book-to-skill vs 세다나

book-to-skill 장단점

• 긴 문서를 매번 전체 컨텍스트에 넣지 않아 토큰 사용량을 줄일 수 있음
• 여러 AI 코딩 에이전트 환경에서 동일한 스킬 형식을 사용 가능
• 문서 처리가 로컬에서 이루어져 데이터 업로드를 피할 수 있음
• 다양한 문서 형식과 여러 입력 소스를 지원

• AI 에이전트와 호스트 환경이 별도로 필요함
• 일부 PDF 및 문서 형식은 추가 추출기 설치가 필요함
• 스캔 PDF는 변환 전에 OCR 처리가 필요함

세다나 장단점

• 가장 큰 강점은 코드 수정 없이도 '스팟 인스턴스'를 안정적으로 사용할 수 있어 클라우드 비용을 획기적으로(최대 80~90%) 낮출 수 있다는 점입니다. 또한, 모델을 디스크에서 다시 읽어오는 방식이 아니라 메모리 상태를 그대로 복구하므로, 장애 발생 시 복구 속도와 추론 서비스의 초기 구동 속도(Cold Start)가 경쟁 기술 대비 압도적으로 빠릅니다. Kubernetes, Ray, Slurm 등 기존 오케스트레이션 도구와 호환되어 도입 장벽을 낮춘 점도 긍정적으로 평가받습니다.

• GPU 드라이버와 커널 레벨에서 작동하는 딥테크 솔루션인 만큼, 클러스터에 설치 및 구성 과정이 복잡하고 높은 권한을 요구하여 일반 개발자가 단독으로 도입하기 어렵습니다. 현재 NVIDIA GPU에 최적화되어 있어 다른 하드웨어 호환성이 제한적일 수 있으며, YC S23 출신의 초기 스타트업 제품이라 대형 엔터프라이즈급 레퍼런스가 부족하고 가격 정책이 투명하게 공개되어 있지 않아(Contact Sales) 도입 검토 시 불확실성이 존재합니다.

book-to-skill 주요 기능

• 기술 서적과 문서 폴더를 구조화된 에이전트 스킬로 변환
• 장별 문서, 용어집, 패턴, 치트시트 자동 생성
• 필요한 장만 불러오는 온디맨드 로딩
• PDF, EPUB, DOCX, HTML, RTF, Markdown 등 지원
• GitHub Copilot CLI, Amp, Claude Code 호환
• 문서와 추출 과정을 로컬에서 처리

세다나 주요 기능

• 컨테이너·GPU 워크로드 상태 저장/이전/재개(SMR)
• 라이브 GPU 마이그레이션으로 장애 전 선제 이동
• Kubernetes·SLURM·Ray 등 기존 오케스트레이터와 투명한 통합
• 스팟 인스턴스 선점 시 자동 재개로 비용 절감
• 멀티노드 대규모 클러스터 중간 장애 시 작업 손실 방지
• AI 추론·학습·에이전트·HPC 워크로드 지원