지식 문서

TypeSafe Jev 규격과 호환되는 421M 로컬 의사결정 모델 Laya를 Ollama에 연결하고 하네스 정책과 결합하는 방법을 살펴봅니다.

JetPack 7.2.1의 PyNvVideoCodec 2.2와 DLPack 제로카피를 활용해 비디오 디코딩과 AI 모델 추론의 지연 시간을 최소화합니다.

호스트 개발 머신의 코딩 에이전트를 SSH로 Jetson에 연결하고 일반 사용자 권한의 Docker와 디바이스 스킬로 엣지 런타임을 검증합니다.

함수 호출에 따라 쌓이고 비워지는 스택과 동적으로 할당되는 힙의 차이를 이해하고 메모리 관리 원리를 살펴봅니다.

입력 크기 증가에 따른 연산 횟수의 변화를 Big-O로 분석하고 리스트와 집합의 탐색 비용 차이를 확인합니다.

독립된 메모리를 갖는 프로세스와 메모리를 공유하는 스레드의 차이를 이해하고 동시성과 병렬성을 구분합니다.

전체 테이블 스캔과 B-트리 인덱스 탐색의 비용 차이를 비교하고 인덱스 동작 원리와 설계 주의점을 알아봅니다.

오디오 입력을 전사하고 긴 텍스트를 나눈 뒤 구조화된 회의록으로 저장하는 단계별 파이프라인을 설계합니다.

상태를 읽고 갱신하는 노드와 조건부 엣지를 사용해 에이전트 반복과 종료 조건을 명시합니다.

체크포인트에 상태를 저장하고 interrupt로 실행을 멈춘 뒤 승인·수정·거부 결과로 재개하는 흐름을 설명합니다.

LangChain Runnable을 파이프로 조합해 입력이 프롬프트와 모델, 출력 파서를 지나는 과정을 확인합니다.

한 번 답하는 LLM 호출이 상태·도구·반복을 갖춘 AI 에이전트로 확장되는 구조를 살펴봅니다.

Model Context Protocol에서 사용자 애플리케이션과 연결 관리 계층, 도구·리소스 제공자의 책임을 나눠 봅니다.

Ollama의 CLI·로컬 API·모델 저장소가 연결되는 흐름을 확인하고 가장 작은 채팅 요청을 실행합니다.

문서를 벡터로 색인하는 준비 단계와 질문 시 관련 문맥을 검색해 답을 만드는 실행 단계를 구분합니다.

모델의 도구 호출 제안, 실제 실행 결과 관찰, 다음 판단이 이어지는 에이전트 루프를 살펴봅니다.

정해진 선택지의 반복 판단을 Jev로 분리하고 생성형 LLM·정책 계층과 연결하는 하네스 구조를 살펴봅니다.

사람이 조작한 시연을 기록하고 데이터셋·정책 학습·로봇 배포로 이어지는 LeRobot의 작업 흐름을 살펴봅니다.

순서, 중복 허용 여부, 조회 방법을 기준으로 리스트·집합·딕셔너리를 선택합니다.

여러 데이터 변경을 한 처리 단위로 묶고 COMMIT과 ROLLBACK의 차이를 확인합니다.