코덱스로 시작하는 실전 하네스 엔지니어링 : AI 에이전트에게 믿고 맡기는 개발

사라지던 대화가 다시 쓸 수 있는 자산이 되는 과정을 직접 경험합니다. Hermes와 Wiki로, 판단과 근거가 남는 업무 시스템을 만들어보세요!

AI가 일상과 산업 전반에 빠르게 스며들면서, 이를 노리는 공격 기법 또한 함께 진화하고 있습니다. 이 강의는 생성형 AI와 LLM을 둘러싼 최신 보안 위협을 이해하고, AI를 활용해 보안 업무를 자동화하며, LLM 탈옥 공격과 방어까지 실습으로 경험하는 실전 중심 과정입니다.

내가 자는 동안에도 스스로 개선하는 서비스를 만들어봅시다! Codex를 이용한 루프 엔지니어링으로 24시간 돌아가는 바이브코딩 시스템을 만드는 방법을 단계별로 차근차근 학습합니다.

매번 새 창 열고, 복사하고, 메신저에 붙여넣는 일 — 오늘이 마지막! 직접 일하는 나만의 AI 비서, OpenClaw 실전 과정

AI로 MVP를 만드는 건 이제 어렵지 않습니다. 하지만 대부분의 프로젝트는 그 다음 단계에서 멈춥니다. 👉 기능은 만들었는데 👉 개발이 계속 이어지지 않습니다 왜 이런 일이 생길까요? 문제는 코드가 아니라, 👉 AI가 지속적으로 일할 수 있는 구조가 없기 때문입니다. --- 이 강의에서는 이미 만들어진 프로젝트를 기반으로, 👉 AI가 계속 개발을 이어갈 수 있는 구조를 👉 직접 구축하는 과정을 다룹니다 --- 단순히 AI 툴을 사용하는 것이 아니라, * docs 구조를 만들고 * SSOT를 정의하고 * 티켓 단위로 개발을 실행하고 * QA와 반복 구조까지 연결하여 👉 하나의 “AI 개발 시스템”으로 완성합니다 --- 이 과정을 통해 👉 사람이 직접 코딩하지 않아도 👉 개발이 계속 이어지는 구조 즉, 👉 AI를 팀처럼 운영하는 개발 시스템을 👉 직접 만들고 이해할 수 있습니다 --- 이 강의는 👉 내 프로젝트에 바로 적용할 수 있는 구조를 만들고 싶은 분 👉 AI로 개발을 시작했지만, 지속이 어려웠던 분 👉 바이브 코딩 이후, 다음 단계로 넘어가고 싶은 분 을 위해 구성되었습니다. --- 단순히 배우는 것이 아니라, 👉 실행해보고 👉 실제로 동작하는 구조를 만들고 👉 자신의 프로젝트에 적용할 수 있는 형태로 가져가는 경험 을 제공합니다.

단순 튜토리얼만으론 실무 적용이 어렵죠. 제 현업 노하우를 담아 복잡한 상태 관리와 멀티 에이전트 설계법을 확실히 전수해 드립니다.

코딩 몰라도 데이터는 읽는다, 일센스 터지는 노코드 AI 분석의 모든 것! 엑셀, PPT, 구글시트만 쓸 줄 알아도 이젠 데이터 분석, AI가 대신해드립니다.

