mirabo01 님의 블로그

요즘 AI 이야기를 하다 보면 가장 자주 나오는 표현 중 하나가 바로 생성형 AI입니다.그런데 막상 이 말을 들으면 “기존 AI랑 뭐가 다른 거지?” “머신러닝이랑은 어떻게 다른 거지?” 하고 헷갈리는 경우가 많습니다.결론부터 말하면 생성형 AI는 머신러닝의 한 갈래입니다. 머신러닝이 데이터에서 패턴을 배워 예측이나 분류를 하는 기술이라면, 생성형 AI는 그중에서도 새로운 콘텐츠를 만들어내는 데 강한 형태라고 보면 이해가 쉽습니다. 쉽게 말하면 머신러닝은 “이 사진이 고양이인지 강아지인지 맞히는 쪽”에 가깝고, 생성형 AI는 “고양이 그림을 새로 만들어내는 쪽”에 더 가깝습니다. #생성형AI #머신러닝 #AI기초 #생성형AI뜻 #머신러닝비교 #AI입문 #LLM생성형 AI란 무엇인가생성형 AI는 말 그대..

AI 에이전트를 공부하다 보면 자주 나오는 단어가 있습니다.바로 memory와 workflow입니다.둘 다 자주 보이는데, 막상 처음 접하면 “메모리는 기억이고 워크플로는 순서 아닌가?” 정도로만 이해하고 넘어가기 쉽습니다. 그런데 실제로 에이전트를 설계할 때는 이 둘의 연결 구조를 이해해야 전체 그림이 보입니다.간단하게 말하면 workflow는 에이전트가 일을 처리하는 흐름이고, memory는 그 흐름 안에서 계속 참고하는 기억 장치에 가깝습니다.즉 workflow가 “어떤 순서로 움직일까”를 정한다면, memory는 “그 과정에서 무엇을 기억하고 다음 단계로 넘길까”를 담당합니다.그래서 이 둘은 따로 떨어진 개념이 아니라, 실제 AI 에이전트 구조에서는 거의 항상 같이 움직입니다.#AI에이전트 #에이..

AI 관련 글을 보다 보면 요즘 자주 보이는 단어가 있습니다.바로 MCP입니다.처음 보면 이름이 조금 낯설 수 있지만, 실제 의미는 생각보다 단순합니다. MCP는 AI가 외부 도구, 데이터, 워크플로와 연결되는 방식을 표준화한 규격이라고 보면 됩니다.쉽게 말하면 예전에는 AI 앱 하나하나가 슬랙 연결, 구글 드라이브 연결, 데이터베이스 연결, 파일 시스템 연결을 각각 따로 구현해야 했습니다.그래서 같은 기능을 여러 번 다시 만들게 되고, 도구가 늘어날수록 연결 구조도 점점 복잡해졌습니다. MCP는 이런 문제를 줄이기 위해 나온 표준입니다.한 번 정해진 방식으로 연결하면 AI 애플리케이션은 같은 규칙으로 여러 외부 시스템과 대화할 수 있습니다. 그래서 MCP는 종종 AI를 위한 공통 연결 규격처럼 설명됩니..

LLM을 직접 배포해보려다 보면 꽤 빨리 만나게 되는 이름이 있습니다.바로 vLLM입니다.Hugging Face 모델을 띄우고 API 형태로 연결하거나, GPU 자원을 좀 더 효율적으로 써서 추론 성능을 높이고 싶을 때 많이 언급되는 도구입니다.그런데 막상 처음 접하면 헷갈리는 부분이 있습니다. vLLM이 하나의 “모델”처럼 보이기도 하고, 어떤 사람은 서버처럼 쓰고, 어떤 사람은 파이썬 코드 안에서 바로 불러서 쓰고, 또 어떤 사람은 Docker나 Kubernetes로 배포합니다.그래서 이번 글에서는 vLLM의 종류를 “사용 형태” 기준으로 나눠서, 실제로 어떤 방식이 있고 어떻게 시작하면 되는지 처음 보는 사람도 이해할 수 있게 정리해보겠습니다.#vLLM #vLLM사용법 #vLLM종류 #LLM서빙 #..

AI 관련 글을 보다 보면 요즘 자주 보이는 단어가 있습니다.바로 sLLM과 vLLM입니다.이름이 비슷해서 같은 종류의 기술처럼 보이지만, 실제로는 역할이 다릅니다. sLLM은 어떤 모델을 쓸 것인가에 가까운 개념이고, vLLM은 그 모델을 어떻게 빠르고 효율적으로 돌릴 것인가에 가까운 기술입니다.쉽게 말하면 하나는 모델 쪽 이야기이고, 다른 하나는 추론 엔진과 서빙 쪽 이야기입니다.그래서 최근에는 “큰 모델이냐 작은 모델이냐”만 보는 게 아니라, 작은 모델을 실제 서비스에 어떻게 올릴지까지 함께 고민하는 흐름이 강해졌습니다. 이 지점에서 sLLM과 vLLM이 자주 같이 언급됩니다.#sLLM #vLLM #LLM추론엔진 #소형언어모델 #AI서빙 #LLM배포 #생성형AIsLLM이란 무엇일까sLLM은 보통 S..

