knowledge-based content
“생성형 AI, RAG, 모델 활용 전략부터 최신 트렌드까지—AI 기술의 깊이를 함께 탐구하는 지식 공간입니다.
개발자와 기획자, 그리고 AI에 관심 있는 누구나 실질적인 도움을 받을 수 있는 실무 중심의 콘텐츠를 제공합니다.”
빠르게 알아보는 핵심 요약 요즘 기업들마다 AI 에이전트 도입이 화두인데요. 막상 개발하려면 몇 달이 걸리고 보안 문제는 또 어떻게 해결하나 고민이 많으셨을 겁니다. Lyzr는 이런 고민을 한 번에 해결해주는 풀스택 AI 에이전트 플랫폼입니다. 사전 제작된 수백 개의 블루프린트로 개발 시간을 70%나 단축할 수 있고, 엔터프라이즈급 보안 기능까지 기본으로 탑재되어 있어요. 개발자든 비즈니스 담당자든 누구나 쉽게 … Read more
핵심 요약 2025년 현재 AI 엔지니어가 가장 빠르게 성장하는 직업 1위로 선정되었고, AI 컨설턴트와 데이터 엔지니어가 그 뒤를 바짝 따르고 있습니다. 전 세계 기업의 3분의 2가 AI 관련 기술을 보유한 인재를 채용할 예정이며, 2030년까지 약 1억 7천만 개의 새로운 일자리가 창출될 전망입니다. 하지만 단순 반복 업무는 빠르게 자동화되고 있어서 AI를 활용할 줄 아는 능력이 필수가 … Read more
PostgreSQL에서 벡터 데이터베이스를 구축하려는 개발자들에게 희소식입니다. Langchain-postgres 0.0.16 버전이 나오면서 임베딩 저장과 검색이 훨씬 간편해졌습니다. 특히 기존 PGVector에서 PGVectorStore로 업그레이드되면서 성능과 관리 편의성이 크게 개선되었는데요, 오늘은 이 최신 모듈을 활용해서 실제로 어떻게 임베딩을 저장하고 검색하는지 핵심 기능을 중심으로 알아보겠습니다. 핵심 요약 Langchain-postgres 0.0.16은 PostgreSQL 기반 벡터 데이터베이스를 쉽게 구축할 수 있게 해주는 최신 패키지입니다. PGVectorStore를 … Read more
핵심 요약 최근 AI 에이전트 개발 시장에서 노코드 플랫폼이 급부상하고 있습니다. 개발자가 아니어도 드래그 앤 드롭만으로 복잡한 멀티에이전트 시스템을 구축할 수 있게 되면서, 기업들의 AI 도입 장벽이 크게 낮아지고 있습니다. 이 글에서는 노코드 에이전트 플랫폼이 어떻게 실제 코드와 연결되는지, 요약·RAG·라우팅·검증 에이전트를 어떻게 조합하는지, 그리고 LangGraph 기반의 플로우 설계 핵심을 실무 관점에서 풀어드립니다. “코딩 없이 AI … Read more
핵심 요약 기업 환경에서 RAG 시스템을 구축할 때 가장 큰 난관은 수많은 문서 중에서 정확한 정보를 빠르게 찾아내는 것입니다. 특히 10페이지짜리 간단한 보고서부터 1000페이지가 넘는 기술 매뉴얼까지 다양한 분량의 문서가 섞여 있다면 검색 정확도는 더욱 떨어지게 됩니다. 이 문제를 해결하기 위해 사전에 문서를 체계적으로 요약하고, 이를 쿼리 라우팅에 활용하는 Agentic RAG 접근법이 주목받고 있습니다. 문서 … Read more
핵심 요약 생성형 RAG(Retrieval-Augmented Generation)를 제대로 구축하려면 단순히 검색과 생성을 연결하는 것만으로는 부족합니다. NLP 기술을 활용한 정교한 문서 처리와 에이전트 전략을 통한 지능적인 정보 활용이 필수입니다. 최신 RAG 시스템은 쿼리 재작성, 하이브리드 검색, 컨텍스트 압축, 멀티 에이전트 협업 등을 통해 답변 품질을 극적으로 향상시키고 있습니다. 요즘 AI 챗봇이나 검색 시스템을 만들다 보면 RAG라는 단어를 빼놓을 … Read more
요약: 바이브 코딩(Vibe Coding)은 AI를 활용해 자연어로 대화하듯 코드를 작성하는 새로운 개발 방식입니다. 전통적인 코딩보다 최대 10배 빠른 개발 속도를 자랑하며, 2025년 현재 개발자들 사이에서 가장 뜨거운 화두로 떠올랐습니다. GitHub Copilot, Cursor AI, Claude Code가 대표적이며, 초보자도 몇 시간 만에 실무 수준의 코드를 작성할 수 있어 개발 생태계를 완전히 바꾸고 있습니다. 개발자라면 누구나 한 번쯤 … Read more
핵심 요약 새로 구매한 L40S GPU 서버에 Docker 기반 vLLM을 설치하고 Qwen3-30B-A3B-Instruct 모델을 구동하는 전체 과정을 다룹니다. 서버 초기 설정부터 모델 실행까지 실제 작업 순서대로 정리했으며, 중간에 발생할 수 있는 문제 해결 방법도 함께 담았습니다. 요즘 AI 모델 서빙에 관심 있는 분들 사이에서 vLLM이 화제입니다. 특히 대용량 언어 모델을 빠르고 효율적으로 운영할 수 있다는 점 … Read more
최근 생성형 AI 분야에서는 단순한 텍스트 생성 모델을 넘어서, 검색 기반 생성(RAG, Retrieval-Augmented Generation) 방식이 뜨거운 관심을 받고 있습니다. 특히 한국어와 같이 다국어 지원이 완벽하지 않은 언어에서는, RAG 구조를 활용해 신뢰도 높은 정보를 생성하는 것이 매우 중요합니다. 이번 포스팅에서는 최신 vLLM 환경에서 Google의 Gemma 및 Alibaba의 Qwen 모델을 활용하여, L40s GPU 환경에서 구동 가능한 가성비 … Read more
핵심 요약 최근 공공기관에서 AI 시스템 도입이 활발해지면서 Agentic RAG 구축에 대한 관심이 높아지고 있습니다. 기존 RAG 시스템과 달리 에이전트가 자율적으로 판단하고 검색하는 Agentic RAG는 청크 단위 임베딩 시 메타데이터를 체계적으로 설계하는 것이 핵심입니다. 문서 출처, 생성일자, 부서정보, 보안등급 같은 메타데이터를 적절히 구조화하면 에이전트가 더욱 정확한 질의 검색을 수행할 수 있습니다. 특히 공공기관 특성상 문서 … Read more