https://bigstargithub.github.io/개발자 장한별입니다.제조 현장에서 AI 에이전트를 만들고 평가하는 7년차 엔지니어 장한별의 기술 블로그. AI 에이전트 설계·평가, LLM 서빙 인프라, 데이터베이스에 대한 실전 기록을 남깁니다. 2026-10-14T21:27:51+09:00 장한별 https://bigstargithub.github.io/ Jekyll © 2026 장한별 /assets/img/favicons/favicon.ico /assets/img/favicons/favicon-96x96.png AI 에이전트의 예시 데이터는 어떻게 다룰까 — 컨텍스트 엔지니어링부터 파인튜닝 준비까지2026-10-12T17:00:00+09:00 2026-10-12T17:00:00+09:00 https://bigstargithub.github.io/posts/AI-15/ 장한별 제조업 개발자를 위한 AI 에이전트를 만들며 예시 데이터를 다룬 방식과 판단 기준을 기록합니다. 컨텍스트 엔지니어링 관점에서 에이전트가 예시를 골라 넣게 한 이유, 예시 선택 자체의 평가, 벡터 검색과 파인튜닝으로 넘어가는 기준, 학습 데이터 치환 원칙을 다룹니다. 제조업 AI 에이전트 프로젝트 1차 회고 — 평가, 저장소, 코드 정리에 대한 세 가지 교훈2026-10-10T22:00:00+09:00 2026-10-12T20:21:49+09:00 https://bigstargithub.github.io/posts/AI-14/ 장한별 제조업 개발자를 위한 AI 에이전트 프로젝트 1차를 마치며 얻은 세 가지 교훈을 정리합니다. 평가 기준과 롤백이 있을 때 프롬프트 개선을 에이전트에 맡기는 방법, 데이터 규모에 맞춘 온톨로지 저장소 선택, 부가 로직이 핵심 로직을 가리기 시작할 때의 코드 정리 기준을 다룹니다. 2026년 9월 회고 — 새 회사, 앱 출시 준비, 그리고 노래와 영어2026-10-05T12:00:00+09:00 2026-10-05T12:00:00+09:00 https://bigstargithub.github.io/posts/memories-2026-09/ 장한별 2026년 9월 회고입니다. 제조업 AI Agent 회사 입사와 진행 중인 프로젝트, 기도제목 관리 앱 두모모 출시 준비, 보컬 트레이닝과 영어 공부, 그리고 둘째의 100일까지 한 달을 돌아봅니다. GPU, TPU, NPU — AI 칩은 무엇이 다르고 언제 무엇을 쓰는가2026-10-05T12:00:00+09:00 2026-10-12T20:21:49+09:00 https://bigstargithub.github.io/posts/AI-13/ 장한별 GPU, TPU, NPU는 무엇이 다르고 언제 무엇을 쓸까. 딥러닝이 왜 전용 칩을 필요로 하는지(연산량과 데이터 이동)에서 출발해, 범용 병렬 프로세서 GPU, 시스톨릭 어레이 기반 TPU, 온디바이스 추론용 NPU의 구조와 트레이드오프, 스펙 시트를 읽는 법과 실무 선택 기준까지 정리합니다. 그래서 Agent에 데이터를 어떻게 입히나요? — 데이터가 작을 때의 온톨로지 설계2026-09-29T22:00:00+09:00 2026-10-12T20:21:49+09:00 https://bigstargithub.github.io/posts/AI-12/ 장한별 GraphDB와 RAG 사이에서 고민하다 도달한 결론. 데이터가 작을 때는 온톨로지를 YAML 문서로 정의해 컨텍스트에 통째로 넣는 것이 더 정직한 선택인 이유와, 언제 다음 단계로 넘어가야 하는지를 정리합니다.