AI Assistant Engineering

AI Assistant Engineering은 챗봇을 만드는 공부가 아닙니다. 사용자의 작업을 안정적으로 돕는 assistant system을 설계하는 학습 주제입니다.

assistant는 겉으로는 대화 인터페이스처럼 보이지만, 내부에는 LLM, context 설계, RAG, tool use, memory, evaluation, guardrail이 함께 들어갑니다.

학습 범위

범위	핵심 질문
LLM 기본	모델은 어떤 입력을 받고 어떤 출력을 만드는가
Context 설계	대화, 파일, 사용자 상태를 어떻게 넣을 것인가
RAG	외부 지식을 어떻게 검색하고 근거로 붙일 것인가
Tool Use	모델이 어떤 도구를 언제 호출하게 할 것인가
Memory	세션 밖의 정보를 어디까지 기억할 것인가
Evaluation	답변 품질과 실패를 어떻게 측정할 것인가

Assistant와 Agent의 차이

assistant는 사용자의 작업을 돕는 제품 인터페이스에 가깝고, agent는 목표를 받아 실행 흐름을 스스로 결정하는 구조에 가깝습니다. 둘은 겹치지만 같은 말은 아닙니다.

구분	Assistant	Agent
중심	사용자 지원	목표 실행
흐름	대화와 요청 처리	계획, 도구 실행, 반복
위험	잘못된 답변	잘못된 행동
핵심 설계	context, grounding, UX	tool permission, loop, state

학습 순서

1. 기본 LLM 호출과 prompt 구조를 이해합니다.
2. 대화 context와 파일 context를 분리합니다.
3. RAG로 외부 지식을 연결합니다.
4. tool calling을 추가합니다.
5. memory와 user preference를 다룹니다.
6. evaluation과 guardrail을 만듭니다.

정리

좋은 assistant는 똑똑한 모델 하나로 만들어지지 않습니다. 사용자가 무엇을 하려는지, 어떤 근거를 써야 하는지, 언제 도구를 호출해야 하는지, 어떤 경우에는 답하지 말아야 하는지를 시스템으로 설계해야 합니다.