Загружаем каталог…
НАВИГАТОР ПО ВОЗМОЖНОСТЯМ ИИ
Найдите свой ИИ-инструмент. Бесплатный доступ, пробные периоды и кредиты — в одном месте.
AIタグが付けられた新着記事 - Qiita
「エージェントを増やせば、仕事も速くなるはず」と考えたとき、先に決めたいのが仕事の渡し方です。親が知っている仕様を子も知っているとは限らず、子の「完了しました」だけでは成果物の正しさを判断できません。 ここでは、仕事を分解して統合する親を「司令塔」、担当範囲だけを作業する子...
Балл: 57.39Уверенность: 54%
Подробнее掘金
界面里常用一条细细的分隔线做内容分区,而在QML里最简单的做法是画一条宽/高为1的 Rectangle,菜单和工具栏里则有现成的 MenuSeparator、ToolSeparator。
Балл: 57.1Уверенность: 54%
Подробнее掘金
很多公司以为自己接入了几个大模型,采购了一批智能体工具,员工就获得了某种近乎无限的生产力。 换个角度看:每个人突然多出了一百万名能力不稳定、缺乏上下文、不会主动澄清目标、偶尔虚构进度、还能高速消耗预算
Балл: 57.1Уверенность: 54%
Подробнее掘金
大模型能力持续提升之后,Agent 系统的竞争焦点正在发生变化。 过去,我们主要关心模型能不能理解任务、调用工具、编写代码。现在,更重要的问题逐渐变成:模型之外的系统,能否为 Agent 提供一个可以
Балл: 57.1Уверенность: 54%
Подробнее掘金
DeepSeek Harness 把模型、工具、会话、沙箱、文件系统、Agent 循环、调度和 UI 都交给插件。 系统没有一块承载业务能力的固定内核,Cordis 只维护上下文、服务注册、事件分发、
Балл: 57.1Уверенность: 54%
Подробнее掘金
Army 的可插拔架构:army-jdbc 与方言模块(源码级解析) 目录 0. 一句话结论 1. 模块全景与依赖方向 2. "可插拔"的两条正交轴 3. 轴一:SQL 渲染层(方言模块)的插拔机制
Балл: 57.1Уверенность: 54%
ПодробнееReadhub
美国联邦航空管理局披露,专家组认定部分波音 737 MAX 客机飞行计算机的软件故障不存在安全隐患,为拖延多年的 737 MAX 10 认证扫清了最后阶段的一项障碍。该软件此前被指在特殊着陆情况下可能导致飞行员无法使用自动飞行引导功能,最新版软件也可能增加飞行员复飞时的操作负担,此前 FAA 曾暂缓 737 MAX 10 的认证等待完成相关分析。采用相同软件的 737 MAX 7 已于 8 月获得 FAA 认证,相关航司有望打消部分顾虑。航空业官员预计 737 MAX 10 最快可在本月晚些时候获得认证,若认证长期拖延,已订购该机型的多家美国大型航司可能受到波及,后续监管机构将发布相关特别适航信息通告,确保各方知悉波音的相关通告。
Балл: 57.07Уверенность: 54%
ПодробнееReadhub
蔚来充电服务于 2026 年 10 月 3 日突破 1 亿次,其中 86.67% 的充电电量服务于非蔚来品牌新能源汽车用户。截至目前,蔚来在全国累计建成 9522 座充换电站,提供充换电服务超 2.2 亿次,其中充电站 5361 座、充电桩 30892 根,换电站 4161 座,累计换电服务超 1.26 亿次。蔚来换电单日总量达 183469 单创历史新高,平均 0.47 秒就有一台蔚来、乐道、萤火虫完成换电。
Балл: 57.06Уверенность: 54%
ПодробнееReadhub
今年前 8 个月,中国出口信用保险公司扩大出口信用保险覆盖面,承保金额 8541.8 亿美元,同比增长 12.6%,服务客户 25.1 万家,同比增长 5.2%。助力培育外贸新动能,新业态和服务贸易承保金额同比分别增长 18% 和 40%。推动内外贸一体化,内贸险承保金额 4010.3 亿元,同比增长 14.1%。
Балл: 57.04Уверенность: 54%
ПодробнееReadhub
