<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"><channel><title>BAEM1N.DEV — AI, RAG, LLMOps 개발 블로그</title><description>AI, 데이터, 자동화, 개발 기록을 공유하는 개인 개발 블로그</description><link>https://baem1n.dev/</link><item><title>Qwen3.5 크로스 플랫폼 벤치마크: 4대 하드웨어 × 5개 엔진 성능 비교</title><link>https://baem1n.dev/posts/llm-bench-02-results-analysis/</link><guid isPermaLink="true">https://baem1n.dev/posts/llm-bench-02-results-analysis/</guid><description>Mac M5 Max, RTX 3090×2, DGX Spark, Ryzen AI MAX 395+에서 Qwen3.5를 동일 조건으로 측정한 벤치마크. cold prefill, cache 차단, 실행 순서 랜덤화 적용.</description><pubDate>Mon, 13 Apr 2026 15:00:00 GMT</pubDate></item><item><title>로컬 LLM 추론 벤치마크: 4대 하드웨어 × 5개 엔진 실험 설계</title><link>https://baem1n.dev/posts/llm-bench-01-methodology/</link><guid isPermaLink="true">https://baem1n.dev/posts/llm-bench-01-methodology/</guid><description>Qwen3.5 모델을 4개 플랫폼(M5 Max, RTX 3090×2, DGX Spark, Ryzen AI MAX 395+)에서 측정하는 크로스 플랫폼 벤치마크의 실험 설계, 방법론, 주의사항을 정리합니다.</description><pubDate>Mon, 13 Apr 2026 15:00:00 GMT</pubDate></item><item><title>Qwen3.5 로컬 추론 벤치마크 결과표: 4대 하드웨어 × 5개 엔진</title><link>https://baem1n.dev/posts/llm-bench-03-results-tables/</link><guid isPermaLink="true">https://baem1n.dev/posts/llm-bench-03-results-tables/</guid><description>M5 Max, RTX 3090×2, DGX Spark GB10, Ryzen AI MAX 395에서 Qwen3.5 4개 모델(9B~122B)의 생성 속도, 프리필 속도를 llama.cpp, MLX, Ollama, vLLM, Lemonade로 측정한 결과 비교표.</description><pubDate>Tue, 07 Apr 2026 16:00:00 GMT</pubDate></item><item><title>DeepCoWork #12: GitHub Actions 크로스 플랫폼 빌드 -- PyInstaller 사이드카, CI/CD</title><link>https://baem1n.dev/posts/deepcowork-12-ci-cd/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-12-ci-cd/</guid><description>macOS, Windows, Linux 3개 플랫폼에서 Tauri + PyInstaller 앱을 빌드하고 릴리스하는 CI/CD 파이프라인 구현기.</description><pubDate>Sat, 04 Apr 2026 11:00:00 GMT</pubDate></item><item><title>DeepCoWork #11: 보안 체크리스트 -- 경로 탈출, 입력 검증, CSP, CORS</title><link>https://baem1n.dev/posts/deepcowork-11-security/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-11-security/</guid><description>AI 에이전트 데스크톱 앱에서 구현한 보안 조치들을 체크리스트 형태로 정리한 실전 가이드.</description><pubDate>Sat, 04 Apr 2026 10:00:00 GMT</pubDate></item><item><title>DeepCoWork #10: LLM 프로바이더 통합 -- 5개 백엔드, 모델 자동 감지, 빌드 변형</title><link>https://baem1n.dev/posts/deepcowork-10-llm-providers/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-10-llm-providers/</guid><description>Anthropic, OpenRouter, Ollama, LM Studio, vLLM 5개 프로바이더를 하나의 인터페이스로 통합하는 설계 과정을 공유합니다.</description><pubDate>Sat, 04 Apr 2026 09:00:00 GMT</pubDate></item><item><title>DeepCoWork #9: 스킬 시스템 -- SKILL.md, 프로그레시브 디스클로저, 런타임 주입</title><link>https://baem1n.dev/posts/deepcowork-09-skills-system/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-09-skills-system/</guid><description>SKILL.md 기반 스킬 시스템의 설계, YAML 프론트매터 파싱, UI 관리, 런타임 주입까지 구현하며 배운 것.