AI 강좌 게시판
AI 도구 활용법과 바이브 코딩 강좌
AI 강좌 최신글
- [OpenClaw #10] 자동화와 배치 운영 - cron, heartbeat, tasks, launchd를 어떻게 나눠 써야 하나
- [OpenClaw #9] MCP와 Tools 권한 통제 - profile, allow/deny, sandbox, exec approval, group override
- [OpenClaw #8] 모델 라우팅과 비용 통제 - openai, openai-codex, fallbacks, cacheRetention
- [OpenClaw #7] 멀티 에이전트와 워크스페이스 분리 운영 - agentDir, bindings, 세션 경계, sandbox
- [OpenClaw #6] 원격 운영편 - Tailscale, SSH 터널, 원격 Gateway와 로컬 Mac 노드 연결
- [OpenClaw #5] 실전 운영편 - launchd, Codex OAuth 상태 체크, 재시작, 로그, 장애 복구
- [OpenClaw #4] Telegram 연동부터 붙이는 법 - BotFather, pairing, 그룹 정책, 보안
- [OpenClaw #3] 코드베이스에 붙이는 법 - workspace, AGENTS.md, MEMORY.md, skills 설계
- [OpenClaw #2] 설치 후 바로 해야 하는 실전 세팅 - config, agent 분리, fallback, 안전한 작업 흐름
- [OpenClaw #1] 맥 미니 설치, Codex OAuth, 모델 선택과 API 비용 비교
- [AI기초 #17] 증류(distillation)와 비용 최적화 - 더 싼 모델을 쓰는 것과 더 작은 모델을 잘 가르치는 것은 다르다
- [AI기초 #16] 파인튜닝은 언제 하고 언제 하지 말아야 하나 - 검색 문제를 학습으로 덮으면 더 꼬인다
- [AI기초 #15] RAG 데이터 품질 관리 - 검색 모델보다 원문 정제가 더 먼저인 이유
- [AI기초 #14] Evals와 회귀 방지 설계 - 모델을 바꿀 때마다 다시 망하지 않으려면
- [AI기초 #13] 대화 상태와 메모리 설계 - 프롬프트를 길게 쌓는 것과 기억하는 것은 다르다
- [AI기초 #12] Function Calling과 도구 사용 설계 - 답변을 잘하는 AI와 일을 실제로 처리하는 AI는 다르다
- [AI기초 #11] OCR과 문서 이해 - 글자를 읽는 것과 문서를 이해하는 것은 다르다
- [AI기초 #10] 벡터 데이터베이스는 왜 필요한가 - 임베딩만 만든다고 검색 시스템이 완성되지는 않는다
- [AI기초 #9] 프롬프트 인젝션과 가드레일 설계 - 완전 차단보다 다층 방어가 현실적이다
- [AI기초 #8] AI 자동화에서 보안과 개인정보 - 모델보다 먼저 데이터 흐름을 설계해야 한다
ai-course
0[OpenClaw #10] 자동화와 배치 운영 - cron, heartbeat, tasks, launchd를 어떻게 나눠 써야 하나
[OpenClaw #10] 자동화와 배치 운영: cron, heartbeat, tasks, launchd를 어떻게 나눠 써야 하나 OpenClaw를 쓰기 시작하면 곧 이런 질문이 생깁니다. 매일 아침 9시에 리포트를 보내려면 cron 인가, heartbeat 인가 백그...
[OpenClaw #9] MCP와 Tools 권한 통제 - profile, allow/deny, sandbox, exec approval, group override
[OpenClaw #9] MCP와 Tools 권한 통제: profile, allow/deny, sandbox, exec approval, group override OpenClaw를 운영하다 보면 권한 문제가 늘 비슷한 형태로 터집니다. “왜 exec 를 막았는데도 뭔...
[OpenClaw #8] 모델 라우팅과 비용 통제 - openai, openai-codex, fallbacks, cacheRetention
OpenClaw 모델 라우팅과 비용 통제: openai, openai-codex, fallbacks, cacheRetention, usage OpenClaw를 쓰다 보면 모델 문제는 단순히 “어떤 모델이 더 좋나”로 끝나지 않습니다. 실제 운영에서는 이런 질문이 먼저 ...
