AI 에이전트 실전 설계 시리즈 (2) – Tool calling은 어디까지 맡겨야 안전할까
AI 에이전트 Tool calling을 붙일 때 읽기 도구, 쓰기 도구, 비용 발생 도구, 위험 도구를 어떻게 나누고 승인 흐름을 설계해야 하는지 정리합니다.
-
-
LLM judge는 믿어도 될까: AI 평가를 자동화할 때 생기는 편향과 한계
LLM judge를 AI eval에 사용할 때의 장점과 한계를 설명합니다. 평가 자동화, 편향, 기준표 설계, 사람 평가와 함께 쓰는 방법, 회귀 테스트에서 조심할 점까지 실무 기준과 예시로 차분히 정리합니다. 핵심만 봅니다.
-
Android SavedStateHandle은 언제 필요할까: 화면 회전과 프로세스 죽음을 구분해서 이해하기
Android SavedStateHandle이 필요한 상황을 설명합니다. 화면 회전, ViewModel, process death, rememberSaveable 차이를 나누고 상태 복원 기준을 실무 관점으로 정리합니다.
-
pytest fixture는 언제 써야 할까: 테스트 준비 코드를 반복하지 않는 방법
pytest fixture를 언제 쓰면 좋은지 설명합니다. 테스트 준비 코드 중복을 줄이는 기준, scope 선택, autouse 남용 위험, parametrize와의 차이를 예제 코드와 함께 실무적으로 정리합니다.
-
RAG reranking은 왜 필요할까: 검색 결과를 그대로 넣으면 생기는 문제
RAG reranking이 왜 필요한지 설명합니다. vector search 결과를 그대로 context에 넣을 때 생기는 문제와 reranker, hybrid search, top-k 조정의 차이를 실무 기준으로 정리합니다.
-
AI 에이전트 실전 설계 시리즈 (1) – AI 에이전트는 챗봇과 무엇이 다를까
AI 에이전트를 단순 챗봇이 아니라 목표, 도구, 맥락, 상태, 검증, 승인 흐름을 가진 실행 시스템으로 이해합니다. 시리즈 1편에서 전체 설계 지도를 잡습니다.
