기술블로그 바이수

Grok x cursor

바이수 — Sat, 18 Jul 2026 14:43:42 +0900

Grok
- ...
- SpaceXAI 가 Cursor $600억 전액 주식 인수 발표(2026-06-16) → Cursor 데이터로 공동 훈련한 Grok 4.5 출시예정.
- (왜 샀냐? 도구 + 데이터 플라이휠 패러다임 변화) (몸값 비교 : 윈드서프 $24억 → 커서 $600억)
cursor
- Agents Window : 커서 3.0 (2026-04)부터 더 이상 "에디터"가 아니다. 에디터는 보조 화면일뿐, 에이전트 관제소 전환중
  - 에이전트 여러 개를 병렬로 돌리고, 상태를 보며 감독하는 관제소 화면.
  - 각 에이전트는 각자 격리된 환경에서 동작. (로컬 / git worktree / 클라우드 / 원격 SSH)
  - 채팅창 입력 -> 에이전트 작업 -> 각각에 Agent Tabs 를 브라우저 탭처럼 띄워 컨텍스트 및 히스토리 모니터링.
  - 명령어
    - 병렬/격리
      - /worktree :
        
        에이전트를 격리된 worktree(별도 체크아웃)로 분리해 작업.
        
        내 작업 코드 안 건드림. 여러 번 치면 에이전트 여러 개 병렬로.
      - /best-of-n :
        
        같은 프롬프트를 여러 모델에 동시에 돌리고(각자 worktree) 결과를 나란히 비교해서 하나 선택
    - 설정 : /models : 세션 안에서 모델 전환, /rules : 룰 관리, /mcp : MCP 서버 관리
    - 커스텀 : .cursor/commands 폴더에 내 명령을 직접 만들 수도 있음
- 구 에디터
  - 인라인 자동완성, 각종 익스텐션 같은 에디터 기능은 그대로 다 사용할수는 있음. (커서 실행 -> 우측 위 "IDE" 버튼)
  - 기본 셋팅 :
    - ⚙️ 버튼 (Cursor Settings) -> General -> Privacy -> 내 코드&세션 데이터 학습 -> 차단
    - "Claude Code 익스텐션" 설치
    - "Toggle Agents" 무료 버전이면... 굳이? 안씀!
  - ...

-끝-

Gemini * antigravity

바이수 — Sat, 18 Jul 2026 14:43:08 +0900

Google I/O 2026 발표
- Gemini Omni : "무엇이든 만든다"는 멀티모달 생성 모델 패밀리. (일단 비디오부터~)
  - 월드모델 = 세상의 법칙(물리, 현실)에 대한 이해를 깔고 생성
  - Gemini 앱에서 Veo를 대체. 대화만으로 비디오 생성/편집
- Gemini Spark : 24시간 도는 개인 AI 에이전트
  - Gmail/Docs 등 Workspace 통합, 반복 작업 알아서 수행 (예: 매달 카드명세서에서 숨은 수수료 찾기)
  - Gemini 3.5 Flash + Antigravity 위에서 구동. MCP 지원
- ...
Gemini
- ...
Antigravity
- 구글판 에이전트 오케스트레이션 플랫폼 (IDE + CLI + SDK)
- 윈드서프 영입($24억, 2025) -> 그 팀이 Antigravity 개발(2025-11) -> Gemini CLI 접고 Antigravity로 통합(2026-06)
- ...

-끝-

...

바이수 — Sat, 18 Jul 2026 14:42:14 +0900

...

[갠사] 스타트업 외주 용역 및 컨설팅 (2026-03 ~ )

바이수 — Tue, 21 Apr 2026 23:46:34 +0900

GPT + Codex

바이수 — Tue, 21 Apr 2026 23:29:48 +0900

클로드, 클코드, 코웤, ...

바이수 — Tue, 21 Apr 2026 23:29:23 +0900

https://claude.com/ko/product/overview
- Claude : AI 모델 (Mythos, Fable, Opus, Sonnet, Haiku)
- ClaudeCode : 터미널, IDE, Slack, 웹, 앱, 데스크탑 등에 설치 -> 어디서든 빌드하고, 디버그하고, 배포하는 코딩작업 툴.
- Cowork : 원하는 작업을 실행할 수 있도록 지원. 목표 설정 -> 다양한 파일과 도구를 넘나들며 작업을 수행.
- @Claude (tag)
- ClaudeDesign
- Claude Science
- ClaudeSecurity
- ClaudePlatform
https://claude.ai/
https://code.claude.com/docs/ko/
- ...
https://platform.claude.com/
https://platform.claude.com/docs/ko/
- ...

