Lumi_agent에서 LangGraph를 쓴 이유는 “Agent를 만들 수 있어서”가 아니라 “실행 흐름을 보이게 만들 수 있어서”입니다. 외부 도구를 호출하는 Agent는 단순히 답변을 생성하는 챗봇보다 실패 지점이 많습니다. 도구를 호출할지, 어떤 도구가 안전한지, 실행 후 다시 생각할지, 마지막에 기억을 저장할지 결정해야 합니다. wrapp...

Context Engineering 한줄 정의 LLM의 컨텍스트 윈도우를 최적으로 활용하기 위한 정보 설계 기법. 제한된 토큰 예산 내에서 최대 품질의 출력을 이끌어낸다. 학습 맥락 Context Engineering은 W06D04 Context Engineering & Safety에서 다뤘다. 프롬프트 엔지니어링이 “어떻게 지시할...

Context Engineering + Safety 실습 실습 정보 주차: Week 06, Day 04 유형: Jupyter Notebook 상태: 완료 실습 목표 Context Engineering 2.0과 Safety/Guardrails 실습. 핵심 학습 포인트 컨텍스트 윈도우 최적화 전략 Sa...

Context Engineering & Safety 수업 위치 이 수업은 Agentic Workflow 주차에서 Tool Calling, Agentic RAG, Memory를 배운 뒤 이어지는 보안/품질 관리 단계다. 에이전트가 도구를 쓰고 장기 메모리를 갖게 되면, 컨텍스트에 어떤 정보를 넣을지와 어떤 정보를 믿으면 안 되는지가 서비스 품...

Lumi_agent의 전체 구조는 Desktop GUI -> Analyzer -> Context Builder -> Agent Node -> MCP Tools -> Memory Manager 흐름으로 이어집니다. 사용자는 캐릭터형 GUI와 대화하지만, 내부에서는 감정/관계 상태, 기억 검색, 도구 라우팅, 승인 경계, 메모...

“강아지가 뛰어노는 사진”을 찾고 싶은데 파일명이 20230322_084848.jpg라면 파일명 검색은 도움이 되지 않습니다. PDF 안의 그래프를 찾고 싶은데 해당 단어가 본문 텍스트에 없다면 일반 텍스트 검색도 놓칠 수 있습니다. LocalLens의 출발점은 이 지점이었습니다. 사용자가 기억하는 것은 파일명이 아니라 대략적인 장면, 주제, 의미인...

Memory Management 한줄 정의 LLM 에이전트가 대화 맥락과 과거 경험을 저장·검색하는 메커니즘. 상태 없는 LLM에 지속성을 부여한다. 학습 맥락 Memory Management는 W06D03 Agentic RAG & Memory Management에서 Agentic RAG와 함께 다뤘다. 기본 LLM 호출은 상태가 ...

Agentic RAG 한줄 정의 에이전트가 자율적으로 검색 전략을 결정하고 실행하는 RAG. 단순 파이프라인을 넘어 동적이고 반복적인 검색이 가능하다. 학습 맥락 Agentic RAG는 W05의 기본 RAG와 Advanced RAG를 배운 뒤, W06D03에서 Agentic Workflow와 결합해 다룬 주제다. 기본 RAG가 “질문이 들...

Agentic RAG + Memory 실습 실습 정보 주차: Week 06, Day 03 유형: Jupyter Notebook 상태: 완료 실습 목표 Agentic RAG와 Memory Management를 실습한다. 고정된 RAG 파이프라인이 아니라, 에이전트가 검색 필요성, 검색 전략, 재검색 여부를 판단...

Agentic RAG & Memory Management 핵심 개념 요약 기존 RAG에 에이전트의 자율성을 결합한 Agentic RAG를 학습한다. 에이전트가 검색 전략을 스스로 결정하고, 결과를 평가하며, 필요시 재검색하는 능동적 RAG 방식이다. 또한 에이전트의 메모리 관리(단기/장기 메모리)와 Reflexion 패턴을 통한 자기 ...