;

AI 에이전트를 쓰다 보면 프롬프트와 도구 사용법은 빨리 익히는데, 모델 안쪽 원리나 에이전트 루프는 빈칸으로 남기 쉽습니다. AI Engineering from Scratch는 그 빈칸을 메우는 오픈소스 커리큘럼입니다. 이 글은 저장소 구조와 첫 lesson 실행 흐름만 다룹니다.개요AI Engineering from Scratch는 20개 phase와 503개 lesson으로 구성된 학습 저장소입니다. Python, TypeScript, Rust, Julia를 다루고, 각 lesson은 코드와 문서, 산출물 폴더를 같은 구조로 둡니다. 일반 강의 목록보다 저장소 구조가 중요한 이유는 배운 내용을 prompt, skill, agent, MCP server 같은 재사용 결과물로 남기는 방식 때문입니다.1..

시장 데이터 조회와 백테스트를 AI 에이전트 대화에 붙이려면, 모델 호출·데이터 소스·검증 산출물이 흩어지기 쉽습니다. Vibe-Trading은 이 흐름을 CLI와 Web UI, MCP에 모은 오픈소스 리서치 워크스페이스입니다. 공식 README와 릴리스 문서 기준으로 정리했습니다개요Vibe-Trading은 자연어 요청을 시장 데이터 로더, 전략 생성, 백테스트, 리포트, 세션 메모리로 연결합니다. README 기준으로 리서치·시뮬레이션·백테스트가 주 용도입니다. 브로커 연결 기능도 있으나, 실제 주문은 사용자가 인가한 범위에서만 다뤄야 합니다.전체 구성 흐름질문에서 조건을 정하고 시장 데이터를 불러온 뒤, 백테스트 결과와 run card를 같은 실행 기록에 남깁니다. 이 구조가 일반 채팅형 AI와 갈리..

로컬 TTS 모델을 고를 때는 처리 속도도 중요하지만, 실제로 들어보면 문장을 빠뜨리거나 음색이 어색한 경우가 있습니다.이런 부분을 한 화면에서 직관적으로 비교할 수 있는 tts-bench 오픈소스 벤치마크 사용 방법을 안내합니다.이전에 로컬 환경 도구 검증을 다룬 git push 전에 실수를 막는 no-mistakes 사용 방법 포스트와 비슷한 흐름입니다. 이번에는 TTS 모델 선택 기준을 잡는 데 집중합니다.개요tts-bench는 Windows, Linux, macOS에서 로컬 TTS 모델을 같은 방식으로 실행하고 결과를 모읍니다.Speed: cold/warm TTFA, RTF, 메모리 사용량, CPU/CUDA/Apple Silicon 구분.Listen: 모델별 음성 샘플을 직접 재생해서 듣는 화면...