David Ondrej

AI 코딩 에이전트 Amp의 개발자 Thorsten Ball과 함께 에이전트 중심의 워크플로와 Supabase 에이전트 스킬을 통한 개발 생산성 향상을 논의한다.

FirstMate와 Herdr를 활용해 다수의 AI 에이전트 세션을 효율적으로 관리하고, CodeRabbit으로 코드 리뷰를 자동화하는 실전 개발 워크플로.

AI 에이전트의 보안과 원격 연결을 위해 Tailscale을 활용하여 안전한 프라이빗 네트워크를 구축하는 방법을 다룹니다.

Kimi API 플랫폼과 Fireworks AI를 활용하여 오픈소스 모델을 효율적으로 파인튜닝하는 방법을 단계별로 설명하는 튜토리얼 영상이다.

여러 LLM을 결합하여 성능을 극대화하는 Mixture of Agents 아키텍처의 원리와 Hermes Agent를 활용한 실전 구축 및 배포 과정을 상세히 안내합니다.

로컬 AI 모델의 성능과 하드웨어 최적화, 그리고 AI 기술의 탈중앙화와 오픈소스의 중요성에 대해 심도 있게 논의합니다.

Hermes Agent를 VPS에 배포하고 Obsidian과 연동하여 AI 에이전트가 실시간으로 지식을 참조하고 업데이트하는 자동화된 지식 관리 시스템 구축 방법.

Hermes Agent와 Apify MCP Connectors를 연동하여 웹 데이터를 수집하고 Supabase에 저장하여 AI 자동화 워크플로를 구축하는 방법.

Pi Agent의 설치, 설정, 도구 활용법 및 C-mux를 이용한 멀티 에이전트 오케스트레이션 기법을 다루는 실전 튜토리얼.

MiniMax M3의 MSA 아키텍처를 활용해 Hermes Agent 운영 비용을 100배 절감하고 고성능 AI 에이전트를 구축하는 방법을 설명한다.

AI 에이전트의 병렬 실행과 오케스트레이션을 지원하는 macOS 전용 터미널 CMUX의 기능과 활용법을 다룬다.

Unsloth Studio를 사용하여 로컬 환경에서 LLM을 파인튜닝하고, 데이터셋을 직접 구축하여 모델 성능을 최적화하는 방법을 다룬다.

Hermes Agent와 Vapi를 MCP로 연결하여 전화 수신, 예약, 리드 추적을 자동으로 수행하는 자율 통화 에이전트를 구축하는 방법이다.

Hermes Agent의 새로운 /goal 기능과 Codex CLI 런타임 연동을 통해 AI 에이전트의 자율적 작업 수행과 배포 과정을 상세히 설명한다.

Ollama와 Hugging Face를 활용하여 검열이 제거된 SuperGemma 26B 모델을 로컬 환경에서 실행하고, 자율 연구 루프를 통해 모델의 제한을 해제하는 방법을 제시한다.

AI 코딩 에이전트 Codex와 HyperFrames 라이브러리를 결합하여 텍스트 프롬프트만으로 HTML/CSS 기반의 고품질 모션 그래픽과 비디오를 생성하는 방법을 다룹니다.

Nous Research의 오픈소스 AI 에이전트인 Hermes Agent를 VPS에 설치하고, 칸반 보드 관리, 자동 백업, MCP를 통한 Claude Code 통합까지 고도화하는 7단계 과정을 다룬다.

Pi 에이전트 제작자 Mario Zechner가 AI 코딩 에이전트의 작동 원리, 컨텍스트 관리의 중요성, 그리고 오픈 가중치 모델로의 전환 흐름을 심도 있게 논의한다.

브라우저 런타임에서 실행되며 스스로 기능을 확장하고 UI 위젯을 생성하는 오픈소스 자기 진화형 에이전트 Space Agent의 아키텍처와 활용 사례를 소개한다.

GPT Image 2와 Seedance 2.0 모델을 결합하여 일관된 스타일의 고품질 AI 영상을 제작하고, Claude Code로 편집을 자동화하는 전체 워크플로우를 다룹니다.

Hermes Agent와 Browser Use 도구를 결합하여 웹 브라우저를 자율적으로 제어하고 복잡한 작업을 자동화하는 실전 구축 가이드.

AI 기반 앱 빌더인 Rork Max를 사용하여 자연어 프롬프트만으로 3D 지도를 포함한 네이티브 iOS 앱을 제작하고 실제 기기 테스트 및 앱스토어 배포 과정을 시연한다.

Nous Research가 공개한 Hermes Agent의 자가 학습 메커니즘(GEPA)을 이해하고, VPS 환경에서의 설치 및 텔레그램 연동을 통한 실전 활용법을 다룹니다.

안드레이 카파시가 공개한 AutoResearch 프로젝트의 핵심 원리와 3개 파일 기반의 자율 최적화 루프 구현 방법을 상세히 설명합니다.