https://www.asus.com/microsite/agent-computer/in/?utm_source=official-site&utm_medium=asus-hero-banner&utm_campaign=Powering-Every-AI-Choice 자신의 워크스테이션에서 LLM을 실행하고, 코드를 작성하고, AI 에이전트를 구축할 수 있습니까? 이 비디오에서는 ASUS AI 에이전트 컴퓨터를 안내하고 Ollama로 모델을 실행하는 것부터 로컬 연구 에이전트를 클라우드 기반 모델과 비교하는 것까지 로컬 AI 워크플로우를 보여줍니다. 실제 사례를 통해 GPU 활용도, VRAM, 응답 시간, 도구 호출 및 예상 API 비용을 살펴봅니다. 또한 AI 뉴스 다이제스트 및 슬라이드 생성 워크플로우를 포함하여 일상적인 생산성을 위한 ASUS Zenni Claw를 시연합니다. Agentic AI를 배우거나, AI 애플리케이션을 구축하거나, 로컬 추론을 위한 워크스테이션을 탐색하는 경우 이 연습에서는 하드웨어를 실제 개발 작업과 연결합니다. **⏱️ 타임스탬프 및 주제** 00:00 AI 워크스테이션 소개 00:22 AI를 로컬에서 실행하는 이유는 무엇인가요? 로컬, 클라우드 및 하이브리드 접근 방식 01:57 ASUS 워크스테이션 하드웨어 둘러보기 03:25 Ollama 설치 및 로컬 모델 설정 04:06 Qwen 3.5를 로컬에서 실행 및 채팅 06:31 Ollama를 사용하여 추가 모델 찾기 및 실행 07:09 Llama 3.2를 사용하여 Tetris 게임용 Python 코드 생성 07:34 GPU 활용도, VRAM 및 NVIDIA-SMI 확인 08:09 연구 에이전트 프로젝트 Claude Code를 사용한 연습 09:26 간소화된 앱 설정 및 모델 선택 10:07 로컬 대 클라우드 에이전트: 사실 및 계산 작업 11:18 응답 시간, 도구 호출 및 예상 비용 비교 12:11 실시간 AI 뉴스 연구: 로컬 대 클라우드 13:17 시간 제한, 실행 제한 및 비용 관찰 14:00 비교 및 계산 작업 및 로컬 모델 고려 사항 15:44 ASUS Zenni Claw 소개 16:19 로컬 모델, 추가 공급자 및 API 구성 16:46 작업 도우미 데모: AI 뉴스 다이제스트 생성 18:28 생산성 기술 및 워크플로 탐색 18:51 Agentic AI 시스템에 대한 슬라이드 생성 시도 20:17 주요 내용: AI 에이전트 및 그 뒤에 있는 인프라 20:54 로컬, 클라우드 및 하이브리드 AI 중에서 선택 21:07 워크스테이션 리소스 및 마무리 생각 21:20 AI 에이전트를 로컬에서 실행하시겠습니까? **💡 배우게 될 내용** - Ollama를 사용하여 현지 LLM을 시작하는 방법. - GPU 메모리와 모델 크기가 로컬 추론에 미치는 영향. - 로컬로 실행되는 모델을 사용하여 코드를 생성하는 방법. - 작업 관리자 및 NVIDIA-SMI를 사용하여 GPU 사용률을 모니터링하는 방법. - Streamlit 연구 에이전트가 로컬 모델과 클라우드 모델을 비교하는 방법. - 응답 시간, 도구 사용량, 예상 API 비용 및 실패를 검사하는 방법. - ASUS Zenni Claw가 일상적인 에이전트 워크플로우에 접근하는 방법. - 로컬, 클라우드 및 하이브리드 AI가 프로젝트에 적합한 경우. 표시된 비교는 이러한 특정 모델, 프롬프트 및 설정에서 관찰한 것입니다. 로컬 추론은 로컬로 실행되는 작업에 대한 토큰별 클라우드 추론 비용을 피하는 동시에 하드웨어, 전기 및 연결된 서비스에는 여전히 비용이 발생합니다. **🖥️ 하드웨어 기능** - 마더보드: [ROG Maximus Z890 Hero](https://rog.asus.com/in/motherboards/rog-maximus/rog-maximus-z890-hero/) - GPU: [ROG Strix GeForce RTX 5070 Ti — 16GB GDDR7](https://rog.asus.com/in/graphics-cards/graphics-cards/rog-strix/rog-strix-rtx5070ti-16g-gaming/) - 전원 공급 장치: [ASUS TUF Gaming 1000P](https://www.asus.com/in/motherboards-comComponents/power-supply-units/tuf-gaming/tuf-gaming-1000p/) - AIO 쿨러: [ROG Strix LC III 360 ARGB](https://rog.asus.com/in/cooling/cpu-liquid-coolers/rog-strix-lc/rog-strix-lc-iii-360-argb/) **🔗 유용한 링크** - [ASUS 에이전트 컴퓨터](https://www.asus.com/microsite/agent-computer/in/) - [ASUS 에이전트 컴퓨터 EliteHubs](https://elitehubs.com/pages/asus-agent-computer) - [ASUS Zenni Claw — 기능, 다운로드 및 기기 호환성](https://www.asus.com/content/asus-zenni-claw/) - [Ollama](https://ollama.com/) **💬 토론에 참여하세요** AI 에이전트를 로컬에서 실행하시겠습니까, 클라우드 API를 사용하시겠습니까, 아니면 둘을 결합하시겠습니까? 댓글로 선호하는 설정과 구축할 워크플로를 공유하세요. 동영상에 좋아요를 누르고 Agentic AI, LLM 및 AI 애플리케이션 개발에 대한 보다 실용적인 튜토리얼을 구독하세요. #AgenticAI #LocalLLM #ASUS #Ollama #AIAgents