본 과정은 AI 모델링 프로젝트를 성공적으로 수행하기 위해 필수적인 ‘AI 학습 데이터 구축’ 전 과정을 학습하는 과정입니다. 학습자는 단순히 이론적인 지식에 머무르지 않고, 실제 실무에서 요구되는 데이터 구축 프로세스를 단계별로 경험하게 됩니다. 구체적으로 AI 학습 데이터의 기획 → 획득 → 저장 → 정제 → 라벨링 → 가명정보 결합 및 변환에 이르는 전 과정을 실습 중심으로 다루어, 현업에서 바로 적용 가능한 실무 능력을 기를 수 있도록 구성되어 있습니다. 또한 데이터의 품질 관리와 보안 이슈, 개인정보 비식별화 처리, 데이터셋 최적화와 같은 AI 프로젝트에서 가장 중요한 데이터 관리 역량을 체계적으로 학습하게 됩니다. 이를 통해 학습자는 단순한 데이터 수집자가 아닌, AI 프로젝트를 주도적으로 기획하고 실행할 수 있는 데이터 전문가로 성장할 수 있습니다. 👉 본 과정을 통해 학습자는 AI 모델 성능을 좌우하는 양질의 학습 데이터 구축법을 이해하고, 이를 실무 환경에 효과적으로 적용할 수 있는 실질적인 역량을 확보하게 될 것입니다.

OpenAI Codex를 활용해 아이디어부터 배포까지 전체 프로젝트 흐름을 경험하는 입문 강의입니다. 복잡한 개발 이론 대신 실제 작업 과정을 따라하며, AI 에이전트가 파일을 생성하고 웹사이트를 만들고 배포하는 실전 감각을 익힙니다. 비개발자도 AI 에이전트로 프로젝트를 완성하는 새로운 작업 방식을 체득할 수 있습니다.

이 강의는 Threads 피드, Amazon 장바구니, Netflix 스트리밍 UI, Google Docs 협업 편집, Micro Frontend, Agentic UI, Observability 같은 실제 서비스 케이스를 통해 프론트엔드 시스템 디자인 사고방식을 훈련합니다.

매일 2,500종목, 언제까지 직접 보실 건가요? 장 마감 후 급등주를 찾느라 네이버 증권을 뒤지고, 뉴스를 읽으며 호재인지 악재인지 판단하고, 외국인/기관 수급을 하나하나 확인하고, 차트를 열어서 패턴을 분석하고... 이걸 매일 반복하고 계시진 않나요? 저도 그랬습니다. 퇴근 후 2~3시간을 종목 분석에 쏟았고, 그래도 놓치는 종목이 더 많았습니다. 코스피+코스닥 합치면 2,500개가 넘는데, 사람이 매일 다 볼 수는 없으니까요. --- 그래서 시스템을 만들었습니다 매일 장 마감 후 자동으로 2,500종목을 분석하는 시스템을 만들었습니다. - 시세, 수급, 뉴스를 자동으로 수집하고 - AI(Gemini)가 뉴스를 읽고 호재/악재를 판별하고 - 6개 팩터로 15점 만점 점수를 매기고 - 기준을 통과한 종목만 골라서 진입가/손절가/익절가까지 계산하고 - 텔레그램으로 알림을 보내줍니다 저는 퇴근 후 폰만 확인하면 됩니다. 여기에 매주 토요일이면 시스템이 스스로 지난주 성과를 분석해서 손절선, 익절선, 보유기간을 자동으로 조정합니다. 시스템이 알아서 학습하고 개선되는 구조입니다. --- 근데 저는 개발자가 아닙니다 이 시스템의 코드를 제가 직접 쓴 건 아닙니다. 전부 AI한테 말로 시켰습니다. "오늘 5% 이상 오른 종목 중에서 거래대금 500억 넘는 것만 추려줘" "이 뉴스 3개를 Gemini한테 보내서 호재인지 판단하게 만들어줘" "매일 오후 4시에 자동으로 실행되게 스케줄러 만들어줘" 이렇게 말하면 AI(Claude)가 코드를 만들어줍니다. 이게 바이브 코딩입니다. --- 이 강의에서 똑같은 시스템을 만듭니다 58강에 걸쳐, 제가 실제로 매일 사용하는 시스템을 처음부터 끝까지 같이 만듭니다. 데이터 수집부터 시작해서, AI 뉴스 분석, 스코어링 엔진, 시그널 생성, Flask API 서버, Next.js 웹 대시보드, 텔레그램 자동 알림, 그리고 자가 학습 시스템까지. Jupyter 노트북이 결과물이 아닙니다. 실제로 매일 돌아가는 웹 대시보드와 텔레그램 알림이 결과물입니다. 코딩을 몰라도 됩니다. 매 강의마다 Claude한테 어떻게 말해야 하는지 보여드리고, 여러분이 따라하면 같은 결과가 나옵니다. --- 이런 분께 추천합니다 - 매일 종목 분석할 시간이 부족한 직장인 투자자 - 자동화 시스템을 갖고 싶지만 코딩을 모르는 분 - 퀀트/시스템 트레이딩이 궁금한데 어디서 시작할지 모르는 분 - AI를 실전에 활용하는 방법이 궁금한 분 --- ⚠️ 이 강의는 투자 수익을 보장하지 않습니다. 주식 분석 도구를 직접 만들어보는 프로그래밍 강의입니다. 실제 투자 판단은 수강생 본인의 책임입니다.

