프론트엔드, 백엔드, DB, IT 인프라, AI 솔루션에 대한 인사이트와 실무 가이드를 공유합니다.
우리 서버는 매일 도둑을 잡는다 — TREEWALL 실증 테스트 리포트
NVMe 스토리지 벤치마크 — Optane부터 HDD까지 20개 디바이스 비교
ComfyUI + Wan 2.2 로컬 AI 영상 생성 — RTX PRO 6000 96GB 구축기
LLM으로 비정형 문서 자동 구조화 — 메뉴 19개 추출 정확도 실측
회사 네트워크 첫 통로를 지키는 법 — AI 보안 게이트웨이 TREEWALL
로컬 14B 모델로 메뉴판 문서를 DB 데이터로 — 가격 100%, 이름 94.7% 실측. 위험한 건 완전히 틀린 값이 아니라 '그럴듯하게 틀린 값'이었습니다.
AI로 영어 학습 콘텐츠를 대량 제작하면 빠르지만, 그대로 쓰면 품질이 무너집니다. 990개 SCENE을 만들고 자동 감사와 수동 점검을 돌리며 얻은 현실적인 기준을 정리했습니다.
한국어 RAG에서 임베딩 모델을 고를 때 속도만 보면 놓치는 것이 있습니다. BGE-M3와 mE5-Large를 같은 조건에서 비교하고, 검색 실패가 실제 답변 품질에 어떤 영향을 주는지 정리했습니다.
임베딩 모델 선정부터 벡터DB 검색, LLM 연동까지. RAG 파이프라인의 각 단계를 실측 데이터로 검증한 구축기입니다.
쇼핑몰·법률·업무자동화 3개 시나리오로 6개 로컬 LLM의 실무 대응력을 비교합니다.
제조업·SaaS·의료 3개 실무 시나리오로 6개 로컬 LLM의 응답 품질을 비교합니다.
존재하지 않는 제품, 가짜 판례 등 6가지 함정 질문으로 LLM 환각 현상을 테스트합니다.
6개 로컬 LLM의 한국어 능력을 존댓말, 사자성어, 비즈니스 어투 등 10개 실전 질문으로 비교합니다.
RTX PRO 6000에서 6개 LLM의 실제 토큰 생성 속도를 측정하고 속도-품질 트레이드오프를 분석합니다.
RTX PRO 6000에서 6개 로컬 LLM을 360개 질문으로 벤치마크한 종합 비교 결과를 공개합니다.
NVR 없이 CCTV 녹화 서버 만들기 — RTSP + ffmpeg + systemd로 180일 보존
MoE 모델이 쓰레기를 뱉었다 — Expert 가중치 18,432개 전수 조사로 찾은 원인
AI로 영어 학습 콘텐츠 990개를 만들고 품질검사하며 배운 것
BGE-M3 vs mE5-Large — 한국어 RAG 검색 품질을 직접 비교해보니
Microsoft Store가 안 열리는 Windows 11에서 winget과 Terminal 복구하기