</description><pubDate>Sat, 04 Apr 2026 08:00:00 GMT</pubDate></item><item><title>DeepCoWork #8: 에이전트 메모리 4계층 -- SOUL.md, USER.md, AGENTS.md, MEMORY.md</title><link>https://baem1n.dev/posts/deepcowork-08-agent-memory/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-08-agent-memory/</guid><description>DeepCoWork의 4단계 메모리 시스템이 어떻게 에이전트의 페르소나, 사용자 선호, 세션 기억을 관리하는지 실전 가이드.</description><pubDate>Sat, 04 Apr 2026 07:00:00 GMT</pubDate></item><item><title>DeepCoWork #7: 멀티에이전트 ACP 모드 -- task() 도구, 서브에이전트 생성, 스트림 병합</title><link>https://baem1n.dev/posts/deepcowork-07-acp-multi-agent/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-07-acp-multi-agent/</guid><description>ACP 모드에서 메인 에이전트가 task() 도구로 서브에이전트를 생성하고, 결과를 실시간 스트리밍하는 멀티에이전트 구현기.</description><pubDate>Sat, 04 Apr 2026 06:00:00 GMT</pubDate></item><item><title>DeepCoWork #6: HITL 승인 플로우 -- interrupt_on, 승인 큐, 타임아웃, 거부 복구</title><link>https://baem1n.dev/posts/deepcowork-06-hitl-approval/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-06-hitl-approval/</guid><description>위험한 도구 호출을 사용자에게 확인받는 HITL 승인 플로우의 전체 설계 과정을 공유합니다.</description><pubDate>Sat, 04 Apr 2026 05:00:00 GMT</pubDate></item><item><title>DeepCoWork #5: SSE 스트리밍 파이프라인 -- agent.astream에서 React UI까지</title><link>https://baem1n.dev/posts/deepcowork-05-sse-streaming/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-05-sse-streaming/</guid><description>LangGraph astream → SSE → EventSource → Zustand → React로 이어지는 실시간 스트리밍 파이프라인의 동작 원리와 구현.</description><pubDate>Sat, 04 Apr 2026 04:00:00 GMT</pubDate></item><item><title>DeepCoWork #4: 모드별 시스템 프롬프트 설계 -- Clarify, Code, Cowork, ACP</title><link>https://baem1n.dev/posts/deepcowork-04-system-prompts/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-04-system-prompts/</guid><description>4가지 에이전트 모드의 시스템 프롬프트를 어떻게 설계했는지, 프롬프트 엔지니어링 패턴을 실전 가이드로 정리합니다.</description><pubDate>Sat, 04 Apr 2026 03:00:00 GMT</pubDate></item><item><title>DeepCoWork #3: DeepAgents SDK 핵심 해부 -- create_deep_agent, LocalShellBackend, ReAct 루프</title><link>https://baem1n.dev/posts/deepcowork-03-deep-agents-sdk/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-03-deep-agents-sdk/</guid><description>DeepAgents SDK의 핵심 함수와 백엔드를 분석하고, DeepCoWork가 이를 어떻게 래핑하는지 실제 코드로 동작 원리와 구현을 정리합니다.</description><pubDate>Sat, 04 Apr 2026 02:00:00 GMT</pubDate></item><item><title>DeepCoWork #2: Tauri 2 + Python 사이드카 — 데스크톱 AI 앱의 뼈대</title><link>https://baem1n.dev/posts/deepcowork-02-tauri-sidecar/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-02-tauri-sidecar/</guid><description>Tauri 2가 Python FastAPI 서버를 sidecar로 실행하고, 헬스체크, graceful shutdown, PyInstaller 번들링까지 처리하는 구조를 구현하며 배운 것.