RAG 에이전트 실무
RAG 시스템, LangGraph 멀티에이전트, FastAPI 백엔드, 벡터 데이터베이스 등 AI 시스템을 직접 설계하고 구현하는 과정을 다룹니다. 실제 프로젝트 경험을 바탕으로 한 구현 가이드와 트러블슈팅을 공유합니다.
올해 초, 앤트로픽이 조용히 하나의 숫자를 꺼냈다. 자사 프로덕션 코드베이스에 병합되는 코드의 80% 이상이 이제 Claude가 작성한다는 것. 심지어 내부 엔지니어 한 명은 5개월째 코드를 직접 한 줄도 작성하지 않았다고 했다. 처음 이 글을 봤을 때 솔직히 반응이 두 갈래로 갈렸다. “그게 가능하다고?” 하는 의심과, “그럼 나도 한번 해봐야 하는 거 아닌가” 하는 호기심. 나는 … Read more
요즘 기업 AI 도입 관련 대화를 하다 보면 거의 예외 없이 나오는 말이 있다. “우리도 AI 써야 하는 건 알겠는데, 뭘 어디서부터 시작해야 할지 모르겠어요.” 맞는 말이다. 챗GPT 계정 하나 만들어서 팀 전체가 돌려쓰는 걸 ‘AI 도입’이라고 부르기에는 뭔가 아쉽고, 그렇다고 수억 원 들여 자체 AI 시스템을 구축하기엔 부담스럽다. 그 사이 어딘가에 실용적인 답이 있다. … Read more
처음 Dify를 접했을 때 솔직히 “또 이런 거 나왔네” 싶었다. LangChain, n8n, Flowise에 이어 또 하나의 AI 워크플로우 빌더 아닌가 싶어서 별 기대 없이 열었다가, 한 시간쯤 지나서 탭을 닫지 못하고 있는 나를 발견했다. 구체적으로 어디서 충격을 받았냐면, 내가 LangGraph로 이틀 동안 구현하려고 씨름하던 RAG 파이프라인을 Dify에서 드래그앤드롭 30분 만에 뚝딱 돌아가게 만들었을 때였다. 물론 … Read more
AI 에이전트를 처음 접할 때 가장 어려운 부분은 “무엇부터 설치하고, 어떤 기능부터 써야 하는가”입니다. OpenClaw도 마찬가지입니다. 이름만 보면 강력한 자율형 에이전트 플랫폼처럼 느껴지지만, 처음 설치한 상태에서는 막상 어디에 활용해야 할지 감이 잘 오지 않을 수 있습니다. 그래서 처음부터 복잡한 스킬을 모두 설치하기보다는, 가장 실용적인 조합부터 시작하는 것이 좋습니다. 입문자에게 추천하는 기본 조합은 Tavily + Summarize … Read more
며칠 전 한 컨퍼런스 자료를 정리하다가 한 장의 슬라이드 앞에서 한참을 멈췄다. 판별 AI(Discriminative AI), 생성 AI(Generative AI), 판단 AI(Decisive AI)를 한 표에서 직접 비교한 슬라이드였다. 주요 역할, 기술적 특징, 데이터 의존성, 협업 방식, 한계까지 모두 나란히 놓고 보여주는데, 이 표가 흥미로웠던 이유는 그동안 머릿속에서 흩어져 있던 개념들이 한 그림으로 정렬됐기 때문이다. 한 줄로 표현하면 … Read more