[기초 2부] OpenClaw.AI 마스터 클래스: 텔레그램과 비전 AI로 완성하는 스마트폰 원격 비서

스마트폰 텔레그램으로 영수증 사진을 보내면, OpenClaw와 Gemini 2.5 Flash가 자동으로 분석하고 내 PC workspace에 정리해 저장해주는 비전 기능을 가진 모바일 AI 비서 워크플로우 입문 강의입니다.

(4.8) 수강평 6개

수강생 69명

난이도 초급

수강기한 무제한

멀티모달
멀티모달
텔레그램기반모바일ai비서
텔레그램기반모바일ai비서
자율에이전트
자율에이전트
영수증자동정리워크플로우
영수증자동정리워크플로우
멀티모달
멀티모달
텔레그램기반모바일ai비서
텔레그램기반모바일ai비서
자율에이전트
자율에이전트
영수증자동정리워크플로우
영수증자동정리워크플로우
새소식 목록
관리작성

🎉 [신규 강의 오픈] Spring AI 사례로 배우는 AI 애플리케이션 통제 기법

안녕하세요. 여러분!

Kevin입니다. 😊


오랜만에 새로운 강의 소식으로 인사드리게 되었습니다.

👉 강의 바로가기:https://inf.run/Y2Zfs


이번에 Java/Spring 개발자를 위한 새로운 AI 애플리케이션 설계 강의를 오픈했는데 잠깐 소개드릴게요.


📌 [Part 1] Spring AI 사례로 배우는 AI 애플리케이션 통제 기법: 비용·품질·리스크·흐름 통제


AI 기능을 구현했다면, 그다음에는 무엇을 고민해야 할까요?

요즘은 Spring AI와 LLM을 활용하면 애플리케이션에 AI 기능을 연결하는 일이 예전보다 훨씬 쉬워졌습니다.

하지만 실제 서비스를 개발하다 보면 새로운 고민이 생깁니다.

  • AI 요청이 내부에서 어떤 경로로 처리되는지 어떻게 확인할 수 있을까?

  • 불필요하게 많은 Context가 전달되어 LLM 비용이 증가하는 문제는 어떻게 해결할까?

  • JSON 형식에 맞게 반환된 AI 응답이라면 내용까지 신뢰해도 될까?

  • AI가 위험한 대응 방법을 추천했을 때 이를 어떻게 통제할 수 있을까?

이번 강의는 바로 이런 질문에서 출발합니다.


하나의 애플리케이션을 개선하며 배우는 네 가지 통제 기법

강의에서는 장애 상황을 분석하고 대응 방법을 추천하는 Incident Responder 애플리케이션을 사례로 사용합니다.

처음부터 완벽한 구조를 만드는 것이 아니라, 정상적으로 동작하는 애플리케이션에서 통제되지 않은 문제를 발견하고 하나씩 개선합니다.

① Flow — 흐름 통제

Micrometer, OpenTelemetry, Langfuse를 이용해 AI 요청의 처리 흐름을 관찰하고, 요청 특성에 따른 Routing을 구현합니다.


② Cost — 비용 통제

LLM에 전달되는 Runbook, 장애 이력, Context의 양을 직접 제한하고, 개선 전후의 토큰 사용량을 비교합니다.


③ Quality — 품질 통제

JSON과 DTO의 기본 계약을 검증하고, Evaluator–Optimizer 패턴을 이용해 AI 응답의 내용 품질까지 평가하고 개선합니다.


④ Risk — 리스크 통제

AI가 추천한 위험한 액션을 식별하고, 위험 수준과 정책을 적용해 외부에 전달할 응답을 통제합니다.


단순한 Spring AI 기능 소개 강의는 아닙니다

이번 강의를 준비하면서 가장 중요하게 생각했던 것은 '어떤 기술을 사용하는가'보다 '왜 이 통제가 필요한가'였습니다.

그래서 실제 코드에서 문제를 발견하고, 실행 결과를 관찰하고, 통제 지점을 설계한 뒤, 개선 전후를 비교하는 방식으로 구성을 했는데요.

Java/Spring 개발 경험이 있고, AI 기능을 단순히 호출하는 수준을 넘어 조금 더 신뢰할 수 있는 애플리케이션으로 발전시키고 싶은 분들에게 도움이 되었으면 하는 바램이에요.


이번 강의에서 전달하고 싶은 핵심 메시지는 하나입니다.

"AI를 만드는 법이 아니라, 통제 지점을 설계하는 법을 배운다."


관심 있는 분들은 새롭게 오픈한 강의를 확인해 보세요!

👉 강의 바로가기:https://inf.run/Y2Zfs


기존 강의를 수강해 주신 여러분께 늘 감사드립니다.

그럼 새로운 강의에서도 만나뵐 수 있길 바랄게요! 😊

댓글