-끝-

Lightdash

바이수 — Sat, 20 Sep 2025 22:18:43 +0900

https://docs.lightdash.com

Introduction
ㄴ Setting up a new project
- Create your first project :
  - DBT 프로젝트 -> 데이터 모델 .yml 작성 -> BI 에 필요한 모든 변환 -> Lightdash Table 확인 -> 연결 및 쿼리
    - (Lightdash Table : DBT 프로젝트와 동기화 되어 자동으로 생성됨)
    - 예) models: name 및 columns 를 정의 하는식
  - Steps : [1]Lightdash CLI -> [2]Login -> [3]Add Tables -> [4]Create Project
    - (CLI 통해서 DBT 모델의 모든 컬럼을 -> Lightdash 탐색할수있도록 정의)
    - 예) models: -> 'tables' 과 '차원들'이 생성됨
- Update your project connection :
  - 1) Connect to a warehouse
    - (Bigquery, Postgres, Redshift, Snowflake, Databricks, Trino)
  - 2) Import a dbt project
    - (GitHub, 등등등)
- Invite team
Explore and analyze
ㄴ Lightdash BI quickstart
- Exploring your content :
- Metrics and Dimensions :
  - Dimensions : 테이블을 세분화한 데이터.
  - Metrics : 테이블의 해당 차원에서 계산해낸...
  - 예) status 별로 나누어서 각 order count를 도표화 하기.
- Query from tables :
  - 'Filters', 'Chart', 'Results', 'SQL' 을 사용.
  - Saving -> Dashboard | Space
ㄴ BI feature guides
- AI agents : Creating AI agent, 슬랙으로 연동, Agent Memory 설정, 등등등.
- Chart types : Bar, Line, Pie, 등등등 다양한 차트 제공.
- Table calculations : ...
Build your semantic layer
ㄴ Lightdash semantic layer
- 데이터 웨어하우스와 사용자간의 위치한 translation 계층.
- Consistency, Accessibility, Scalability
- Metrics, Dimensions, Tables
- ...
ㄴ Semantic layer reference
- ...
ㄴ Developer quickstart CLI
- ...
ㄴ Developer guides
- ...
Integrations
ㄴ dbt Projects
ㄴ Slack
ㄴ Google Sheets
ㄴ Lightdash MCP

[별책부록]

"Hands-on Guide to Data Modeling with dbt and Visualization with Lightdash" : https://aibunny.medium.com/hands-on-guide-to-data-modeling-with-dbt-and-visualization-with-lightdash-f6bf3c0a2b36

-끝-

dbt Labs

바이수 — Sat, 20 Sep 2025 21:27:12 +0900

https://docs.getdbt.com/docs/

"dbt? 데이터 변환 관리 가속화" : https://global.trocco.io/ko/blogs/what-is-dbt

데이터 웨어하우스 Management
- ETL 또는 ELT 프로세스 이후 -> 데이터를 변환 & 통합.
- 데이터 테이블간의 관계를 체계적으로 관리.
- -> dbt : 모델링과 변환 로직을 코드로 정의하고, 자동화 문서화 하는 "모던 데이터 엔지니어링 툴"
ETL : DB -> 추출 -> 변환 -> Warehouse -> 필요한 데이터만 적재.
ELT : DB -> 추출 -> Warehouse -> 원시 데이터 적재 -> (대용량 원시 데이터 고속처리 DWH) -> 필요한 변환 수행.
dbt
- ELT 에서 SQL 기반의 변환을 자동화 하고, 복잡한 파이프라인 구조를 문서화 및 테스트 해줌.
- Core : 무료로 사용가능한 CLI 으로 Open Source Software 버전.
- Cloud : SaaS 방식의 GUI 으로 브라우저에서 쉽게 사용.
dbt 기능
- Git Repo -> CI/CD 연동 :
- 데이터베이스 메타데이터 생성 :
- 데이터베이스간 관계 자동 추출 :
- 디펜던시 기반의 데이터 가공 및 변환 :