LLM을 활용한 서비스를 만들면서 프롬프트나 모델을 바꾼 뒤, 이전보다 답변 품질이 떨어졌는지 확인하기 어려웠던 경험이 있다면 이 강의가 해결책이 될 수 있습니다. 직접 평가 기준을 만들고, 달라진 답변을 자동으로 찾아내는 방법을 배웁니다.

여러분을 ‘최상위 엔터프라이즈 AI 시스템 아키텍트’로 초청합니다 단순히 남들이 만들어 놓은 라이브러리를 가져다 붙이거나 프롬프트 문장이나 다듬는 미시적 기술자(Prompt Writer)에 머무르지 마십시오. 수학적 제1원리부터 런타임 제어 루프 커널, 그리고 자율 복원 인프라까지 — 대한민국 산업 현장을 이끌어온 40년의 실전 공학 통찰을 통해, 여러분을 기업의 비즈니스와 디지털 주권을 수호하는 최고 수준의 '엔터프라이즈 AI 시스템 아키텍트'로 확실하게 이끌어 드리겠습니다. 지금, 통제 불능의 AI를 완벽한 인더스트리얼 코어로 바꾸는 위대한 여정을 시작해 보십시오. “데모에서는 완벽하게 잘 돌던 AI가 왜 프로덕션 배포만 하면 이상한 헛소리를 하거나 파이프라인을 멈춰 세울까요?” “왜 수많은 기업들이 호기롭게 시작한 AI 프로젝트가 결국 ‘PoC(개념 검증)의 늪’에서 벗어나지 못하고 폐기될까요?” 현장에서 만난 수많은 개발자와 시스템 아키텍트들이 제게 던진 가장 절박한 질문입니다. 안녕하십니까. 저는 40여 년간 대한민국 자동차 파워트레인 R&D 부문(현대자동차그룹 R&D 중역 17년)에서 1,300억 원 규모의 엔진 및 구동 기술 수출을 주도하고, 상장 중견 제조기업의 대표이사(CEO/CTO)로서 현장을 지휘해 온 김홍집입니다. 기계 공학과 정밀 제어 현장에서 수십 년을 보낸 엔지니어의 눈으로 볼 때, 지금의 생성형 AI 도입 열풍 뒤에는 ‘치명적인 불확실성의 위험’이 숨어 있습니다. 단 0.1%의 오차나 실수가 수억 원대의 물리적 설비 파손과 전사적 셧다운으로 직결되는 미션 크리티컬 산업 현장에서, 단순히 확률에 의존해 그럴듯한 텍스트를 뱉어내는 확률적 챗봇을 그대로 서비스에 결합하는 것은 시한폭탄을 들고 불로 들어가는 것과 같습니다. 이 강의는 바로 그 “통제 불능의 확률적 AI를 단 0.000%의 구문 오류도 허용하지 않는 가장 견고한 인더스트리얼 제어 코어로 조련하는 실전 공학 방법론”을 전수하기 위해 기획되었습니다. 1. 여러분이 현장에서 직면한 3대 치명적 병목 (Problem) 수많은 엔지니어들이 단발성 프롬프트 튜닝(Vibe Prompting) 수준의 접근법으로 프로덕션 환경에 도전하다가 다음의 3대 구조적 결함에 부딪혀 좌절합니다: 유한한 컨텍스트와 ‘중간 분실(Lost in the Middle)’: 대화나 멀티턴 실행이 길어질수록 주요 시스템 지시어가 밀려나고 컨텍스트 윈도우가 고갈되어 시스템이 기억을 잃고 환각을 증폭시킵니다. 비결정론적 출력과 연쇄 파이프라인 붕괴: JSON 닫는 괄호가 하나 빠지거나 타입이 틀어지는 아주 미세한 확률적 변동성이 기간계 ERP/CRM API 호출을 마비시키고 데이터 정합성을 붕괴시킵니다. 비신뢰 코드 실행 및 인프라 보안 파산: 에이전트가 자율 생성한 스크립트가 격리되지 않은 호스트 OS 환경에서 실행되면서 커널 탈출이나 민감 데이터 유출 리스크를 야기합니다. 