자유

LangGraph 같은 프레임워크 쓰다가 직접 while 루프로 짜는 게 낫다는 글을 봤는데요. 디버깅이 쉽고 의존성이 적다는 게 이유라네요. 다들 어떻게 생각하세요?

ai에서 AGI로 갈때 어떤게 필요할까요?

코딩 테스트 통과율이 예전보다 확실히 높아진 느낌. AI 도구 사용을 허용할지, 아니면 역량 평가 방식을 바꿔야 할지 고민입니다.

보안 우려로 LLM 도입을 꺼리시는 분들이 있는데, 폐쇄망 배포 사례를 보여드리면 좀 나아질까요? 비슷한 경험 있으신 분들의 조언 부탁드립니다.

사내용 챗봇 하나 돌리는데 GPU 서버 빌리는 게 월 200만원이 넘네요. 트래픽이 적으면 API 쓰는 게 이득이라는 의견도 있고요. 실제 사례 있으면 공유 부탁드려요.

여기처럼 짧은 글 위주로 활발한 곳이 또 있을까요? 디스코드/슬랙 커뮤니티도 추천해주시면 감사하겠습니다.

모든 프레임워크는 500줄을 넘어서면 디버깅 악몽이 됩니다. 순수 코드 + function calling이 우리에게는 더 좋았습니다.

LLM을 잘 쓰는 것만으로는 부족하다는 말이 많아지네요. 시스템 설계? 벡터 DB? MLOps? 다들 뭐가 우선이라 생각하세요?

LangGraph, CrewAI, 자체구현... 다들 뭐 쓰시는지 궁금합니다.

Mine: Claude for code, DeepSeek for bulk tasks, local Ollama for privacy stuff. What's yours?

코딩 문제는 다들 잘 풀어요. 문제는 '왜'를 물었을 때. 면접 방식 자체를 바꿔야 하나 고민입니다.

보안팀이랑 임원분들이 '아직 이르다'는 입장인데, 실무는 이미 AI 없이는 일이 안 됩니다. 설득 팁 있을까요?

일 10만 요청 기준 DeepSeek API vs 자체 GPU. 대략 어디서 크로스오버되나요? 계산해보신 분?

With better rerankers and hybrid search, raw embedding quality matters less every quarter. Agree?

I used to read every arxiv paper. Now I wait for good summaries. Am I falling behind?

저는 계속 일반 코드 + 함수 호출 방식으로 돌아오게 되네요. 프레임워크는 디버깅하기에 너무 많은 매직을 추가하거든요.

Lots of 'prompt engineer' listings that are really content farms. Anyone found legit remote AI work lately?

새 모델 나올 때마다 다같이 벤치마크 까보는 게 제일 재밌네요. 여기 오시는 분들은 뭐 보러 오세요?

이번 주만 해도: 새 모델 세 개, 프레임워크 두 개, 프로토콜 업데이트 하나. 나는 오늘 내 스택에서 바로 쓸 수 없는 건 무시하기 시작했어. 내 피드는 읽지도 않은 '이게 전부를 바꾼다'는 포스트들의 무덤이야. 당신의 필터는 뭐예요?

Ship a model, top the leaderboard, get the press release, repeat. Meanwhile real usage is full of edge cases none of the benchmarks touch. I'd rather have a model that's honest about what it can't do.

국내+글로벌 AI 논의를 한 곳에서. 짧게 쓰레드처럼 쓰는 곳입니다. 자유롭게 이야기해요.

The agent handles maybe 60% of tickets but the 40% it hands to humans are the messy ones, so support load barely dropped. Customers who realize they're talking to a bot get annoyed even when it works. Not sure this was a win.

Glad this place exists — KO + EN in one thread feed is exactly what I wanted.

두 달이 지났는데, 아직 후회는 없어요. 오픈 에이전트 프레임워크를 만들고 있고, 저축으로 생활하고 있어요. 오픈 소스 생태계는 혼란스럽지만 그 속도감이 중독적이에요. 전직, 돈, 또는 실제로 하루종일 뭘 하는지에 대한 질문에 기꺼이 답변할게요.

Day 1: I felt like a god. Day 12: I found a bug the AI introduced that took 3 hours to hunt. Day 30: net positive, probably. The tooling is incredible but you still need to understand what you're building. No replacement, just acceleration.

In hindsight it was a fair question but I panicked and started rambling about chunk sizes. I've built two RAG systems in production. Doesn't matter, whiteboard me is a different person. Anyone else have interview horror stories?

우리는 제품 가격을 입력 토큰 100만 개당 $2로 책정했습니다. 지금은 $0.30까지 내려왔고 계속 하락 중입니다. 우리에게는 좋지만, 고객들은 AI가 더 저렴해졌는데 왜 청구서는 줄지 않았는지 계속 묻습니다. 게다가 이제 경쟁사들도 같은 품질을 감당할 수 있게 됐습니다. 마진 해자가 줄어들고 있습니다.

진심으로 묻는 질문입니다. 매주 새로운 '브레이크스루'가 나오면 초록만 훑어보고 넘어갑니다. 제가 실제로 배우는 논문들은 누군가 이미 좋은 블로그 포스트로 소화해 놓은 것들이에요. 제가 게으른 건가요, 아니면 요즘은 원래 이게 정상인가요?

I ran Llama 4.5 8B Q4 on my M3 Pro and it's... fine? Good enough for drafts and summarization, not great for anything complex. Battery drains fast though. For $0 in API costs, the tradeoff is getting more tempting.

Every release cycle we get 48 hours of takes, then silence until the next thing. The posts that actually teach me things are the deep dives written weeks later. I wish more people would write the 'we ran this in production for 6 months' posts.