최근 몇 년 사이 다양한 서비스에서 **AI 자동화(AI Automation)**라는 표현이 자주 등장하고 있습니다. 단순히 작업을 자동으로 처리하는 수준을 넘어, AI가 데이터를 분석하고 판단하여 업무를 수행하는 방식이 점점 늘어나고 있기 때문입니다.예전의 자동화가 정해진 규칙에 따라 반복 작업을 처리하는 것이었다면, 최근의 자동화는 AI가 상황을 분석하고 작업을 수행하는 형태로 발전하고 있습니다.AI 자동화는 인공지능 기술을 활용해 반복 업무나 분석 작업을 자동으로 처리하는 시스템을 의미합니다.이번 글에서는 AI 자동화의 개념과 특징, 그리고 실제로 활용되는 사례를 중심으로 정리해 보겠습니다.AI 자동화의 개념AI 자동화는 간단히 말하면 AI 기술을 활용한 업무 자동화입니다.기존 자동화 시스템은 대부..

AI 도구가 빠르게 발전하면서 개인 개발자도 비교적 쉽게 서비스를 만들 수 있는 환경이 만들어지고 있습니다. 예전에는 팀 단위로 개발해야 했던 기능들도 이제는 AI를 활용하면 비교적 짧은 시간 안에 프로토타입을 만들 수 있는 경우가 많습니다.이 때문에 최근 개발 커뮤니티에서는 “AI로 어떤 프로젝트를 만들면 실제 수익으로 이어질 수 있을까?”라는 질문도 자주 등장합니다.AI는 단순한 기술 트렌드라기보다 새로운 서비스 아이디어를 빠르게 실험할 수 있는 도구에 가깝습니다.이번 글에서는 개인 개발자나 소규모 팀이 시도해 볼 수 있는 AI 기반 수익 프로젝트 아이디어를 몇 가지 정리해 보겠습니다.AI 콘텐츠 자동 생성 서비스가장 빠르게 등장한 AI 서비스 유형 중 하나는 콘텐츠 생성 서비스입니다.예를 들어 다음..

AI에게 코딩 시키는 프롬프트 50개 (개발 생산성을 높이는 실전 예시)AI 코딩 도구를 사용하는 개발자가 빠르게 늘어나고 있습니다.ChatGPT, Cursor, Copilot 같은 도구를 활용하면 단순 코드 작성뿐 아니라 디버깅, 리팩토링, 테스트 작성까지 다양한 작업을 자동화할 수 있습니다.하지만 실제로 사용해 보면 결과의 품질은 어떤 프롬프트를 입력하느냐에 따라 크게 달라집니다.같은 기능을 요청하더라도 설명 방식이 조금만 달라져도 코드 구조나 품질이 달라질 수 있습니다.AI 코딩 도구를 잘 활용하려면 “코드를 요청하는 방법”을 익히는 것이 중요합니다.이번 글에서는 실제 개발 과정에서 활용할 수 있는 AI 코딩 프롬프트 50가지를 정리했습니다.코드 생성 프롬프트 (기본 기능 개발) 가장 많이 사용하는..

최근 개발 커뮤니티에서 자주 등장하는 표현 중 하나가 바이브 코딩(Vibe Coding)입니다. 처음 들으면 유행어처럼 보이지만, 실제로는 AI 코딩 도구의 확산으로 개발 방식이 어떻게 바뀌고 있는지를 설명할 때 자주 쓰이는 개념에 가깝습니다.특히 2025년 이후 ChatGPT, Cursor, Claude Code 같은 AI 기반 개발 도구가 빠르게 퍼지면서, 예전처럼 개발자가 모든 코드를 직접 처음부터 끝까지 작성하기보다 AI에게 의도를 설명하고, 생성된 결과를 검토하고, 방향을 다시 조정하는 방식이 점점 일반적인 흐름으로 자리 잡고 있습니다.바이브 코딩은 개발자가 코드를 한 줄씩 직접 작성하는 데 집중하기보다, 자연어로 원하는 기능과 방향을 설명하고 AI가 만든 결과를 검토·수정하는 방식의 개발 패턴..

AI 시대에 개발자는 무엇을 해야 할까최근 몇 년 사이 개발 환경은 빠르게 변화하고 있습니다.코드를 직접 작성하는 것보다 AI에게 초안을 요청하고 수정하는 방식이 점점 자연스러워지고 있습니다. 실제로 ChatGPT나 Copilot 같은 도구를 사용해 보면 간단한 함수나 반복적인 코드 작성은 상당히 빠르게 처리되는 것을 확인할 수 있습니다.이러한 변화 때문에 개발자 사이에서도 자주 나오는 질문이 있습니다.AI가 코드를 작성하는 시대에 개발자는 어떤 역할을 하게 될까요?현업에서 AI 도구를 사용해 보면 개발자의 일이 사라졌다기보다는 일의 성격이 조금 달라지고 있다는 느낌이 더 강합니다. 이 글에서는 AI 시대에 개발자가 어떤 방향으로 역량을 가져가면 좋을지 정리해 보겠습니다.AI가 잘하는 것과 개발자가 해야..