이처럼 산업 현장에서 AI의 오작동은 단량적인 정확도 문제가 아닌, 비대칭 비즈니스 손실(Asymmetric Business Loss)이라는 거대한 재무적 재앙으로 다가옵니다. 2. 이 문제를 ‘어떻게’ 완벽히 해결하는가 (Solution) 본 강좌는 파편화된 상용 도구 사용법을 가르치는 시중의 강의와 궤를 달리합니다. 40년 실무 현장 노하우와 컴퓨터 시스템 공학을 결합하여, 확률적 AI를 시스템 레벨에서 수직 통합 통제하는 3대 하드코어 아키텍처를 전수합니다: ① 프롬프팅을 넘어 ‘LLM-OS & 컨텍스트 오케스트레이션’으로 전이 안드레이 카파시(Andrej Karpathy)의 패러다임대로, LLM을 대화 상답자가 아닌 컴퓨터의 중앙 연산 코어(CPU)로 재정의합니다. 컨텍스트 창을 초저지연 휘발성 RAM으로, 사내 벡터 DB를 Disk로, 외부 API를 I/O 버스로 체계화합니다. MemGPT 계층형 가상 메모리 페이징을 통해 무한 대화 속에서도 핵심 상태를 포화 없이 보존하며, MCP 기반 유동적 군집 지능(Liquid Swarm MAS)으로 토큰 비용을 극소화하면서 동적 에이전트망을 스케일링합니다. ② 확률적 환각을 0.000%로 구속하는 ‘결정론적 하네스 엔지니어링’ 언어 모델의 창의적 유연성은 사고(Reasoning) 단계에만 열어두고, 실제 외부 시스템과 상호작용하는 물리적 출력단은 수학적 불대수와 컴파일러로 단단히 감금합니다. EBNF / XGrammar 기반 CUDA 로짓 마스킹을 적용하여 유효하지 않은 토큰의 생성 확률을 P = 0.000%로 강제 차단합니다. 에이전트의 생성 코드는 5ms 스냅샷 복원 능력을 지닌 Firecracker MicroVM 마이크로 가상화 샌드박스 내부에서만 일회성으로 가동되도록 물리적 보안 격리 링을 형성합니다. ③ GPU 낭비 없는 ‘고신뢰성 MLOps·LLMOps 자율 복원 인프라’ vLLM PagedAttention 및 S-LoRA 핫스왑을 구축하여 VRAM 유휴 낭비율을 4% 미만으로 억제합니다. 다중 에이전트의 API 실패 시 SagaLLM 역순 보상 트랜잭션으로 데이터 일관성을 100% 원상 복원합니다. OpenTelemetry/Langfuse 분산 관측망을 통해 RAGAS 충실도 점수 하락(Data Drift) 감지 시, 무인 카나리 자동 롤백을 실행하여 시스템의 가용성을 사수합니다. 3. 나선형 성장을 이끄는 실전적 가치 (Pedagogy & ROI) 본 강좌는 블룸의 개정 교육분류학(Bloom's Taxonomy) 5단계에 맞춰 체계적으로 설계되었습니다. 학습자는 단순 이론 회상(Remember)에서 출발하여, 5단계 디버깅 파이프라인(Deceptive Baseline 함정 소스코드 분석 ➔ 적대적 공학 해체 ➔ Robust 무결성 파이프라인 수립 ➔ TEI ROI 수식 산출 ➔ SOTIF/ISO 42001 거버넌스)을 직접 코딩하고 검증합니다. 단순히 "잘 동작한다"는 감각적 만족을 넘어, Forrester TEI(Total Economic Impact) 재무 모델을 적용하여 여러분이 구축한 AI 시스템이 기업의 재작업 비용(Rework Cost)을 얼마나 절감하고 수억 원대의 장애 리스크를 회피하여 ROI 200% 이상을 증명해 내는지 경영진 관점의 지표로 시각화해 드립니다.

