본문 바로가기

Rag15

728x90
하나의 질문, 수십 개의 분석: 왜 쪼개서 생각할까? AI Query Fan-Out 비밀 AI Query Fan-Out(쿼리 팬아웃)은 하나의 사용자 질문을 여러 개의 하위 질문(Sub-query)으로 분해하여 동시에 처리한 후 결과를 통합하는 AI 추론 기법입니다. 최근 OpenAI, Anthropic, Google Gemini, Perplexity, Glean, Cursor, Claude Code, LangGraph, CrewAI, Google ADK 등의 Agent 시스템에서 매우 많이 사용하는 핵심 패턴 중 하나입니다.Fan-Out 이란?사용자 질문"최근 1개월간 Apache Struts 취약점 동향과 공격사례, 탐지 방법, 대응방안을 알려줘"일반 LLM질문 ↓LLM ↓답변Fan-Out 방식질문 ↓ ┌──────────────┐ │ 취약점 동향 │ └──────────────┘.. 2026. 5. 29.
AKB Agent Knowledgebase 아키텍처, RAG 넘어선 AI Memory 플랫폼 AI 에이전트를 위한 Git 기반 지식 운영 플랫폼AKB(Agent Knowledgebase)는 단순한 문서 관리 시스템이 아닙니다.핵심 개념은 다음 한 줄로 정리됩니다.“사람이 읽는 위키가 아니라, AI 에이전트가 직접 읽고 쓰고 탐색하고 기억하는 지식 시스템”기존 Confluence, Notion, Wiki 시스템은 사람이 UI를 통해 탐색하는 구조입니다.반면 AKB는 다음을 목표로 설계되었습니다.AI Agent가 MCP 호출로 문서를 직접 사용구조화된 관계 기반 탐색Git 기반 변경 이력Hybrid Search 기반 고품질 검색장기 메모리(Long-term Memory)이벤트 기반 자동화Agent-to-Agent 협업즉, AKB는 사실상 다음 3개의 개념이 합쳐진 플랫폼입니다.Git 기반 문서 저장.. 2026. 5. 27.
AI 시스템 설계의 진화: Prompt · Context · Harness Engineering AI 지시 체계의 진화Prompt Engineering → Context Engineering → Harness Engineering생성형 AI와 AI Agent 시대에서는 단순히 “프롬프트를 잘 작성하는 것”만으로는 실제 운영 환경을 안정적으로 구축할 수 없습니다.특히 기업 환경에서는내부 데이터권한 체계보안 정책자동화 도구운영 절차감사 요구사항등이 모두 연결되기 때문에 AI 시스템 자체를 하나의 운영 플랫폼처럼 설계해야 합니다. 현재 업계는 대체로 아래 흐름으로 발전하고 있습니다.Prompt Engineering→ Context Engineering→ Harness Engineering이 세 가지는 서로 경쟁 관계가 아니라:하위 → 상위 계층구조입니다.┌───────────────────────────.. 2026. 5. 21.
산업별 업무를 수행하는 특화 Vertical AI 에이전트 아키텍처 설계 통제 전략 Vertical AI(버티컬 AI)를 “개념 → 왜 뜨는지 → 어떻게 만들고 운영하는지 → 산업/업무별 활용사례 → 보안·거버넌스 점검포인트”로 한 번에 볼 수 있게 정리한 내용입니다. 참고로, 최근에는 “Vertical AI Agents”처럼 산업 특화 에이전트라는 표현도 함께 쓰입니다.Vertical AI 한 문장 정의와 배경Vertical AI = 특정 산업(도메인)의 데이터·용어·규제·업무흐름을 깊게 반영해 “그 분야에서 실제로 일”을 잘하도록 최적화한 AI입니다. 범용 모델(General AI)을 그대로 쓰기보다, 도메인지식 + 업무 프로세스 + 기업 데이터를 결합해 정확도/재현성/감사 가능성을 높이는 접근입니다.왜 ‘버티컬’이 중요한가범용 LLM은 “대화/요약/작성”은 잘하지만, 산업 현장에서.. 2026. 1. 25.
Raw–Index–Vector 구조를 활용한 취약점 분석·유사도 검색·리포팅 자동화 “대량 보안점검 결과(MD) 누적 → 검색/분석/리포팅(AI) 자동화”를 기준으로, 취약점 분석 및 리포팅 자동화 구축 방안을 종합적으로 정리합니다.추진 배경과 문제 정의1. 현재 운영의 현실다양한 보안점검(호스트/웹/컨테이너/설정 점검 등)을 자동 스캔으로 수행결과를 사람이 읽기 쉬운 MD 파일로 생성대상이 많고 수행이 수시로 발생하여 결과물이 급격히 누적2. 핵심 문제MD 파일 폭증파일 수/용량이 증가하면서 “어디에 뭐가 있는지”가 어려워짐단순 파일 탐색/검색으로는 운영이 한계에 도달기간/대상/취약점 기준의 추적이 어려움“특정 기간에 특정 서버군에서 High 이상 취약점 변화”“동일 취약점이 언제부터 계속 반복되는지”“미조치 누적 현황 및 재발 패턴”→ 이런 질문은 파일 단위로는 답하기가 거의 불가능.. 2025. 12. 18.
728x90
728x90