Agentic Workflow 한줄 정의 LLM 에이전트가 자율적으로 작업을 계획하고 실행하는 워크플로우. 단순 체인을 넘어 동적 의사결정과 반복 실행이 가능하다. 학습 맥락 Agentic Workflow는 업스테이지 과정에서 Prompt/RAG 다음 단계로 등장했다. 앞선 단계가 “LLM에게 잘 묻고, 필요한 문서를 검색해서 답하게 만드...

Agent Architecture 한줄 정의 LLM 기반 자율 에이전트의 구조와 설계 패턴. 지각-추론-행동 루프를 반복하며 복잡한 목표를 자율적으로 달성한다. 핵심 이해 에이전트의 핵심은 ReAct(Reasoning + Acting) 패턴이다. LLM이 생각(Thought)을 생성하고, 행동(Action)을 결정하며, 관찰(Observa...

Week 06: Agentic Workflow 개요 주간 개요 에이전틱 워크플로우를 구성하는 핵심 기술들을 학습한다. AI 서비스 설계와 에이전트 아키텍처, Tool Calling과 MCP, Agentic RAG와 메모리 관리, Context Engineering과 보안, 그리고 평가(Evaluation)와 AgentOps를 다룬다. 일별 ...

AI 서비스와 에이전트 설계 수업 위치 이 수업은 Agentic Workflow 주차의 시작점이다. 앞선 Prompt/RAG 단계에서 LLM을 잘 쓰는 방법을 배웠다면, 여기서는 그것을 실제 AI 서비스 구조로 묶는 방법을 다룬다. 초기 강의 계획서 기준으로는 AI Product Engineering > Agentic Workflow의 AI...

Visual-Text Embedding Alignment 실습 실습 정보 주차: Week 05, Day 05 유형: Jupyter Notebook 상태: 완료 원본 자료: [Daily Mission] Day5 Visual-Text Embedding Alignment, 09-Related_Works_Trends....

Related Works & Agentic AI Summary 수업 위치 이 수업은 Prompt Engineering 주차를 마무리하면서 두 방향을 정리한다. 하나는 텍스트 중심 prompt가 이미지, 오디오, 비디오까지 확장되는 멀티모달 프롬프팅이고, 다른 하나는 prompt, RAG, memory, tool을 결합한 Agentic AI로...

LLM 보안 LLM 보안은 처음에는 조금 별도 과목처럼 느껴졌다. 그런데 RAG를 배우고 나니 바로 연결됐다. RAG는 외부 문서를 읽고, Agent는 도구를 실행한다. 그러면 LLM은 단순히 답변만 만드는 모델이 아니라 외부 입력을 읽고 행동을 결정하는 시스템 일부가 된다. 이때부터는 prompt injection, 권한 없는 데이터 접근, 도구...

Advanced RAG Advanced RAG는 처음 들으면 기법 이름이 너무 많다. HyDE, RAGRouter, Small-to-Big, Self-RAG, GraphRAG, RAPTOR처럼 이름만 보면 다 따로 외워야 할 것 같다. 그런데 수업을 정리하면서 생각을 바꿨다. 이건 기법 이름 목록이 아니라 Naive RAG가 실패하는 지점을 고치는...

RAG Knowledge Conflict 실습 Day4 실습은 RAG에서 제일 불편하지만 중요한 부분을 다뤘다. 검색된 문서가 항상 맞다고 볼 수 없고, 문서끼리도 서로 다른 말을 할 수 있다는 점이다. 처음에는 “RAG를 쓰면 모델이 모르는 걸 문서에서 찾아오니까 더 정확해진다”고만 생각했다. 그런데 이 실습을 하면서 생각이 바뀌었다. ...

Advanced RAG 2 & LLM 보안 Naive RAG 다음에 바로 막히는 지점 지난 수업에서 Naive RAG를 만들었을 때는 흐름이 꽤 단순해 보였다. 문서 자르기 -> embedding -> 가까운 chunk 찾기 -> LLM에 넣기 그런데 오늘 수업은 이 방식이 실제 서비스에서는 금방 ...