from0lab은 LLM과 AI 에이전트를 실무에 적용하면서 부딪히는 문제와 해결 패턴을 기록하는 한 AI 개발자의 연구소입니다. 이론서 요약이나 튜토리얼 짜깁기가 아니라, 직접 코드를 작성하고 모델을 호출하고 디버깅하면서 배운 것을 1인칭으로 정리합니다.
그래서 이 사이트의 글은 대부분 “무엇을 했다”가 아니라 “왜 그렇게 했고, 무엇을 놓쳤고, 대안은 무엇이었나”에 비중을 둡니다. 검증 가능한 코드와 실제 측정값을 근거로 답을 찾아가는 과정 자체가 이 연구소의 콘텐츠입니다.
이 사이트의 글은 두 가지 원칙을 지킵니다.
- 실제로 만들어보고 쓴다 — 글의 근거가 되는 코드는 가능한 한 GitHub에 공개합니다.
- ‘왜 그런지’를 설명한다 — 무엇을 했는지보다 왜 그렇게 설계했는지에 비중을 둡니다.
비전공자 출신 개발자로서, 같은 길을 걷는 주니어~미들급 개발자에게 “이 정도는 미리 알았으면 좋았을 것”을 남기는 것이 목표입니다.
운영자 — Plutojoshua
핀테크 업계에서 LLM과 AI 에이전트를 실제 서비스에 적용하는 일을 하는 개발자입니다. 비전공자로 시작해 교육 업계 AI 엔지니어 인턴을 거쳐 현재는 핀테크 도메인에서 거래 분류·에이전트 운영 같은 문제를 다룹니다.
- 핀테크 AI 엔지니어 근무 중 — LLM 통합, 비용·관측, 멀티 에이전트 운영
- 카카오 AI 앰배서더 — Kanana / Kanana-o 모델을 직접 앱에 연동하며 검증
- 교육 업계 AI 엔지니어 인턴 수료 (비전공자 출신)
- 만든 것: 음성 감정 분석 기반 의사결정 앱 ‘아무거나(amuguna)’ 등 — 코드는 GitHub 공개
다루는 주제
- LLM 통합 패턴 — API 비용 최적화, 프롬프트 캐싱, 멀티모달 호출
- AI 에이전트 설계 — Claude Code, MCP, Subagent 오케스트레이션, Tool 권한·관측
- 한국어 NLP — Kanana-o 음성·이미지 처리, 한국어 룰베이스 폴백
- 사이드 프로젝트 회고 — 실제 운영하며 배운 설계 결정의 근거
대표 글
이 연구소가 어떤 글을 쓰는지 보여주는 시작점입니다.
- 프롬프트 캐싱 시리즈 — 캐싱을 실제 워크로드에 붙이고 손익분기를 직접 측정한 기록
- Agent에게 Tool을 열어줄 때 세운 3가지 원칙 — 멀티 에이전트 권한·관측 설계 시리즈
- Kanana-o 멀티모달을 Flutter 앱에 녹이며 — 비결정적 멀티모달 모델을 클라이언트에서 다루는 패턴
연락
- 이메일: [email protected]
- GitHub: github.com/PlutoJoshua
- 댓글로도 문의 가능합니다.
본 사이트의 모든 글은 작성자의 개인 의견 및 경험에 기반하며, 인용된 회사·제품·모델은 각각의 권리자에게 귀속됩니다.