"Data Build Tool 개요" : https://mjs1995.tistory.com/263

Materialization : SQL 모델을 저장하는 방식
- Table : {{ config(materialized='table', sort=, dist=, ...) // SQL 모델을 테이블에 저장하여, 쿼리시 직접 조회.
- View : {{ config(materialized='view', indexs=[{}], ...) // ...
- Incremental :
- Ephemeral :
Sources : 데이터 소스에 접근 할 수 있도록 schema.yml 에 database, ..., tables 설정.
Seeds :
Ref :
Macros :
Packages :

"DBT를 도입한대요" : https://raiknow.tistory.com/128

개념
- 사용자 작성 SQL 파일 -> SQL 컴파일 -> 웨어하우스에 직접 실행 (Data Transformation 수행의 수많은 쿼리를 관리하는 툴)
- 소스(Source) : raw data. {{ source('source_name', 'table_name') }} Jinja 를 사용해서 접근.
- 모델(Model) : SQL 쿼리의 형태로 저장. 데이터를 변환하고 최종 생성을 하기위한 로직으로 정의.
- 매크로(Macro) : 반복적인 쿼리를 재사용하기 위한 SQL 함수.
- 패키지(Package) : 모델, 테스트, 매크로 등을 포함하는 DBT 프로젝트의 모듈. (dbt Hub 에서 packages.yml 로 제공)
기초
- ...

https://mungiyo.tistory.com/54

"Core CLI vs Cloud GUI" : ...
analysis : 분석만을 위한 SQL 파일
data : 정적 파일(csv 등) -> 데이터 -> Warehouse 적재
macros : 사용자 정의 Jinja Template Macro
models : dbt 데이터 테이블
snapshot : source 테이블 -> 스냅샷 테이블
dbt_project.yml : dbt 프로젝트 메타정보

~~"dbt 사용법과 기본 개념" :~~ ~~https://zzsza.github.io/data-engineering/2025/01/16/dbt-core~~

-끝-

[회사5] 서브컬처 기반 생성형 게임 (2025-01 ~ 12)

바이수 — Sat, 20 Sep 2025 21:26:57 +0900

생성형 AI 를 활용한 실시간 서브컬처 미연시 게임 및 서비스 개발
- https://oshiz.one
사용기술
- FastAPI, SQLModel, Claude, Gemini
- Flyio, Neon Postgres, Cloudflare, AWS EKS, Karpenter, doppler, Runpod, Langfuse, weaviate
- Sentry, Logfire, Posthog, Appsflyer, etc payments
업무
- 1) Story(미연시), Social, Store 등등에 비지니스도메인 서버 개발.
- 2) 서비스 아키텍처 및 데이터 스키마 설계.
- 3) 클라우드 인프라 통합 및 AWS EKS 운영.
- 4) 3rd-party 서비스 연동.
- 5) 프로젝트 관리 및 보고.
- 6) 개발팀 빌딩.
아키텍쳐

-끝-

runpod_ (Serverless,Storage)

바이수 — Sun, 20 Jul 2025 00:41:42 +0900

https://docs.runpod.io/serverless/overview

GPU-powered computing, Automatic scaling, Cost efficiency, Fast deployment 를 제공. ㅎㅎ
- User -> {Endpoints} -> [Q] -> Handler functions() -> (Workers)
Deployment options
- Hub : Runpod 콘솔 허브 페이지 -> 탐색후 Endpoint 생성.
- vLLM : LLMs 실행에 최적화 되어, huggingface 모델 및 환경변수 등을 손쉽게 셋팅.
- Worker Template : "worker-basic"(최소화된 템플릿), "worker-template"(범용), "Model-specific templates"
- custom worker : 직접 python 코드 작성 -> docker 패키징 -> 완전 제어
Worker
- 컨테이너 인스턴스로, lifecycle 이 자동으로 관리되면서 리소스 비용을 최적화 함.
  - (다양한 로케이션에서의 GPU 서버가 운용 됨)

