쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 10월 31일 (토)까지 3677건
6건 · "리랭킹"조건 지우기 ×
001 03:11 ▲ 10 · 댓글 1 생성 모델이 직접 관련성 판단…글랜스 레랭킹 방식 검색 증강 생성(RAG)에서 보통 별도의 리랭커 모델과 생성 모델을 이중으로 두지만, Glance는 생성 모델 자체에 경량 의사결정 어댑터와 포인터 헤드를 더해 두 역할을 한 모델이 수행하도록 했다. AI · 머신러닝 · Glance: The Generator Is Its Own Reranker
Key Point 기존 RAG의 이중 모델 문제를 하나의 생성 모델로 통합하면서도 리랭킹 정확도는 더 높이는 방식이 제시되어, 비용 효율과 성능 사이의 트레이드오프를 해결하는 방법을 제시한다.
핵심 요약
검색 증강 생성(RAG)에서 보통 별도의 리랭커 모델과 생성 모델을 이중으로 두지만, Glance는 생성 모델 자체에 경량 의사결정 어댑터와 포인터 헤드를 더해 두 역할을 한 모델이 수행하도록 했다. 쿼리-문단 쌍을 각각 따로 처리하지 않고 공유된 prefill 캐시에서 짧은 관련성 프로브를 분기하여 각 후보 문단마다 하나의 점수를 생성하므로, 처리 비용을 크게 줄인다. 9B 백본 모델이 생성, 일반 의사결정, 리랭킹을 모두 담당하며 각 기술별로 약 0.1GB의 추가 메모리만 필요하다. 전체 요약 7문장 읽기 → 002 21:11 당일 +357 로컬-퍼스트 AI 메모리 시스템 MemPalace 공개 MemPalace는 대화 기록을 그대로 저장하고 시맨틱 검색으로 검색하는 오픈소스 AI 메모리 시스템으로, 요약이나 의역 없이 원문을 보존한다. AI · 머신러닝 · MemPalace/mempalace · Python
Key Point LLM 기반 AI 시스템에서 과거 대화를 정확히 기억하고 활용하는 것이 성능을 좌우하는데, 이 프로젝트가 원문 보존과 의미 검색의 균형을 구현해 API 비용 없이 96.6%의 높은 정확도를 달성했기 때문이다.
핵심 요약
MemPalace는 대화 기록을 그대로 저장하고 시맨틱 검색으로 검색하는 오픈소스 AI 메모리 시스템으로, 요약이나 의역 없이 원문을 보존한다. 사람과 프로젝트를 '윙(wing)', 주제를 '룸(room)', 원문을 '드로어(drawer)'로 구조화해 검색을 특정 범위로 제한할 수 있으며, 검색 백엔드는 플러그인 방식으로 교체 가능하다. 기본값은 ChromaDB이고 SQLite, Milvus, Qdrant, PostgreSQL(pgvector) 등 다양한 백엔드를 지원하며, 사용자 기계를 벗어나는 데이터는 명시적 동의 하에서만 외부로 나간다. 전체 요약 10문장 읽기 → 003 21:12 당일 +919 로컬·클라우드 AI 모델 한곳에서 관리하는 오픈소스 UI Open WebUI는 Ollama, OpenAI 호환 API 등 다양한 AI 모델을 지원하는 자체 호스팅 AI 플랫폼이며, 완전 오프라인 운영이 가능합니다. AI · 머신러닝 · open-webui/open-webui · Python
Key Point 로컬 모델부터 클라우드 API까지 통합 관리하면서 엔터프라이즈급 보안(LDAP/SSO/SCIM), 팀 협업 기능, RAG, 에이전트 실행 환경을 모두 지원해 온프레미스 AI 플랫폼을 자체 구축하려는 팀에게 필수 선택지입니다.
