블로그

AI API, 아키텍처, 안정적인 LLM 도구에 관한 실용적인 글입니다.

비용 및 한도

Jev는 AI 에이전트 비용을 줄일 수 있을까? 모델 라우팅부터 결과 검증까지 전체 비용 계산

Jev 호출은 저렴하지만, 저비용 의사결정 모델을 추가한다고 AI 에이전트의 전체 비용이 자동으로 낮아지는 것은 아닙니다. 이 글은 사전 라우팅, 컨텍스트 필터링, 사후 검증이라는 세 가지 일반적인 구조를 분석하고 재시도, 사람 검토, 지연 시간, 잘못된 라우팅까지 포함해 실제 절감 효과를 계산하는 방법을 설명합니다.

글 읽기
에이전트 및 자동화

Jev로 이메일과 지원 티켓을 라우팅하는 방법: 분류 데모에서 완전한 비즈니스 워크플로까지

이메일 분류는 고객지원 자동화의 첫 단계일 뿐입니다. 이 글은 Jev의 Choice, Noul, Score를 기반으로 접수, 구조화된 판단, 비즈니스 규칙 결합, 사람의 검토, 결과 피드백까지 이어지는 완전한 티켓 라우팅 워크플로를 설계하며, 정확도, 확률 변동, 네트워크 실패, 다국어 임계값 같은 현실적인 제약도 그대로 다룹니다.

글 읽기
AI 코딩

Jev란 무엇이며 어떤 LLM 판단 작업을 옮길 가치가 있는가: 평가 해석, 활용 사례, 통합 경계

Jev는 결정론적 코드와 생성형 LLM 사이에 놓입니다. 정확한 규칙은 코드가, 제한된 선택지 안의 의미 판단은 Jev가, 개방형 추론과 콘텐츠 생성은 생성형 모델이 담당합니다. 이 글은 API, 평가, 전체 워크플로 비용, 위험을 기준으로 작업을 옮길 가치가 있는지 판단하는 방법을 설명합니다.

글 읽기
AI 코딩

Inspo MCP 사용법: 디자인 레퍼런스와 스크린샷을 Claude Code·Codex UI 개발에 활용하기

이 가이드에서는 Inspo MCP를 Claude Code 또는 Codex에 연결하고, 디자인 레퍼런스를 검색·검증한 뒤 레이아웃, 정보 계층, 여백, 타이포그래피, 색상, 반응형 요구사항을 실행 가능한 UI 작업으로 바꾸는 방법을 설명합니다. 마지막으로 실제 렌더링을 통해 에이전트가 레퍼런스를 정말 활용했는지 확인합니다.

글 읽기