Terry Jang
-
LangGraph로 멀티스텝 에이전트 흐름 설계하기
LangGraph는 여러 단계로 이어지는 AI 에이전트의 작업을 상태·노드·엣지로 이루어진 그래프로 설계하는 프레임워크입니다. 분기와 반복이 필요한 멀티스텝…
-
LLM 잘 만들었는지 평가하는 법
LLM 평가의 핵심 개념을 정리합니다. 벤치마크, 자동 지표, 사람 평가, LLM 심판(LLM-as-a-judge)의 원리와 차이, 그리고 실무…
-
함수 호출(Tool use) — LLM이 외부 기능을 쓰는 원리
함수 호출(Tool use)은 언어모델이 계산·검색·API 같은 외부 기능을 직접 불러 쓰게 하는 방식입니다. 모델은 어떤 도구를…
-
LLM 환각(할루시네이션) 줄이는 실전 방법
LLM 환각(할루시네이션)이 왜 생기는지 원리를 짚고, RAG 근거 제공·질문 설계·출력 검증으로 환각을 줄이는 실전 방법을 설명합니다.
-
토큰과 컨텍스트 윈도우 이해하기
언어모델의 토큰과 컨텍스트 윈도우 개념을 쉽게 설명합니다. 토큰이 무엇인지, 컨텍스트 윈도우가 대화 기억과 비용에 어떤 영향을…
-
파인튜닝 vs RAG — 언제 무엇을 선택할까
파인튜닝과 RAG는 무엇이 다르고 언제 어떤 것을 골라야 할까요? 모델 행동을 바꾸는 파인튜닝과 외부 지식을 넣어…
-
프롬프트 엔지니어링 기본기 — 원하는 답을 얻는 법
프롬프트 엔지니어링의 개념과 좋은 프롬프트의 네 가지 요소(맥락·역할·과제·형식), 역할 부여·예시 제공·단계적 사고 같은 기본 기법을 설명체로…
-
LLM 에이전트란 무엇인가 — 스스로 도구를 쓰는 AI
LLM 에이전트는 스스로 도구를 골라 실행하며 목표를 향해 나아가는 AI입니다. 일반 챗봇과의 차이, 생각·행동·관찰로 이어지는 동작…
-
벡터DB 고르기 — FAISS·Chroma·pgvector 비교
임베딩 벡터를 저장하고 빠르게 검색하는 벡터DB를 고를 때 알아야 할 핵심. FAISS·Chroma·pgvector의 성격 차이와 상황별 선택…