지식 문서

완성된 앱의 기능이 어떻게 이어지는지 파악하고 AI 에이전트가 참고할 분석 근거로 추출하는 원리를 살펴봅니다.

폴링이 입력을 놓치는 원인을 짚고 인터럽트의 기본 동작 원리, 우선순위 선점 및 안전한 핸들러 작성 규칙을 알아봅니다.

마이크로컨트롤러(MCU)의 내부 구성, MPU와의 차이점, 베어메탈 제어 구조와 펌웨어 개발 흐름을 알아봅니다.

AI가 다음 단어를 선택하는 확률 분포와 Temperature, Top-P(핵 샘플링) 파라미터로 환각을 줄이고 창의성을 조절하는 방법을 다룹니다.

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.

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.

한 번의 요청을 구성하는 프롬프트·모델·검색·도구 실행을 트레이스로 연결해 실패 지점을 찾습니다.

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.

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

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

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

요청과 응답 메시지를 읽고 브라우저가 웹 자원을 가져오는 흐름을 확인합니다.