이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.
연관 태그
Kubernetes 상태 읽기와 진단은 자율화하되 모든 변경은 사람이 승인하도록 구조적으로 분리하고, 저비용 감시와 추적·평가 루프를 결합한 자율형 SRE 에이전트 구축 사례다.
스트라이프는 딥 에이전츠의 범용 에이전트 기반 위에 사내 보안·데이터·업무 지식을 결합해 전사 생산성 에이전트 카이를 한 명의 엔지니어가 일주일 만에 구축했고, 이후 직원 대부분이 사용하는 플랫폼으로 확장했다.
GPT‑Live는 턴 감지기를 제거한 전이중 음성 모델과 비동기 위임, 상태 유지형 추론, 실시간 미디어 전송을 결합해 대화 흐름을 멈추지 않는 저지연 음성 AI 시스템을 6개월 동안 구축했다.
시밀러웹은 랭스미스에서 단답형 질의에는 정답 예시와 도구 검사를, 장문 연구 보고서에는 다차원 평가표·근거 충실성 검사·기준 실행 비교를 적용하고, 모든 점수를 설명과 실행 추적에 연결해 에이전트 변경을 검증한다.
Jacob Baskin의 Data Warehouse From Scratch 이야기는 데이터 웨어하우스를 “더 큰 Postgres”로 만드는 일이 아니라, 조직의 실제 사용 방식에 맞춰 무엇을 포기하고 무엇을 보장할지 선택하는 시스템 설계의 문제임을 보여준다.
스포티파이는 방대한 데이터 웨어하우스를 LLM에 그대로 넣는 대신, 도메인 전문가가 큐레이션한 ‘컨텍스트 레이어’를 통해 신뢰 가능한 데이터 어시스턴트를 구축했다.
스포티파이는 AI 코딩 도구 확산으로 ‘코딩’ 자체보다 표준화, 검토, 우선순위 결정, 개발자·에이전트 경험 설계가 더 중요한 병목이 되고 있다고 설명한다.
Cloudflare는 분산된 내부 데이터를 하나의 SQL 기반 데이터 레이크하우스인 Town Lake로 통합하고, 그 위에 자연어로 검증 가능한 데이터 질의를 수행하는 AI 에이전트 Skipper를 구축했다.
LangSmith Engine은 에이전트 실행 trace 위에서 반복 실패를 찾아 이슈로 정리하고, 평가기·데이터셋 예시·수정 제안으로 이어지게 하는 에이전트입니다.
Spotify Engineering은 LLM 평가를 A/B 테스트의 대체재가 아니라, 실험 전 후보를 걸러내고 실험 후 판단 기준을 보정하는 ‘평가 퍼널’로 사용해야 한다고 설명한다.
Spotify는 복잡한 Ads API를 자연어 요청으로 다룰 수 있도록 Claude Code용 오픈소스 플러그인을 만들었고, Markdown 기반 지식·에이전트·OpenAPI 스펙·투명한 curl 실행을 결합해 광고 캠페인 생성 흐름을 자동화했다.
AE Studio는 Modal 위에서 Lean 기반 정리 증명 강화학습 워크플로를 구축해, ES와 GRPO를 비교하고 병렬 GPU 추론·격리된 CPU 검증·경량 오케스트레이션을 조합한 실험 인프라의 속도와 비용 효율을 보여준다.
OpenAI의 Symphony는 Linear 같은 이슈 트래커를 코딩 에이전트의 상시 오케스트레이션 제어판으로 바꿔, 인간의 세션 관리 부담을 줄이고 작업 단위 중심으로 에이전트가 병렬 실행되도록 만든 오픈소스 명세입니다.
Spotify는 백그라운드 코딩 에이전트 Honk와 Backstage, Fleet Management를 활용해 대규모 데이터셋 소비자 마이그레이션의 반복 작업을 자동화했고, 그 과정에서 표준화된 데이터 환경과 테스트 체계가 에이전트 기반 유지보수의 핵심 조건임을 확인했다.
ClawHub가 주간 100만 사용자 규모로 커지며 발생한 읽기·대역폭 폭주를 Convex 데이터 모델 최적화로 크게 줄인 운영 사례다.
Stripe는 Flink 기반 상태형 스트리밍, Spark 기반 과거 데이터 초기화, Pinot v2의 실시간 집계를 결합해 Billing 구독 분석의 평균 24시간 지연을 거의 모든 업데이트가 15분 이내 제공되는 수준으로 단축하면서 맞춤형 지표 정의와 역사적 일관성을 유지했다.
Stripe Billing의 테스트 시계는 실제 운영 로직을 그대로 사용하면서 의미 있는 결제 이벤트로 시간을 빠르게 이동시켜, 장기간의 구독·청구 시나리오를 짧은 시간 안에 검증하게 해준다.