[OpenClaw #7] 멀티 에이전트와 워크스페이스 분리 운영 - agentDir, bindings, 세션 경계, sandbox
OpenClaw 멀티 에이전트와 워크스페이스 분리 운영: agentDir, bindings, 세션 경계, sandbox OpenClaw를 조금만 오래 쓰면 금방 이런 고민이 생깁니다. 코딩용 봇과 공지/소셜용 봇을 나누고 싶고, 가족용 봇과 내 개인 봇도 섞고 싶지 않...
[OpenClaw #6] 원격 운영편 - Tailscale, SSH 터널, 원격 Gateway와 로컬 Mac 노드 연결
OpenClaw 원격 운영편: Tailscale, SSH 터널, 원격 Gateway와 로컬 Mac 노드 연결 앞선 글에서 설치, 기본 설정, 코드베이스 연결, Telegram 연동, 운영 기본기를 다뤘다면 이제 다음 단계는 원격 구조 입니다. 실제로 OpenClaw를 ...
[OpenClaw #5] 실전 운영편 - launchd, Codex OAuth 상태 체크, 재시작, 로그, 장애 복구
OpenClaw 실전 운영편: launchd, Codex OAuth 상태 체크, 재시작, 로그, 장애 복구 앞선 글에서 설치, 기본 설정, 코드베이스 연결, Telegram 연동까지 붙였다면 이제 남는 질문은 하나입니다. 이걸 어떻게 오래 안 끊기게 돌리느냐 입니다. ...
[OpenClaw #4] Telegram 연동부터 붙이는 법 - BotFather, pairing, 그룹 정책, 보안
Telegram이 OpenClaw 첫 채널로 좋은 이유 OpenClaw를 실제로 손에 익히려면, 브라우저 대시보드만 보는 것보다 메신저 채널 하나를 먼저 붙이는 편 이 훨씬 좋습니다. 그중에서도 Telegram은 OpenClaw 공식 문서가 사실상 가장 빠른 시작 경로...
[OpenClaw #3] 코드베이스에 붙이는 법 - workspace, AGENTS.md, MEMORY.md, skills 설계
코드베이스에 붙일 때부터 OpenClaw의 실력이 갈린다 [OpenClaw #1] 에서 설치와 모델/비용을 정리했고, [OpenClaw #2] 에서는 설정 파일, agent 분리, fallback, sandbox를 다뤘습니다. 그 다음 단계는 자연스럽게 실제 코드베이스...
[OpenClaw #2] 설치 후 바로 해야 하는 실전 세팅 - config, agent 분리, fallback, 안전한 작업 흐름
설치가 끝났다면 이제 세팅을 해야 한다 [OpenClaw #1] 에서 설치, Codex OAuth, 모델 선택, 비용 구조를 정리했다면, 이제 진짜 중요한 단계가 남습니다. 설치 성공 과 실전에서 안정적으로 굴러간다 는 전혀 다른 문제입니다. OpenClaw는 기본값만...
[OpenClaw #1] 맥 미니 설치, Codex OAuth, 모델 선택과 API 비용 비교
OpenClaw를 맥 미니에서 시작하는 가장 현실적인 방법 OpenClaw는 여러 모델 공급자를 한 도구 안에서 붙여 쓸 수 있는 AI 에이전트 CLI입니다. 이 글은 2026년 4월 16일 기준으로 OpenClaw 공식 문서와 각 공급자 공식 가격표를 바탕으로, 맥 ...
[AI기초 #17] 증류(distillation)와 비용 최적화 - 더 싼 모델을 쓰는 것과 더 작은 모델을 잘 가르치는 것은 다르다
도입: 왜 이 주제를 먼저 알아야 하나 AI 서비스를 운영하다 보면 결국 부딪히는 문제가 있습니다. 성능은 좋은데 비용이 높다 정확도는 괜찮은데 지연 시간이 길다 매 요청마다 큰 모델을 쓰기에는 트래픽이 부담된다 반복 작업은 많은데 전부 최고급 모델을 태우는 게 비효율...
[AI기초 #16] 파인튜닝은 언제 하고 언제 하지 말아야 하나 - 검색 문제를 학습으로 덮으면 더 꼬인다
도입: 왜 이 주제를 먼저 알아야 하나 AI 제품을 만들다 보면 어느 시점에 꼭 이런 이야기가 나옵니다. 답변 톤이 들쭉날쭉하다 출력 형식이 자꾸 흔들린다 우리 도메인에 더 잘 맞게 만들고 싶다 정책 문서를 읽고 더 정확히 답했으면 좋겠다 검색 결과가 별로인데 파인튜닝...
