Curiosity

기존 AI 슬라이드 도구는 만드는 것은 되지만 고치는 것이 안 된다. slides-grab은 기획부터 내보내기까지 에이전트가 처리하고, 수정할 때는 드래그로 영역을 집어주거나 텍스트로 지시하는 방식을 상황에 따라 쓸 수 있다. HTML 파일 기반이라 로컬 실행·Git 관리가 되고 SaaS 락인이 없다. PPTX 내보내기는 아직 실험적이다.

AI에게 "우리 브랜드 스타일로 만들어줘"는 통하지 않는다 - 브랜드 컨텍스트가 없기 때문이다. Claude Design은 로고 하나에서 색상·타이포·Voice·Motion·UI킷까지 포함한 브랜드 시스템을 스킬로 생성한다. 설치하면 이후 모든 AI 작업에 브랜드가 자동으로 반영된다.

Claude Code를 혼자 쓴다면 매번 직접 지시를 내리고 순서를 챙겨야 한다. Oh-My-ClaudeCode(OMC)는 자연어 한 문장으로 29개 전문 에이전트가 역할을 나눠 병렬로 작업을 완수한다. 소프트웨어 개발 워크플로우 전용 오케스트레이션 프레임워크로, 코딩·리뷰·테스트·배포 자동화에 특화되어 있다.

AI 코딩 에이전트의 성능은 모델이 아니라 모델을 감싸는 시스템에서 결정된다. 프롬프트를 잘 쓰는 것보다 에이전트가 일하는 환경-규칙, 도구, 피드백 루프-을 잘 설계하는 것이 더 중요해졌다. 하네스 엔지니어링은 "AI에게 뭘 시킬까"에서 "AI가 잘 일하는 구조를 어떻게 만들까"로의 전환이다.

AI에게 문서를 주는 방식은 두 가지입니다. RAG는 질문할 때마다 문서를 처음부터 다시 읽습니다. 비용은 쌓이고, 지식은 남지 않습니다. OpenKB는 문서를 한 번 이해해서 Wiki로 만듭니다. 쓸수록 지식이 연결되고 축적됩니다. 벡터DB 없이 동작하고, 결과물은 Obsidian에서 바로 열립니다. 사내 문서를 AI와 함께 자산으로 만들고 싶다면, 이 글이 출발점입니다.

이 글에서는 FastAPI 기반 RAG 서버에 MCP를 도입한 경험을 바탕으로, 앱에 MCP를 직접 임베딩하는 Embedded 패턴과 별도 프로세스로 분리하는 Bridge 패턴의 차이, Transport 선택 기준, 그리고 LLM이 Tool을 올바르게 사용하도록 유도하는 description 작성법까지 단계별로 살펴봅니다.

Ultra-Lightweight Personal AI Assistant

Kafka 없이 PostgreSQL에서 Apache Iceberg로 직접 CDC를 수행하는 경량 도구 OLake를 로컬 Docker 환경에서 구축하고, Debezium과 비교하여 성능·안정성·사용 편의성을 테스트한 PoC 과정을 정리합니다.

최근 데이터 처리 기술이 급격히 발전하면서, 단순히 텍스트를 넘어 방대한 문서에서 필요한 '팩트(Fact)'만 정확하게 구조화하는 기술의 중요성이 커집니다. 오늘은 그 중심에 있는 GLiNER 모델에 대해 알아보고, 우리가 흔히 아는 범용 LLM(GPT, Claude 등)과 어떤 차이가 있는지 정리해 보겠습니다.

'The Modern Data Report 2026'은 기업들이 데이터 플랫폼에 막대한 투자를 했음에도 실제 활용에 실패하는 '데이터 활성화 격차'를 지적합니다. 89%가 데이터 찾기에 시간을 낭비하고, 93%가 상충되는 지표를 경험하며, 68%는 데이터가 AI 활용에 부적합하다고 답했습니다. 해결책은 더 많은 도구가 아닌 '통합된 플랫폼'입니다. 통합 접근(84%), 강력한 거버넌스(81%), 셀프서비스(72%)가 핵심 요소로 꼽혔습니다. 신뢰할 수 있는 데이터로 의사결정 속도를 높이는 것이 2026년의 목표입니다.