成立不到 5 个月的上海 AI 企业 StartLux 推出完全开源的决策模型 StartLux-Decision,在 Decision Index 0.2.1 的 38 项基准测试中 31 项成绩超过热门模型 Jev,综合得分领先近 6 分,36 局国际象棋对弈中赢下 35 局,是当前公开评测下全球最强的开源决策模型。该模型推出五档参数量版本及对应量化模型,可支持本地部署,针对候选集明确的高频判断场景优化,响应速度快、调用成本低,能填补本地智能系统的高频决策层级,与通用大模型形成分工,提升整体运行效率。该模型从立项到完成首轮研发验证仅耗时 3 天,依托的是团队长期搭建的 Auto Research 异构多模型协作研发体系,目前团队已将该体系推进到 RSI 三级阶段。此次发布并非孤立的模型迭代,而是 StartLux 本地智能系统架构按计划落地的组成部分,后续团队将持续推进系统整合,年内有望推出首个面向公众的本地智能体验版本。
Балл: 57.04Уверенность: 54%
Подробнееvelog
API 키를 한곳에 모았는데, 읽기 코드를 확인하니 공용 파일을 읽는 경로와 프로젝트의 옛 파일을 먼저 찾는 경로가 섞여 있었다. 저장 위치를 하나로 정해도 각 프로그램이 그곳을 읽도록 바꾸는 작업은 따로 남았다. 이전 글 에서는 흩어진 키를 공용 금고로 모으는 방향을 정리했다. 이번에는 그 구조를 실제 읽기 코드에 연결하고, 현재 실행 환경에 들어온 값을 덮어쓰지 않는지 확인한 뒤 옛 파일을 정리했다. 앞선 글의 ‘각 프로젝트의 파일을 전부 지운다’는 표현도 실제 작업을 설명하기에는 거칠었다. 지워야 할 것은 중복 비밀값이었다. 실행 설정과 공개 식별자까지 없애는 일은 아니었다. 파일을 옮기기 전에 읽는 코드를 찾았다 각 프로젝트에서 비밀값을 가져오는 코드를 확인했다. Node.js의 환경변수 로더, Python 설정 클래스, 실행 스크립트가 같은 방식으로 값을 읽지는 않았다. 백업 파일을 뒤지는 경로와, 암호화 파일을 읽지 못하면 평문 파일로 돌아가는 경로도 정리 대상에 들어갔다. 이런 우회 경로가 남으면 공용 금고를 바꿔도 프로그램은 옛 값을 계속 가져올 수 있다. 그래서 파일 이동보다 먼저 로딩 순서를 맞췄다. 상황 이번 이관에서 정한 처리 실행 환경에 값이 명시적으로 들어온 경우 그 값을 유지한다 실행 환경에 값이 없는 경우 공용 금고에서 해당 값을 읽는다 프로젝트마다 같은 변수 이름을 쓰는 경우 금고에서는 프로젝트별 이름을 구분하고, 실행할 때 기존 이름으로 연결한다 금고를 읽지 못하는 경우 옛 평문 파일을 몰래 읽지 않고 오류를 낸다 마지막 줄이 중요했다. 실패할 때 예전 방식으로 돌아가는 코드는 이관 중에는 편해 보여도, 이후에는 어느 파일이 정본인지 흐리게 만든다. 공용 로더를 연결한 뒤에는 남아 있던 평문 우회 경로도 제거했다. 같은 이름이 같은 계정은 아니었다 여러 프로젝트가 같은 서비스의 토큰을 쓰더라도 계정과 용도가 같다는 보장은 없었다. 변수 이름만 보고 합치면 다른 계정의 값으로 실행될 수 있었다. 금고 안에서는 프로젝트별 이름을 구분했다. 각 프로그램이 기존에 사용하던 변수 이름은 유지하고, 실행 과정에서 필요한 값만 연결했다. 호출자가 명시적으로 넣은 값도 그대로 두었다. 이렇게 해야 로컬 작업용 값과 외부 실행 환경에서 주입한 값이 서로 덮어쓰지 않는다. 이 과정에서 작은 수정도 다시 확인했다. 한 실행 래퍼에서 불필요한 환경변수를 제거하려고 빈 값을 넣었는데, 자식 Node.js 프로세스에서는 변수가 여전히 존재하는 것으로 보였다. 변수를 실제로 제거하도록 바꾸고, 자식 프로세스에 남지 않는지 재검사했다. ‘값이 비어 있다’와 ‘변수가 없다’는 실행 코드에서 다르게 취급될 수 있었다. 수정한 줄만 보는 것으로는 부족했다. 인증 JSON도 파일 경로에 묶여 있었다 일부 Google 연동은 환경변수 대신 서비스 계정 JSON 파일을 직접 읽었다. 일반 API 키만 암호화하면 이 파일은 평문으로 남는 셈이었다. JSON도 금고에 암호화해 보관하고, 필요한 인증 코드에서 메모리로 읽도록 바꿨다. 