[AI기초 #15] RAG 데이터 품질 관리 - 검색 모델보다 원문 정제가 더 먼저인 이유
도입: 왜 이 주제를 먼저 알아야 하나 RAG를 도입할 때 많은 팀이 먼저 고민하는 것은 보통 이런 것들입니다. 어떤 임베딩 모델을 쓸까 벡터 DB는 뭘 쓸까 top-k를 몇으로 할까 reranking을 붙일까 물론 중요한 질문입니다. 하지만 실제 운영에서 더 먼저 터...
[AI기초 #14] Evals와 회귀 방지 설계 - 모델을 바꿀 때마다 다시 망하지 않으려면
도입: 왜 이 주제를 먼저 알아야 하나 AI 기능을 제품에 붙이면 처음에는 보통 이렇게 시작합니다. 프롬프트를 조금 고친다 모델을 한 단계 바꿔본다 temperature를 만져본다 검색 문맥을 더 넣어본다 그리고 테스트는 대개 이렇게 합니다. 내가 직접 몇 개 물어본다...
[AI기초 #13] 대화 상태와 메모리 설계 - 프롬프트를 길게 쌓는 것과 기억하는 것은 다르다
도입: 왜 이 주제를 먼저 알아야 하나 AI 서비스를 만들다 보면 금방 이런 요구가 붙습니다. 방금 했던 말을 기억해줬으면 좋겠다 지난 대화 맥락을 이어서 답했으면 좋겠다 세션이 끝나도 사용자 취향은 남아 있었으면 좋겠다 긴 작업을 하다 보니 이전 맥락이 너무 길어져 ...
[AI기초 #12] Function Calling과 도구 사용 설계 - 답변을 잘하는 AI와 일을 실제로 처리하는 AI는 다르다
도입: 왜 이 주제를 먼저 알아야 하나 AI를 처음 서비스에 붙일 때 많은 팀이 비슷한 흐름을 겪습니다. 챗봇은 그럴듯하게 답한다 그러면 “조회도 해주고 저장도 해주면 좋겠다”는 요구가 붙는다 여기서 Function Calling을 붙인다 그런데 막상 운영해보면 툴이 ...
[AI기초 #11] OCR과 문서 이해 - 글자를 읽는 것과 문서를 이해하는 것은 다르다
도입: 왜 이 주제를 먼저 알아야 하나 문서를 AI에 넣는다고 하면 많은 사람이 먼저 이렇게 생각합니다. PDF를 넣으면 알아서 읽겠지 OCR만 잘 되면 정보 추출도 끝나는 것 아닌가 계약서나 영수증에서 필요한 값만 뽑는 것도 결국 글자 읽기 아닌가 스캔 문서와 일반 ...
[AI기초 #10] 벡터 데이터베이스는 왜 필요한가 - 임베딩만 만든다고 검색 시스템이 완성되지는 않는다
도입: 왜 이 주제를 먼저 알아야 하나 임베딩을 이해하고 나면 자연스럽게 따라오는 질문이 있습니다. 임베딩을 만들었으면 그냥 DB에 넣으면 끝 아닌가? PostgreSQL에 숫자 배열 저장하면 되지 않나? 어차피 가까운 벡터 찾는 거면 코드로 다 비교하면 되지 않나? ...
[AI기초 #9] 프롬프트 인젝션과 가드레일 설계 - 완전 차단보다 다층 방어가 현실적이다
도입: 왜 이 주제를 먼저 알아야 하나 AI 시스템이 단순 채팅을 넘어서 문서를 읽고, 검색하고, 툴을 호출하고, 대신 행동하는 단계로 가면 보안 문제가 달라집니다. 그중 가장 자주 오해되는 것이 프롬프트 인젝션(prompt injection) 입니다. 많은 사람이 프...
[AI기초 #8] AI 자동화에서 보안과 개인정보 - 모델보다 먼저 데이터 흐름을 설계해야 한다
도입: 왜 이 주제를 먼저 알아야 하나 AI 자동화를 처음 붙일 때 많은 팀이 가장 먼저 보는 것은 성능입니다. 얼마나 잘 답하는가 얼마나 빨리 처리하는가 비용이 얼마나 드는가 하지만 운영에 들어가면 더 무거운 질문이 바로 따라옵니다. 이 문서를 모델에 보내도 되는가 ...