LangGraph 한줄 정의 LangChain 기반의 상태 기계(State Machine) 에이전트 프레임워크. 노드와 엣지로 구성된 그래프로 복잡한 에이전트 워크플로우를 정의하고 실행한다. 핵심 이해 LangGraph의 핵심 개념은 노드(Node), 엣지(Edge), 상태(State) 세 가지다. 노드는 실행 가능한 함수(LLM 호출, ...

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...

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 ...

RAG (Retrieval-Augmented Generation) RAG는 처음 보면 “검색해서 LLM에 넣는 것”으로 끝나는 개념처럼 보인다. 실제로 큰 흐름은 맞다. 그런데 공부하면서 느낀 건, RAG의 어려움은 생성이 아니라 검색된 근거를 믿을 수 있게 만드는 과정에 있다는 점이다. 내가 이해한 RAG RAG는 LLM이 원래 알고 있는 지식...

Naive RAG 파이프라인 구축 실습 Day3 실습은 PDF 하나를 가지고 직접 RAG 파이프라인을 만들어보는 내용이었다. 처음에는 LangChain 코드만 따라가면 되는 실습이라고 생각했는데, 막상 정리해보니 핵심은 코드보다 중간 결과를 계속 확인하는 습관이었다. 실습에서 한 일 PDF 문서를 읽고, chunk로 나누고, embedding을 ...