완벽한 설계서 없이 AI와 대화하면서 감각적으로 앱이나 웹을 만들어가는 방식.

AI에게 원하는 작업을 시키기 위해 입력하는 요청문.

AI가 답변을 만들 때 참고하는 배경 정보와 이전 대화 내용.

버튼·카드·섹션처럼 화면을 구성하는 재사용 가능한 UI 조각.

앱과 다른 서비스가 데이터를 주고받기 위한 약속된 통로.

내 컴퓨터에서 만든 사이트를 인터넷에서 접속 가능하게 올리는 일.

사용자가 어떤 주소로 들어왔을 때 어떤 페이지를 보여줄지 정하는 구조.

API 키나 비밀값처럼 코드에 직접 적으면 안 되는 설정값.

개발 중인 코드를 실제 서비스에 올릴 수 있는 형태로 변환하는 과정.

오류의 원인을 찾아 고치는 과정.

AI가 어떤 역할과 규칙을 따라야 하는지 정하는 상위 지시문.

사용자가 AI에게 직접 입력하는 요청문.

AI가 글을 읽고 쓸 때 사용하는 작은 텍스트 단위.

Claude·GPT·Gemini처럼 AI 답변을 생성하는 엔진.

AI가 한 번에 기억하고 참고할 수 있는 입력 범위.

AI가 사실처럼 보이지만 틀린 내용을 만들어내는 현상.

AI에게 예시 몇 개를 보여준 뒤 같은 방식으로 답하게 하는 방법.

AI가 검색·파일 읽기·코드 실행 같은 도구를 사용해 작업하는 기능.

Claude에게 코드베이스를 읽고 수정하고 명령 실행까지 맡기는 개발 도구.

AI가 외부 도구·데이터베이스·API와 연결될 수 있게 해주는 프로토콜.

대량의 텍스트를 학습해 문장을 이해하고 생성하는 대형 언어 모델.

글·이미지·코드·요약처럼 새로운 결과물을 만들어내는 AI.

사람이 반복하던 작업을 도구와 AI가 대신 처리하게 만드는 것.

텍스트뿐 아니라 이미지·음성·영상 등 여러 입력을 함께 이해하는 방식.

문장이나 단어의 의미를 숫자 벡터로 바꾼 표현.

임베딩된 데이터를 저장하고 의미가 비슷한 내용을 빠르게 찾는 DB.

AI가 외부 문서나 데이터베이스를 검색해 그 근거로 답하게 하는 방식.

목표를 받고 여러 단계를 스스로 계획해 도구를 사용하며 실행하는 AI 구조.

AI가 코드 편집·자동완성·리팩터링을 직접 도와주는 코드 에디터.

한 줄 설명으로 React UI 컴포넌트를 즉석 생성하는 Vercel의 AI 도구.

브라우저 안에서 풀스택 앱을 한 번에 만들어주는 AI 빌더.

React에서 상태·생명주기를 함수형으로 다루게 해주는 함수(useState·useEffect 등).

화면이 기억해야 하는 값. 사용자 입력·로딩 여부·열림/닫힘 등.

노코드/로우코드로 트리거·도구·AI를 연결해 워크플로를 자동 실행하는 플랫폼.

특정 이벤트가 일어나면 다른 서버로 자동 알림을 쏘는 콜백 URL.

정해진 시간(예: 매일 9시)에 자동으로 코드를 실행하는 스케줄러.

전 세계 엣지 서버에 정적 파일을 미러링해 빠르게 전달하는 네트워크.

한 번 만든 결과를 잠시 저장해 같은 요청에 재사용해 속도·비용을 줄이는 기법.

AI 답변의 무작위성을 조절하는 0~2 사이 값. 낮으면 일관, 높으면 창의적.

확률 누적이 p에 도달할 때까지의 후보 단어만 고려하는 샘플링 방식.

답변을 한 글자씩 실시간으로 받아 화면에 즉시 보여주는 응답 방식.

AI 응답을 반드시 유효한 JSON으로 강제해 자동 파싱 가능하게 하는 모드.

AI가 미리 정의된 함수 스펙을 보고 알아서 호출 인자를 채워주는 기능.

긴 시스템 프롬프트·컨텍스트를 캐싱해 반복 호출 비용을 크게 줄이는 기능.

AI에게 단계별로 생각하게 시키는 "Chain of Thought" 기법.

예시 없이 곧바로 작업을 시키는 방식. Few-shot의 반대.

Anthropic Claude의 모델 라인업. 위로 갈수록 똑똑·느림·비싸다.

OpenAI의 GPT 모델군 (mini·nano·표준·reasoning 등). 비용·지능 트레이드오프를 보고 라우팅한다.

기존 모델을 추가 데이터로 재학습시켜 특정 도메인에 맞게 튜닝하는 작업.

학습이 끝난 모델이 실제 입력을 받아 답을 생성하는 단계.

사람 수준 또는 그 이상으로 다양한 일을 스스로 해내는 "범용 인공지능".

방대한 데이터로 사전 학습돼 다양한 작업에 두루 쓰일 수 있는 기반 모델.

현재 LLM의 토대가 되는 신경망 구조. "Attention is All You Need" 논문에서 시작.

문장 안의 단어들이 서로 얼마나 관련 있는지에 가중치를 두는 메커니즘.

AI가 위험한 답을 하거나 악용되지 않도록 설계·검증·정책으로 막는 영역.

모델이 인간의 의도·가치와 어긋나지 않게 조정하는 학습·정책 과정.

모델이 학습으로 정한 가중치 값들. 보통 수십억~수조 개 단위.

가중치·코드를 공개해 누구나 다운로드·실행·미세조정할 수 있는 AI 모델.