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
AI 모델
LLM 에 한정되지 않는다. LLM/Computer Vision/Regression/이상 탐지/이미지 생성/음성(TTS/STT) 등 다양한 OSS AI 모델의 활용법과 성능을 살펴본다. 오픈 웨이트(Llama, Qwen, DeepSeek, YOLO, SAM, Whisper 등) 중심으로 아키텍처/벤치마크/자체호스팅/활용 전략.
AI 모델 글 모음
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
Agentic Stack
03. 이미지를 만드는 법 — 생성 AI 체험
앞에서 컴퓨터가 사진을 알아보는 법을 봤다. 이번엔 정반대다. 알아보는 게 아니라 새로 그려 내는 AI, 생성 AI다. 글 몇 줄을
Agentic Stack
02. 컴퓨터가 보는 법 — Vision 체험
앞에서 소리로 분류기를 만들어 봤다. 이번엔 같은 원리를 이미지로 옮긴다. 그런데 그 전에 짚을 게 하나 있다. 컴퓨터는 사진을 우리처럼
Agentic Stack
01. 전통 ML 체험 — 예측/군집/분류
지난 글에서 AI는 "넣으면 나오는 함수"이고, 그 함수의 규칙을 데이터로 찾는 게 머신러닝이라고 했다. 이번엔 말로 듣는
Agentic Stack
00. AI란 무엇인가 — 모델의 직관
오늘 아침을 한 번 되감아 보자. 알람이 추천한 기상 시간, 지도 앱이 찍어 준 도착 예정 시각, 유튜브와 쇼핑이 들이민