
[#3 LLM Tutorial With RAG] 오픈 소스 LLM의 약점을 보완하는 RAG
오픈 소스 LLM의 한계를 보완하는 RAG를 소개하는 튜토리얼 글입니다. 설치된 LLM을 활용해 검색 증강 생성 방식을 설명합니다.

오픈 소스 LLM의 한계를 보완하는 RAG를 소개하는 튜토리얼 글입니다. 설치된 LLM을 활용해 검색 증강 생성 방식을 설명합니다.

VLM과 LLM을 활용해 멀티모달 학습 데이터를 만드는 방법을 소개했습니다. OCR, 프롬프트 엔지니어링, 후처리로 수작업 라벨링의 비용과 시간을 줄였습니다.


Cursor, Windsurf, Aider로 Todo 앱을 구현한 결과를 비교했습니다. 각 도구의 속도, 완성도, 사용 방식 차이를 함께 살펴봤습니다.


숙소 사진을 AI로 태깅해 유사 숙소를 찾는 프로토타입 사례를 소개했습니다. 이미지 비교의 한계를 넘기 위해 Google Cloud Vision API와 태그 기반 매칭을 활용했습니다.


LangChain 기반 노코드 플랫폼 LangFlow를 HuggingFace Spaces에서 시작하는 방법을 소개했습니다. 드래그 앤 드롭으로 플로우를 만들고 OpenAI API로 기본 챗봇을 구성하는 흐름을 다뤘습니다.


에이닷 전화 통화요약 서비스에 적용한 LLM 개발 과정을 소개했습니다. 자동·수동 데이터를 결합한 학습과 LoRA 기반 미세조정, 전문가 평가로 품질을 높였습니다.


2025년 AI 트렌드 4가지를 AI 기업 M&A, 에이전트, 설명 가능한 AI, 멀티모달 AI 중심으로 정리했습니다. 각 흐름의 배경과 활용 방향도 함께 살펴봤습니다.


AI가 자동차 산업 전반을 자율주행과 개인화, 예측 유지보수로 바꾸는 흐름을 소개했습니다. 또한 에이닷 오토의 진화 방향과 차량 내 AI 비서 고도화 계획을 설명했습니다.


AI 툴을 처음엔 회의적으로 봤지만, 개발 보조와 리팩토링에서 실용성을 체감했다고 정리했습니다. GitHub Copilot과 JetBrains AI Assistant의 장단점과 활용 포인트를 비교했습니다.

ChatGPT를 연동한 오글봇으로 게시글 첫 댓글과 대댓글 기능을 구현한 사례입니다.\n프롬프트 조정, 비동기 처리, Function call 연동으로 참여도와 응답 정확도를 높였습니다.

게시글 작성 시 ChatGPT로 첫 댓글을 생성해 무플을 방지하는 오글봇 AI 개발 사례를 소개했습니다. 외부 검색 API 연동과 대댓글 기능 확장으로 참여도와 정확도를 높였습니다.

X