선생님, LLM검토 관련 문의드립니다. 최근 며칠간 자동매매 파이프라인에서 LLM(Claude API) 호출 단계가 계속 실패해서 원인을 찾아보고 있었습니다. 배경 원래 claude-opus-4-8 / claude-sonnet-4-6 을 쓰고 있었는데, 웹페이지에서 가격을 확인해보니 최신 버전인 claude-opus-5 / claude-sonnet-5 도 가격이 동일해서 제가 직접 최신 버전으로 업그레이드하였습니다. 증상 버전부분만 수정하였더니, 'ThinkingBlock' object has no attribute 'text' 에러로 6회(Opus 3회 + Sonnet 3회) 전부 실패 → 매수 후보 전부 차단 윗부분관려하여 수정하였더니, Opus는 Unterminated string (JSON 응답이 중간에 끊김), Sonnet은 content types: ['thinking'] (텍스트 응답 없이 사고 블록만 옴) 에러로 역시 전부 실패 원인 분석 claude-opus-5 / claude-sonnet-5 는 명시적으로 설정 안 해도 기본적으로 thinking(사고 과정)을 생성하는데, 기존 max_tokens=2000 설정이 이걸 감안 못 한 값이었습니다. thinking + 실제 답변(JSON)을 합친 길이가 2000을 넘어 응답이 잘리거나, 심하면 사고만 하다 텍스트 응답 없이 끝나버렸습니다. 제가 한 조치 content 블록 중 type == "text" 인 것만 골라 파싱하도록 방어 코드 추가 (에러를 재시도로 넘기기 위함) max_tokens 를 2000 → 16000으로 상향 (근본 원인 해결) (thinking depth를 낮추는 effort 파라미터 조정은 판단 품질 저하 우려로 일단 보류) 제가 여쭤보고 싶은건.. 선생님께서는 Opus,Sonnet 버전을 어떤 걸로 쓰고 계신지 궁금합니다. 저처럼 최신 버전(opus-5/sonnet-5)으로 올려서 쓰고 계신지, 아니면 다른 버전을 쓰시는지, 그리고 이런 thinking/max_tokens 이슈를 겪으신 적 있으신지도 여쭤보고 싶습니다. 토큰을 낮추기위해 effort 파라미터를 조정해볼까도 생각중인데 어떻게 해야할지 모르겠네요~
The Juniper Mist AI Wireless, Specialist (JN0-452) exam validates intermediate-level competency in wireless LAN networking using Juniper's AI-driven Mist platform. The exam is designed for professionals with an intermediate knowledge of wireless networking, focusing on the Juniper Mist AI technology. It sits within the broader Juniper Mist AI certification track, which is built to demonstrate a thorough understanding of WLAN technology alongside the specific features and functionality that Mist AI brings to wireless deployments, and passing the entry-level JNCIA-MistAI exam (JN0-252) is a prerequisite before attempting JN0-452. A major focus of the exam is applying AI-driven insights to diagnose and resolve wireless performance issues, understanding how Mist's cloud architecture differs from traditional controller-based wireless management, and configuring policies and profiles that support secure, reliable client connectivity. Candidates should also be comfortable interpreting dashboards and analytics within the Mist cloud portal, since much of the value of the Mist AI platform comes from its data-driven approach to wireless assurance rather than manual, reactive troubleshooting alone. Because the exam emphasizes applied troubleshooting using SLE data and AI-driven insights rather than simple recall, practice questions modeled on realistic customer-site scenarios are especially valuable. Working through these kinds of scenarios helps reinforce how SLEs, RF design principles, and Marvis-driven insights connect in practice, builds confidence interpreting Mist's analytics and dashboards, and helps surface knowledge gaps before exam day. Candidates looking for structured and exam-focused preparation resources can explore: https://www.certshero.com/juniper/jn0-452
안녕하세요! 3-13 리텐션 과제 제출합니다. 2, 3번 과제의 경우 클로드의 도움을 조금 받았으며, 최대한 스스로 생각하고 검토만 받는 방향으로 진행하였습니다. 부족한 부분이나 더 생각해볼 수 있는 부분들 피드백 주시면 감사하겠습니다! 과제 링크 https://inquisitive-toy-5d0.notion.site/3c6bc12dee6d80dc9b2ed0e7d1c9a33c?source=copy_link
강의에서는 부하 테스트 시 시나리오 작성을 아래와 같이 5000 rps 정도로 부하를 가했을 때와, 1000 rps 수정해서 부하를 가했을 때의 latency(p50, 90, 99) 차이가 있는데, 실무에서는 보통 어떤 기준을 가지고 rps 를 정하는지 궁금합니다! scenarios: { burst: { ... rate: 5000, timeUnit: '1s', duration: '30s', // 1000 req/s × 30s = 총 30,000 요청 }, },
학습하는 분들께 도움이 되고, 더 좋은 답변을 드릴 수 있도록 질문전에 다음을 꼭 확인해주세요. 1. 강의 내용과 관련된 질문을 남겨주세요. 2. 인프런의 질문 게시판과 자주 하는 질문(링크)을 먼저 확인해주세요. (자주 하는 질문 링크: https://bit.ly/3fX6ygx) 3. 질문 잘하기 메뉴얼(링크)을 먼저 읽어주세요. (질문 잘하기 메뉴얼 링크: https://bit.ly/2UfeqCG) 질문 시에는 위 내용은 삭제하고 다음 내용을 남겨주세요. ========================================= [질문 템플릿] 1. 강의 내용과 관련된 질문인가요? (예/아니오) 2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예/아니오) 3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예/아니오) [질문 내용] 강의에 나와있는대로 그대로 잘 프로젝트 생성하고 HelloSpringApplication.java 파일 열어서 옆에 재생버튼 눌렀는데 아래와 같이 오류가 뜨면서 실행이 안됩니다.. 왜그런걸까요..?ㅠㅠ
https://biz.inflearn.com/courses/lecture?courseId=329012&tab=script&type=LECTURE&unitId=115291&agent=open&subtitleLanguage=ko 캐시 지우고 새로고침, 시크릿창으로도 보이지 않습니다. 뿐만 아니라 확인시 랜덤하게 영상이 나오는 강의와 없는 강의가 있습니다.