- - configurations : GPU, Count, Memory, Env, Storage
  - types : Active = 콜드 스타트 없이 항상 떠있음 , Flex = 트래픽 따라 그때그때 일하는 알바생 , Extra = 도커이미지 캐시 되있어야 함...
  - states :
    - Initializing = 도커이미지 다운로드 및 코드 로딩중.
    - Idle = 준비됨. (요금은 안나옴!)
    - Running = 처리중 (초단위 요금 나옴)
    - Throttled = 호스트 리소스 과부하로, 워커가 중단됨.
    - Outdated = 엔드포인트 업데이트 -> 10% 씩 롤링 업데이트 -> 교체 대상이 됨 (업데이트 중에도 작업은 함)
    - Unhealthy = 도커이미지 등의 문제로, 워커가 중단됨.
  - Build your first worker
    - 1) handler.py 및 test.json 및 Dockerfile 작성
    - 2) Docker 이미지 빌드 및 푸쉬
    - 3) Runpod Console -> +New Endpoint -> Custom Source -> Docker Image
  - Handler functions & Concurrent handler
    - types :
      - Standard handlers : 기본
      - Generator handlers : 스트림 데이터 처리.
        
        (디폴트 '/stream' 으로 호출) ('return_aggregate_stream' 옵션시, '/run' 및 '/runsync' 가능)
      - Asynchronous handlers : 비동기 처리. (대용량 등등, 동시성을 높일수있음)
      - Concurrent handlers : 단일 워커로 작은 작업들을 GPU 쪼게 동시에 처리.
    - advanced controls : "runpod.serverless.progress_update", "refresh_worker", ...
    - handler 함수 : 반복적인 로직으로, 큰 모델을 로딩하는 등의 코드는 밖으로 뺴야함.
    - payload limits : /run = 10MB , /runsync = 20MB
  - Deploy workers from a Docker registry
  - Deploy workers from GitHub
- Endpoints
  - ServerlessWorker 의 진입점이 되는 RESTful API
  - Execution : /run = 비동기 처리 , /runsync = 동기 작업
  - Deployment and Scaling : 오토스케일 워커갯수, GPU 우선순위, 환경변수 등을 설정
  - ("executionTimeout: 제약시간", "ttl: 큐 제한시간", "lowPriority: 자동스케일off" 등)
  - Integration : webhook 알림 및 S3 연동 설정
  - Manage, Send API
    - /runsync , /run , /status , /stream , /cancel , /retry , /purge-queue , /health
  - Setting
    - "GPU selection", "Active workers", "GPUs per worker", "FlashBoot", ...
    - "Auto-scaling" (queue delay, request count), ...
    - Reducing worker startup times : 1) Embed models in Docker , 2) Store large models on network volumes
  - Storage options
  - Cached models
    - 'Faster cold starts', 'Reduced costs', 'Accelerated deployment', 'Smaller container images'
  - Job states and metrics
- Load-balancing Endpoints
- vLLM workers
- Development 기능들

https://docs.runpod.io/storage

...
Network volumes
S3

[%실습] https://docs.runpod.io/tutorials/serverless/run-your-first

1) Runpod Console -> Quick Deploy -> Stable Diffusion XL -> Deploy
2) curl -X POST https://api.runpod.ai/v2/{ENDPOINT_ID}/run
- -H 'Content-Type: application/json'
- -H 'Authorization: Bearer [Your API Key]'
- -d '{"input": {"prompt": "A cute fluffy white dog in the style of a Pixar animation 3D drawing."}}'
3) Output -> {"image_url": "data:image/png;base64 ..."} -> Decode and Save Image

[%실습] https://docs.runpod.io/tutorials/serverless/comfyui

1) Runpod Console -> ComfyUI Hub 목록 -> model version 선택 -> Deploy
- runpod/worker-comfyui:<version>-base : 사전 설치된 모델이 없는 버전
- runpod/worker-comfyui:<version>-flux1-dev : FLUX.1 dev 모델
- runpod/worker-comfyui:<version>-sdxl : Stable Diffusion SD3 모델
- ...
- (Model 이 필요하거나, 자체 LoRA가 있거나, 사용자 지정 노드가 필요한 경우 등)
- (사용자 지정 가이드를 사용하여 custom worker 를 직접 만듬)
2) comfyui_workflow.json 준비 작성
3) curl -X POST https://api.runpod.ai/v2/{ENDPOINT_ID}/run
- -H 'Content-Type: application/json'
- -H 'Authorization: Bearer [Your API Key]'
- -d @comfyui_workflow.json
4) Output -> {"data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAABAAAAAQACAIAAADwf7zU..."} ->

-끝-