ACTIVE

AI를 실험하고
기록하는 공간

AI 자동화·프롬프트·RAG·Python·이미지생성을 실제로 만들고 실험하고 회고하는 AI 실험실형 개발 블로그. 실패 사례까지 기록한다

~/genny
$ cat topics.txt
- AI 자동화
- 프롬프트
- RAG·LangChain
- 개발 툴링
$ _
./실험-로그RAG 파이프라인
$ run automation/*.py

AI 자동화

반복을 줄이는 작은 스크립트와 파이프라인 회고

전체 보기 →
~5minAI 자동화

AI 자동화를 망치는 설계 오류 5가지 — 휴먼인더루프는 어디에 놓는가

2025년 HITL 도입 사례를 기반으로, 자동화 워크플로우에서 사람 판단을 전략적으로 배치하는 설계 기준을 정리했다. 단계 분리, 타이밍 분기, 멱등성 보장까지 구체 구현 방법을 공개 자료로 검증.

$ eval prompts/

프롬프트

프롬프트 실패 사례와 구조화 실험 로그

전체 보기 →
~5min프롬프트

프롬프트 평가 기준을 수치로 설계하면 결과물이 왜 안정화되는가

AI 응답 품질의 변동성을 줄이려면 모호한 목표가 아니라 수치화된 KPI와 자체 평가 루프를 프롬프트에 포함해야 한다. 실무 검증 결과와 설계 체크리스트를 공개한다.

~6min프롬프트

JSON으로 답해"는 작동 안 함 — 출력 형식 강제의 함정과 비용

프롬프트에서 출력 형식을 강제하려면 단순 요청을 넘어 Structured Output 기술로 모델이 스키마를 어기지 못하게 해야 한다. 2026년 실측 기준 기술·비용·함정을 점검한다.

$ index rag/

RAG·LangChain

문서 기반 QA·벡터DB·LangChain 실전 기록

전체 보기 →
~5minRAG·LangChain

청킹 전략: RAG 검색 정확도를 좌우하는 선택지들

한국어 문서 QA를 위한 청킹 크기·오버랩·전략 선택. 500~1,000자 고정 크기와 계층적 청킹의 트레이드오프를 2026 실측 데이터로 검증.

~5minRAG·LangChain

Weaviate로 RAG 하이브리드 검색 구현하기—1000만 벡터 규모의 실측

Weaviate의 하이브리드 검색(BM25+Vector)과 멀티모달 처리가 정말 RAG에서 동작하는지 검증. 1.8ms 레이턴시, False Positive 40% 감소의 실제 조건과 한계를 기록.

~4minRAG·LangChain

Pinecone의 함정: 관리형 편의는 비용으로 온다

Pinecone은 5M+ 벡터에서 p95 15~30ms 지연을 보장하는 관리형 벡터DB지만, 월 $3,300 이상 비용과 벤더 종속성이 숨겨진 대가다. RAG 프로덕션 선택 시 실제 함정들.

$ diff tooling/

개발 툴링

로컬 이미지 생성과 코딩 어시스턴트 비교

전체 보기 →
~5min개발 툴링

로컬 LLM으로 코딩할 수 있을까? 6개월 실전 검증 결과

Qwen3-Coder 32B를 중심으로 로컬 LLM 코딩의 실제 속도, 정확도, 하드웨어 비용을 검증했습니다. 클라우드 대비 10-20% 품질 격차와 2-5초 응답 시간이 현실입니다.

$ subscribe --lab neura

다음 실험, 같이 지켜볼래요?

자동화·프롬프트·RAG·툴링 — 성공한 것도, 깨진 것도 전부 기록합니다.

전체 로그 열기실험실 소개