[소스코드 제공] 코딩 몰라도 OK. 구글 최신 툴(IDX)로 설치 없이 브라우저에서 뚝딱 완성! 코딩 문법 공부는 이제 그만! AI와 대화하며(Vibe Coding) 구글 IDX 환경에서 사내 문서를 완벽히 이해하는 RAG 챗봇을 구축하고 웹으로 실시간 배포하는 초고속 실전 과정입니다.

Unity 개발자를 위한 Claude Code 실전 입문 강의! Claude Code 설치부터 Unity MCP 연동, CLAUDE.md를 활용한 프로젝트 규약 관리, Custom Slash Commands와 협업 워크플로우까지! 실무에서 활용하는 방법을 모두 알려드립니다. 마지막에는 뱀서 스타일 게임을 처음부터 완성하며 Claude Code를 Unity 프로젝트에 효과적으로 적용하는 실전 경험을 쌓을 수 있습니다.

Claude Code의 핵심 기능(MCP, Agents, Skills)을 활용해 키움증권 API 기반 주식 자동매매 시스템을 처음부터 끝까지 구축합니다. 초심자도 괜찮습니다. Claude Code를 지금 바로 시작해보세요 !

바이브코딩 결과가 자꾸 의도와 달라지나요? 명세 주도 개발(SDD)과 Spec Kit으로 목표·범위·업무 규칙·완료 기준을 정하고, 같은 명세를 Claude Code와 Codex에 전달해 반복 수정을 줄이는 흐름을 배워요.

단순히 답변만 생성하는 챗봇을 넘어, 스스로 판단하고 도구를 호출하며 여러 단계의 업무를 수행하는 자율형 AI Agent를 직접 구현합니다. OpenAI Agents SDK의 Tool Calling, Handoff, Guardrail, Session과 Tracing부터 MCP를 활용한 외부 도구·데이터베이스 연결, LangChain과 Deep Agents의 Planning, Subagents, Filesystem, Memory까지 단계별 실습으로 익힙니다. 최종적으로 실제 업무에 적용할 수 있는 도구 연동형 AI Agent의 설계와 구현 능력을 갖추는 것을 목표로 합니다.

실시간 AI 에이전트, 회의 내용 요약, 그리고 통화 후 기능이 있는 AI 기반의 화상 회의 애플리케이션을 만들어요.

: "수학적 기초부터 최신 모델까지, Pytorch로 완성하는 딥러닝 파이프라인 (총 44강)" 단순히 model.fit()만 호출하는 법을 배우는 시대는 지났습니다. 인공 신경망의 밑바닥인 미분과 경사하강법부터, 현업에서 필수적인 pytorch 활용법, 그리고 이미지와 시계열 데이터를 다루는 CNN/RNN까지! 딥러닝의 모든 과정을 체계적으로 정복해 드립니다. 이제 분석된 데이터를 넘어, 인간의 뇌를 모방한 인공지능이 스스로 학습하고 판단하는 놀라운 딥러닝의 세계로 들어오세요.