자동화72 728x90 NotebookLM 자동화 시스템 문서 기반 AI Knowledge Engine 만들기 공식 NotebookLM Enterprise API는 엔터프라이즈급 인증·권한·감사(로그)·조직 관리와 함께 노트북 관리, 소스 추가(여러 타입), 오디오 오버뷰 등 핵심 기능을 REST/공식 클라이언트로 제공합니다.notebooklm-py(teng-lin)는 비공식 Python CLI/라이브러리로, UI·내부 RPC를 활용해 UI에서 가능한 많은 기능(및 UI에 노출되지 않는 내보내기/배치 기능)을 프로그래매틱하게 구현합니다. 다만 내부(문서화되지 않은) 엔드포인트를 사용하므로 변경·중단 리스크가 있습니다.실무 권장: PoC/개발은 notebooklm-py로 빠르게 검증 → 프로덕션(민감데이터·규모 운영)은 NotebookLM Enterprise 공식 API + 서비스계정/조직 IdP로 전환.공식 AP.. 2026. 3. 6. RAG 벡터DB 없이 완성하는 AI 자연어에서 SQL까지, 데이터와 대화하다 Databricks Genie(AI/BI Genie)로 Text-to-SQL을 “제품 기능”으로 끝내는 방법왜 직접 구현(Text-to-SQL 파이프라인)이 힘들어지나보통 DIY Text-to-SQL은 이런 구성으로 갑니다.스키마 수집(테이블/컬럼/PK-FK/뷰/코멘트)전처리(명칭 정규화, 용어 사전, PII 라벨링)임베딩 + 벡터DB(RAG)질문→관련 스키마/쿼리 후보 검색프롬프트(“이 스키마를 참고해 SQL 만들어라”)LLM 생성 SQL 검증(실행/에러 수정/재시도)권한/마스킹/행·열 보안 적용성능/비용/품질 모니터링여기서 “성능이 안 나오는” 대표 원인은스키마 컨텍스트가 항상 불완전: 컬럼 의미/조인 규칙/비즈니스 정의가 빠짐조인 추론이 어렵고 실수가 잦음스키마 변경/신규 테이블 추가 시 운영비 폭.. 2026. 2. 27. 내부망 LLM 기반 Internal AI Agent Platform (OpenClaw + MCP) 구축 목표 정의: “완전하게 활용”의 범위부터 딱 잡기내부 LLM + OpenClaw를 제대로 쓰려면, 목표를 아래 4개로 분해해 설계하는 게 안정적입니다.모델 계층: 내부망에서 LLM 추론(서빙) 제공에이전트 계층(OpenClaw): 대화/업무흐름/툴 호출/멀티에이전트 라우팅툴 계층(MCP 서버들): 사내 시스템(티켓/CMDB/로그/DB/웹자동화/파일) 기능을 표준 인터페이스로 제공운영·보안 계층: 권한/감사/네트워크/비밀정보/샌드박스/확장 코드 검증/관측성권장 아키텍처(레퍼런스)논리 구성LLM Inference(내부)선택지 A: Ollama(간편)선택지 B: vLLM/TGI(고성능/대규모)OpenClaw Gateway/Agent Workspaces워크스페이스(에이전트 단위) + 인증/라우팅/채널(메신저/웹.. 2026. 2. 14. 유튜브는 미디어가 아니라 비즈니스다 : 쇼츠 시대의 성장과 수익화 구조 유튜브 운영을 “시스템”으로 보는 프레임유튜브는 결국 아래 4개가 맞물릴 때 성장합니다.콘텐츠(상품): 시청자가 “지금” 필요로 하는 문제 해결/즐거움유통(알고리즘/검색): CTR(클릭률) + 시청지속(Watch time/Retention)수익(비즈니스): 광고만이 아니라 쇼핑·제휴·멤버십·협찬 등 다각화리스크(정책/보안/저작권): 한 번의 이슈가 수익/노출을 통째로 흔듦채널 기획: 방향·타깃·포맷을 먼저 고정1. 채널 포지셔닝 3요소누구에게(타깃): 초보/중급/전문, 연령대, 관심사무엇을(주제): 너무 넓으면 알고리즘이 “누구에게 보여줄지” 모릅니다왜 봐야 하는지(차별점): 속도(요약), 깊이(분석), 실전(템플릿), 캐릭터(진정성)2. 콘텐츠 포맷을 “시리즈”로 설계유입형(Discovery): 쇼츠/.. 2026. 2. 10. Gemini CLI Skills 도입 및 사용법: SKILL.md 템플릿과 베스트 프랙티스 Gemini CLI의 “Skills(Agent Skills)”는 무엇인가요?Gemini CLI의 Skills는 “자주 반복되는 작업/전문 도메인 지식/운영 절차”를 재사용 가능한 지침(Instruction) 패키지로 만들어, CLI 에이전트가 상황에 맞게 호출·적용하도록 하는 실험적(Experimental) 기능입니다. Skills는 구조화된 마크다운 파일로 정의되며, YAML 프론트매터에 name, description 같은 메타데이터를 두고 본문에 실제 수행 지침을 작성하는 형태입니다. 실험 기능 활성화아래처럼 .gemini/settings.json에 실험 기능 플래그를 켜서 사용할 수 있습니다.{ "experimental": { "skills": true }}참고로 Gemini CLI 설정.. 2026. 1. 9. 이전 1 2 3 4 ··· 15 다음 728x90 728x90
