BLUEBUG'S BLOG

AI 에이전트 팀 기반 ETL 파이프라인 최적화 사례 분석

이 문서는 5인 AI 에이전트 팀을 구성하여 ETL 파이프라인의 성능 병목을 분석하고 최적화한 프로젝트 사례를 다룬다. 프로젝트 초기 상황에서 전체 처리 예상 시간은 153시간으로 추정되었으며, 약 1,786개의 파일을 처리해야 하는 대규모 작업이었다. 파일 구성은 MD/TXT/HTML 약 870개, PDF 389개, PPTX 307개, DOCX 20...

코딩의 판도는 정말 바뀌었다 — 에이전트 시대, 개발자의 역할 재정의에 대한 심층 고찰

원문 소개 이 문서는 시니어 프론트엔드 개발자 teo.v가 Velog에 게시한 「진짜로 코딩의 판도는 바뀌었다. 개발자는 어떻게 해야 할까?」라는 글을 읽고, 그 핵심 메시지를 현재 AI 코딩 에이전트 생태계의 최신 데이터와 함께 깊이 있게 분석한 느낀점 및 고찰 문서이다. 1. “2%에서 79%로” — 숫자가 말해주는 패러다임 전환의 실체 ...

AI 에이전트 팀과 하이브리드 RAG: 지식 작업의 새로운 지평

관련문서 Agent Teams 활용 가이드 서론: 단독 에이전트에서 협업 팀으로의 진화 2026년 2월 5일, Anthropic이 Claude Code의 새로운 실험적 기능인 “Agent Teams”를 발표했을 때, 이는 단순한 기능 추가가 아니라 AI 보조 개발의 패러다임 전환을 의미했습니다. 지난 몇 년간 우리는 단일 AI 에이전트가 작업을 ...

Context Graphs: 진정으로 이해하는 AI를 위한 차세대 지식 표현

개요 Context Graphs는 단순히 정보를 처리하는 것을 넘어, 엔티티 간의 관계, 이벤트의 타이밍, 의사결정의 근거, 그리고 답변에 대한 신뢰도까지 깊이 있게 이해하는 AI 시스템을 구현하기 위한 새로운 지식 표현 방식입니다. 이는 기존의 Knowledge Graph를 진화시켜, 지식이 존재하는 맥락(context)까지 구조화된 형태로 포착합...