게는 소리도 결국 숫자다. 마이크에 말하면 화면의 파형이 출렁이는데, 그 출렁임이 바로 숫자의