</description><pubDate>Sat, 04 Apr 2026 01:00:00 GMT</pubDate></item><item><title>DeepCoWork: DeepAgents SDK 기반 AI 에이전트 데스크톱 앱을 만들었다</title><link>https://baem1n.dev/posts/deepcowork-01-introduction/</link><guid isPermaLink="true">https://baem1n.dev/posts/deepcowork-01-introduction/</guid><description>LangChain Deep Agents SDK + Tauri 2로 만든 오픈소스 AI 에이전트 데스크톱 앱의 아키텍처와 핵심 기능을 설계 과정과 함께 공유합니다.</description><pubDate>Sat, 04 Apr 2026 00:00:00 GMT</pubDate></item><item><title>GraphRAG 파이프라인 실전 구축 — 벡터 검색에서 그래프 확장까지</title><link>https://baem1n.dev/posts/langchain-age-graphrag-pipeline/</link><guid isPermaLink="true">https://baem1n.dev/posts/langchain-age-graphrag-pipeline/</guid><description>벡터 RAG만으로 답할 수 없는 멀티홉 질문을 GraphRAG로 해결하는 방법. from_existing_graph 한 줄로 노드 벡터화, CypherQAChain으로 자연어→Cypher 자동 변환까지.</description><pubDate>Sat, 04 Apr 2026 00:00:00 GMT</pubDate></item><item><title>langchain-age 벡터 검색 완전 정복 — Hybrid Search, MMR, 메타데이터 필터링</title><link>https://baem1n.dev/posts/langchain-age-hybrid-search/</link><guid isPermaLink="true">https://baem1n.dev/posts/langchain-age-hybrid-search/</guid><description>pgvector 벡터 검색에서 Hybrid Search가 왜 필요한지, 어떤 전략을 언제 써야 하는지 실측 비교와 코드로 설명한다. HNSW vs IVFFlat 인덱스 선택 기준 포함.</description><pubDate>Sat, 04 Apr 2026 00:00:00 GMT</pubDate></item><item><title>PostgreSQL 하나로 AI Agent 전체 스택 — LangGraph + langchain-age</title><link>https://baem1n.dev/posts/langchain-age-langgraph-agent/</link><guid isPermaLink="true">https://baem1n.dev/posts/langchain-age-langgraph-agent/</guid><description>Neo4j+Redis+Pinecone 대신 PostgreSQL 1개로 AI Agent를 운영할 수 있을까? 그래프, 벡터, 체크포인트, 장기 메모리를 하나의 DB에 통합하는 실전 아키텍처.</description><pubDate>Sat, 04 Apr 2026 00:00:00 GMT</pubDate></item><item><title>GraphRAG를 PostgreSQL만으로 구축하기 — Neo4j 없이 Apache AGE + pgvector</title><link>https://baem1n.dev/posts/graphrag-with-postgresql/</link><guid isPermaLink="true">https://baem1n.dev/posts/graphrag-with-postgresql/</guid><description>Neo4j 없이 PostgreSQL 하나로 GraphRAG 파이프라인을 구축하는 방법. Apache AGE와 pgvector를 조합해 그래프 + 벡터 검색을 단일 DB에서 운영하는 실전 가이드.</description><pubDate>Fri, 03 Apr 2026 00:00:00 GMT</pubDate></item><item><title>Neo4j vs Apache AGE 실측 벤치마크 — 같은 Cypher, 같은 데이터, 다른 결과</title><link>https://baem1n.dev/posts/neo4j-vs-age-benchmark/</link><guid isPermaLink="true">https://baem1n.dev/posts/neo4j-vs-age-benchmark/</guid><description>동일한 Cypher 쿼리를 Neo4j 5와 Apache AGE 1.7.0에서 실행한 공정 비교 벤치마크. 포인트 룩업, 1~6홉 탐색, CREATE, 배치 삽입, 스키마 조회 8개 항목을 실측했다.</description><pubDate>Fri, 03 Apr 2026 00:00:00 GMT</pubDate></item></channel></rss>