핵심 요약
Open WebUI는 Ollama, OpenAI 호환 API 등 다양한 AI 모델을 지원하는 자체 호스팅 AI 플랫폼이며, 완전 오프라인 운영이 가능합니다. 플러그인(필터, 액션, 파이프, 도구, 스킬)을 통해 MCP, MCPO, OpenAPI 도구 서버 연결로 맞춤 통합을 구축할 수 있으며, 역할 기반 접근 제어(RBAC)와 사용자 그룹으로 세밀한 권한 관리가 가능합니다. Open Terminal을 통해 AI 에이전트가 터미널과 파일시스템에 접근해 다단계 작업을 실행할 수 있으며, 엔터프라이즈 버전인 Terminals는 사용자별 격리 컨테이너, 리소스 제한, 네트워크 규칙을 제공합니다. 전체 요약 12문장 읽기 → 004 21:11 당일 +144 도커의 AI 에이전트 런타임 오픈소스 공개 Docker가 AI 에이전트 구축 및 실행 도구인 docker-agent를 오픈소스로 공개했다. AI · 머신러닝 · docker/docker-agent · Go
Key Point AI 에이전트를 YAML로 선언적으로 정의하고 실행하는 도구가 등장해, 복잡한 멀티에이전트 시스템을 코드 없이 구축할 수 있게 되었다.
핵심 요약
Docker가 AI 에이전트 구축 및 실행 도구인 docker-agent를 오픈소스로 공개했다. YAML 설정 파일만으로 코드 없이 AI 에이전트를 정의하고 실행할 수 있으며, docker CLI 플러그인으로 `docker agent` 명령으로 사용한다. 다중 에이전트 아키텍처를 지원해 여러 전문화된 에이전트가 자동으로 작업을 분배하고 협력하며 복잡한 문제를 해결할 수 있다. 전체 요약 10문장 읽기 → 005 18:30 당일 +770 AI 에이전트를 위한 로컬 검색 엔진 XERJ 출시 XERJ는 Rust로 작성된 로컬 AI 검색 엔진으로, 폴더를 자동으로 인덱싱해 코드·문서·로그·PDF 등을 검색·RAG·보안 감사·에이전트 메모리용으로 사용할 수 있다. AI · 머신러닝 · xerj-org/xerj · Rust
Key Point 에이전트의 토큰 낭비를 줄이는 로컬 검색 엔진으로, grep 대비 2.7배의 토큰 절감을 실측으로 증명한 도구가 오픈소스로 공개되었으며 AI 개발 워크플로우의 효율성을 크게 바꿀 가능성이 있다.
핵심 요약
XERJ는 Rust로 작성된 로컬 AI 검색 엔진으로, 폴더를 자동으로 인덱싱해 코드·문서·로그·PDF 등을 검색·RAG·보안 감사·에이전트 메모리용으로 사용할 수 있다. 기존 grep/sed 대비 40배 적은 토큰으로 데이터를 인덱싱하며, Elasticsearch 호환 API를 제공해 기존 클라이언트와 도구가 그대로 작동한다. 참고 코딩(reference coding) 사용 사례에서 실측한 결과, grep 기반 에이전트 대비 출력 토큰 2.7배 감소, 메모리만 사용할 때 대비 26배 감소를 달성했고 현장 보고에서는 약 5배의 토큰 절감이 보고된다. 전체 요약 12문장 읽기 → 006 18:30 ▲ 233 · 댓글 109 Docker, YAML로 AI 에이전트 만드는 도구 공개 Docker가 AI 에이전트를 선언형 YAML 설정으로 만들고 실행할 수 있는 Docker Agent를 공개했다. AI · 머신러닝 · Docker Agent
Key Point 멀티 에이전트 협업과 다양한 AI 모델을 YAML 하나로 관리하면서 패키징·배포할 수 있어, AI 에이전트 개발의 진입장벽을 크게 낮춘다.
핵심 요약
Docker가 AI 에이전트를 선언형 YAML 설정으로 만들고 실행할 수 있는 Docker Agent를 공개했다. Docker CLI 플러그인으로 제공되며 코드 작성 없이 에이전트 정의, 도구 할당, 실행이 가능하다. 여러 전문화된 에이전트가 작업을 자동으로 위임하는 멀티 에이전트 아키텍처를 지원한다. 전체 요약 11문장 읽기 → 