원래의 파일 경로에 의존하던 세 곳을 먼저 전환한 뒤, 실제 SDK의 인증 객체를 구성하는 코드가 같은 자격증명을 받는지 확인했다. 원본 파일을 지운 뒤에도 같은 검사를 반복했다. 여기서 확인한 것은 인증 코드가 올바른 값을 전달받는다는 사실이다. Google에서 토큰을 발급받거나 데이터를 조회하고 수정하는 작업까지 실행한 것은 아니다. 로더 검사와 실제 서비스 인증은 별도의 확인이다. 삭제 전보다 삭제 후 검사가 더 중요했다 옛 파일이 남아 있는 상태에서 검사가 통과해도 새 로더만 사용했다고 단정할 수는 없다. 아직 남은 우회 경로가 값을 공급했을 수도 있기 때문이다. 그래서 값의 일치 여부와 복구본을 확인하고, 기존 코드의 읽기 경로를 검사한 뒤 중복값을 제거했다. 제거 후에도 같은 검사를 다시 실행했다. 이 순서로 로컬 파일 아홉 곳에서 중복된 비밀값 할당 22개를 정리했다. 파일에 함께 들어 있던 일반 설정은 남겼다. MCP 서버도 새 프로세스로 시작해 초기 연결과 도구 목록 응답을 확인했다. 다만 이미 켜져 있던 프로세스가 새 설정을 반영했다고 보지는 않았다. 오래 실행 중인 프로세스는 이전 환경값을 들고 있을 수 있다. 금고 내용이 바뀌면 최신 암호문 복구본을 갱신했다. 복호화 키가 든 기존 암호화 복구본은 유지했고, 갱신할 때마다 키를 다시 내보내지는 않았다. 암호문만 백업하고 키를 잃으면 복구할 수 없고, 둘을 함께 노출하면 암호화의 의미가 줄어든다. 마지막에는 빈 설정 파일과 일회성 이관 스크립트도 사용처를 확인해 정리했다. 계속 쓰는 로더와 회귀 검사는 남겼다. 이관 당시 필요했던 도구가 앞으로도 상시 필요한 것은 아니었다. 어디까지 끝났다고 말할 것인가 로컬 비밀값을 모으고, 확인한 읽기 경로를 전환한 뒤 중복값을 제거했다. 의존성이 빠져 시작하지 못하는 도구도 남아 있어 모든 프로그램이 정상 운영된다고 말할 수는 없다. 암호화도 같은 사용자 권한으로 실행되는 모든 프로세스를 서로 격리해 주지는 않는다. 금고에서 값을 꺼내는 래퍼가 곧 최소 권한 보장 장치가 되는 것은 아니었다. 필요한 값만 받는 코드와 전체 환경을 전달하는 실행 경로를 구분해 둬야 했다. 다음 프로젝트를 붙일 때는 금고에 키를 추가한 뒤 실제 실행 명령이 그 값을 어디서 읽는지 확인할 것이다. 복구본과 읽기 경로를 확인해 옛 중복값을 정리한 다음에도 같은 검사를 반복해야 한다. 이번에 오래 걸린 것은 키를 옮기는 일보다 각 프로그램이 그곳을 제대로 읽게 만드는 일이었다. 이 글은 2026년 10월 4일의 로컬 이관·정리 기록을 바탕으로 작성했다. 서비스 계정, 키 이름과 개인 경로는 일반화했다.
velog
AI 자동화 프로젝트를 시작할 때 가장 쉽게 말할 수 있는 성과는 시간 절약입니다. “기존에는 세 시간이 걸렸는데 이제는 삼십 분이면 됩니다.” 분명 중요한 변화입니다. 반복적인 엑셀 작업이나 데이터 가공에 쓰던 시간을 줄이면 다른 업무에 더 많은 시간을 쓸 수 있습니다. 하지만 자동화의 성과를 시간 절약으로만 설명하면, 실제 업무가 얼마나 좋아졌는지 충분히 보여주기 어렵습니다. 자동화의 진짜 성과는 줄어든 시간 이후에 나타나는 변화까지 봐야 합니다. 시간 절약은 성과의 시작점이다 업무가 세 시간에서 삼십 분으로 줄었다고 해보겠습니다. 우선 한 번 실행했을 때 두 시간 삼십 분을 절약했습니다. 하지만 그 시간이 실제로 어떤 가치로 바뀌었는지는 아직 알 수 없습니다. 담당자가 다른 반복 업무를 더 많이 하게 됐을 수도 있고, 절약한 시간에 데이터를 분석해 더 나은 결정을 내렸을 수도 있습니다. 자동화 이후 남은 시간을 어디에 사용했는지까지 봐야 합니다. 작업량이 늘었는지, 검토와 분석에 더 많은 시간을 썼는지, 의사결정이 빨라졌는지 확인해야 합니다. 