최신 글
기술과 일상을 함께 기록합니다.
7. 고급 텍스트 생성 기술과 도구
모델 호출, 프롬프트 체인, 대화 기록, 도구 호출을 데이터 흐름과 실패 사례로 이해하기
11. LLM 애플리케이션 개발
문서 기반 질문 응답 서비스를 예로 들어 문제 정의, RAG 그래프 구현, 인용 검증, 평가와 배포까지 연결하는 개발 절차.
10. 테스트: 평가, 모니터링, 개선
LLM 애플리케이션의 회귀 테스트, 오프라인 평가 데이터, 운영 추적과 실패 사례를 개선으로 연결하는 방법.
9. AI 애플리케이션 배포
LangGraph 애플리케이션을 서버로 실행할 때 필요한 구성, 상태 저장, 보안, 스트리밍, 배포 검증과 운영 절차.
8. LLM 성능을 높이는 패턴
프롬프트 연결, 라우팅, 병렬 실행, 평가-개선 루프를 언제 적용할지와 RAG 품질·지연 시간의 병목을 구분하는 방법.
7. 에이전트 아키텍처 II
성찰 루프와 서브그래프·슈퍼바이저 패턴을 상태 전달, 반복 상한, 결과 검증 관점에서 비교한다.
6. 에이전트 아키텍처 I
LangGraph의 모델·도구 반복 그래프를 만들고, 우선 검색과 도구 선별이 실행 경로·비용·권한에 미치는 영향을 살펴본다.
5. 랭그래프로 구현하는 인지 아키텍처
LangGraph의 LLM 호출·체인·라우터를 상태와 실행 경로로 구성하고, 분기 결과와 실패 경계를 확인하는 방법을 다룬다.
4. 랭그래프를 활용한 메모리 기능
LangGraph 상태 그래프와 체크포인터로 대화 기록을 보존하고, 메시지 축약·필터링으로 컨텍스트를 관리하는 방법을 살펴본다.
3. RAG 2단계 : 데이터 기반 대화
인덱싱한 문서를 검색해 답변의 근거로 쓰고, 질의 재작성·다중 검색·라우팅으로 검색 품질을 개선하는 방법을 다룬다.
2. RAG 1단계 : 데이터 인덱싱
RAG에 쓸 문서를 불러와 청크로 나누고 임베딩·벡터 저장소에 색인하는 과정과 문서 변경 추적 방법을 살펴본다.
1. 랭체인을 위한 기초 AI 지식 및 기본 LLM 사용법
LangChain의 채팅 모델, 메시지, 프롬프트 템플릿과 Runnable 조합을 실습하고 출력 검증과 실패 사례를 살펴본다.