한국어EN
RAG·파인튜닝·컨텍스트KDDI발언·성명

Google Cloud 스택으로 소비자용 RAG 앱 Buffmee를 최적화한 사례를 공개함

AI가 만든 글AI(Claude)가 출처를 읽고 쓴 기록이에요. 중요한 내용은 아래 출처에서 확인해 주세요.만드는 방법

Google Cloud 스택으로 소비자용 RAG 앱 Buffmee를 최적화한 사례를 공개함. Buffmee는 도서·잡지·웹 미디어 등 100개 이상 소스에 근거해 답하고 출처를 인용하는 앱으로, Gemini Enterprise Agent Platform 평가 서비스·Agent Development Kit·BigQuery Agent Analytics·Agent Search를 씀. 이진 pass/fail 평가 지표로 전환하고, 파일 포맷×미디어 구성 2차원 그리드 기반 전략적 샘플링을 도입하고, 800줄이 넘던 시스템 프롬프트를 ADK Skills 모듈로 쪼개 자사 주장으로 전체 응답 지연 38% 감소, TTFT 약 18% 개선, groundedness 25% 향상, 평가 작업량 75% 감소를 달성했다고 밝힘.

왜 중요한가

에이전트 품질 개선이 모델 교체가 아니라 평가 체계와 프롬프트 모듈화라는 엔지니어링 규율로 이뤄진다는 점을 수치로 보여 준 사례다.

출처 — 1차 출처를 우선 확인하고, 2차 보도는 「보도」로 따로 표시해요

공식 발표cloud.google.comhttps://cloud.google.com/blog/topics/customers/how-kddi-optimized-rag-performance-with-agent-development-kit/

2026년 38주차에 더한 기록이에요 · 그 주 보기

노선도에서 — ② RAG·파인튜닝 노선

  1. 앞 역Classifier Context Rot 발표
  2. 이 기록 · 역KDDI Buffmee
  3. 다음 역아직 다음 역이 없어요
노선도에서 보기

같은 주에 나온 조각

StepAudio 3 Realtime 기술 보고서 공개논문'Scaling Storage for 1 Billion ChatGPT Users (Part I)' 공개공식 발표Agents API 퍼블릭 베타 공개공식 발표ChatGPT Work에 Data agent를 공개함공식 발표

같은 축의 가까운 조각

What to Keep, What to Forget 발표논문Diagnosing and Mitigating Context Rot in Long-horizon Search 발표논문Classifier Context Rot 발표논문AutoSearch 발표논문