성과를 네 가지로 나눠서 본다 자동화의 성과는 다음 네 가지 관점으로 나누어 측정할 수 있습니다. 1. 생산성 반복 작업에 걸리는 시간이 얼마나 줄었는지, 같은 시간에 처리할 수 있는 업무량이 얼마나 늘었는지 확인합니다. 2. 품질 오탈자, 누락, 중복, 계산 오류가 얼마나 줄었는지 봅니다. 사람이 반복 작업을 하면서 발생하던 실수가 감소했는지도 중요한 지표입니다. 3. 표준화 담당자마다 다르게 하던 업무가 같은 규칙과 형식으로 처리되는지 확인합니다. 업무 방식이 문서와 시스템에 남으면 인수인계와 협업도 쉬워집니다. 4. 의사결정 보고서와 데이터가 더 빨리 준비되어 의사결정까지 걸리는 시간이 줄었는지, 더 자주 데이터를 확인하고 조정할 수 있게 됐는지 살펴봅니다. 오류 감소는 시간 절약만큼 중요하다 엑셀 검수나 데이터 가공 자동화에서는 작업 시간이 줄어드는 것만큼 오류가 줄어드는지도 중요합니다. 사람이 여러 파일을 비교할 때는 행을 놓치거나, 수식을 잘못 복사하거나, 파일 버전을 혼동할 수 있습니다. 자동화가 이런 오류를 줄이고 일정한 규칙으로 검수한다면, 단순히 작업 시간이 줄어든 것보다 더 큰 효과가 생길 수 있습니다. 오류 감소를 측정하려면 자동화 전후의 오류 유형과 발생 빈도를 기록해야 합니다. “실수가 줄었다”는 느낌에 머무르지 않고, 어떤 오류가 얼마나 줄었는지 확인할 수 있어야 합니다. 표준화는 눈에 잘 보이지 않는 성과다 자동화 전에는 담당자마다 파일을 다르게 만들거나 검수 순서가 달랐을 수 있습니다. 업무를 잘 아는 사람에게 의존하는 구조에서는 담당자가 바뀌면 품질과 속도가 함께 흔들릴 수 있습니다. 자동화 과정에서 입력 형식, 처리 규칙, 예외 기준을 정리하면 업무가 표준화됩니다. 특정 담당자의 경험이 규칙과 프로세스로 바뀌는 것입니다. 표준화는 바로 숫자로 드러나지 않지만, 인수인계 시간과 교육 시간을 줄이고 협업 과정의 재작업을 줄이는 데 영향을 줍니다. 의사결정 속도가 빨라졌는가 자동화 결과물이 만들어졌다는 것만으로는 충분하지 않습니다. 그 결과가 실제 의사결정에 얼마나 빨리 사용됐는지 봐야 합니다. 예전에는 월말에 한 번 확인하던 지표를 이제는 매주 확인할 수 있게 됐는지, 보고서 작성에 걸리던 시간이 줄어 회의 전에 더 많은 검토를 할 수 있게 됐는지 살펴볼 수 있습니다. 데이터가 빨리 준비되면 문제가 커진 뒤 대응하는 대신, 변화가 보일 때 조정할 수 있습니다. 자동화의 성과는 시스템 안에서 끝나는 것이 아니라 업무의 판단 속도와 실행 방식까지 이어져야 합니다. 자동화 성과를 측정하는 질문 자동화 프로젝트를 시작하기 전에 다음 질문을 기록해두면 전후 변화를 비교하기 쉽습니다. 한 건을 처리하는 데 걸리는 시간은 얼마나 되는가 오류와 재작업은 얼마나 발생하는가 담당자마다 처리 방식이 얼마나 다른가 결과를 확인하고 결정하기까지 얼마나 걸리는가 자동화 이후 확보된 시간은 어디에 사용되는가 자동화 후에도 같은 질문을 다시 확인합니다. 시간, 오류, 재작업, 표준화 수준, 의사결정 속도가 어떻게 바뀌었는지 비교하면 성과를 더 입체적으로 설명할 수 있습니다. 자동화의 목표는 일을 없애는 것이 아니다 자동화의 목표를 사람이 하던 일을 없애는 것으로만 정의하면, 절약한 시간이 어디로 가야 하는지 설명하기 어렵습니다. 더 좋은 목표는 반복 작업을 줄이고 사람이 더 중요한 판단과 개선에 시간을 쓰게 만드는 것입니다. AI가 데이터를 정리하고 오류 가능성을 찾는 동안, 사람은 결과의 맥락을 확인하고 다음 행동을 결정할 수 있습니다. 시간 절약은 자동화가 만들어내는 첫 번째 변화입니다. 그 시간이 품질 향상, 업무 표준화, 빠른 의사결정으로 이어질 때 자동화는 진짜 성과를 만들었다고 말할 수 있습니다.
Балл: 54.38Уверенность: 49%
ПодробнееБалл: 54.39Уверенность: 49%