When Agents Meet Physical Data: The Other Physics of Agent Harnesses - Dmitry Petrov, DataChain
본 영상은 대규모 비정형 물리 데이터(비디오, 로그, 센서 데이터)를 다룰 때 기존 에이전트의 한계를 지적하고, '데이터 하네스'라는 새로운 접근 방식을 제시합니다. Claude Code를 활용하여 S3에 저장된 대시캠 영상 데이터에서 객체를 탐지하고, 이를 효율적으로 관리 및 재사용하는 실전 시연을 통해 recompute 대신 recall을 우선시하는 새로운 데이터 처리 패러다임을 보여줍니다.
핵심 요약
- 대규모 비정형 물리 데이터 처리는 기존 에이전트의 '재계산(recompute)' 중심 사고방식으로는 비효율적이며, 수천 달러의 비용과 수일의 시간이 소요될 수 있습니다. (창작자 평가: 문제점 지적)
- 비정형 데이터의 복잡성은 파일 내부에 숨겨진 수많은 객체와 관계로 인해 발생하며, 이를 JSON 파일이나 중앙 데이터베이스에 저장하는 전통적인 방식은 지연 시간 증가 및 시스템 복잡성 야기 등의 단점이 있습니다. (창작자 평가: 문제점 지적)
- Pydantic을 사용하여 데이터 스키마를 정의하고 Python 코드를 통해 데이터를 직접 다루는 방식은 비정형 데이터를 구조화하고, 데이터 처리를 Python 생태계 안에서 통합하는 데 도움이 됩니다. (창작자 평가: 솔루션 제시)
전체 요약과 종목별 의견·실시간 분석을 보려면 로그인하세요.
로그인 / 회원가입