№005 ai-agent-operations · 03
Hermes Agent 구축 후 최적화: Tool·Memory·Skill을 줄이는 순서 (3/7)
VPS에 배포한 Hermes Agent의 성공률·비용·지연·위험을 함께 측정합니다. Toolset 최소화, Memory와 Skill 분리, 모델 실험, Cron 승격 순서로 반복 업무를 안정화합니다.
Tag index
#LLMOps
05 entries №004 llm-reasoning-reliability-foundations · 10
Model Routing과 Cascades: Compound AI System 설계 (10/10)
요청별로 모델·RAG·test-time compute를 router와 cascade로 배분합니다. 품질·비용·지연 제약, counterfactual 학습, Pareto frontier와 drift 운영을 설계합니다.
№003 llm-training-serving-foundations · 10
RAG Agent 모델 선택과 배포: 평가·Canary·Rollback (10/10)
RAG Agent 모델을 grounding·tool calling·long context·latency·cost·license로 비교하고 hard gate와 Pareto frontier를 거쳐 offline, shadow, canary, rollback으로 안전하게 배포합니다.
№002 production-rag-agent-python · 10
Production RAG Agent 배포: CI·관찰성·Canary·Rollback (10/10)
Python RAG Agent를 release합니다. 재현 가능한 container, CI·offline eval gate, OpenTelemetry, probe, canary, schema migration과 digest rollback을 연결합니다.
№001
OpenAI SDK vs Temporal vs LangGraph — LLM 에이전트 백엔드 비교 2026
OpenAI Agents SDK, Temporal, LangGraph는 자주 비교되지만 셋은 같은 층이 아닙니다. 만드는 도구·운영 엔진·판단 흐름이라는 세 층을 한 장으로 정리하고, 언제 무엇을 써야 하는지 정직하게 가이드합니다.
