인공지능

/

AI · ChatGPT 활용

AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

랭그래프(LangGraph)로 구현하는 검색증강생성(RAG) 지능형 AI 에이전트! 이론부터 실전까지, 초보자도 쉽게 따라할 수 있는 핸즈온 튜토리얼입니다.

108명 이 수강하고 있어요.

AI AgentLangGraphRAGLLMLangChain
Thumbnail

초급자를 위해 준비한
[AI · ChatGPT 활용, AI Agent] 강의입니다.

이런 걸
배워요!

  • 랭그래프(LangGraph)를 활용한 AI 에이전트 구조 설계 및 구현

  • AI 에이전트를 RAG(Retrieval-Augmented Generation)에 적용

  • Tool Calling(도구 호출) 기능 구현으로 AI 에이전트의 능력 확장하기

  • Adaptive RAG, Self RAG, Corrective RAG 등 최신 에이전트 RAG 아키텍처 마스터하기

강력한 RAG시스템을 위한
마법 도구 AI 에이전트 🪄

소개페이지
오뜨 띠배너 (32)

LLM은 자연어 처리와 텍스트 생성에 뛰어나지만, 복잡한 작업 흐름을 스스로 조정하거나 의사결정을 내리는 데 한계가 있습니다. 정보 검색을 넘어 LLM이 결과를 평가하고, 쿼리를 수정하며, 상황에 맞는 도구를 선택할 수 있으려면 에이전트의 도움이 필요합니다. 더 똑똑하고 유연한 RAG 시스템을 위해 에이전트는 꼭 알아야 할 기술입니다.

LLM의 성능을 높여주는 AI 에이전트 🔧

✅ 상황에 맞는 도구 선택

LLM이 상황에 맞게 어떤 도구를 사용할지 결정하도록 도와줍니다. 사용자의 요청작업에 따라 API 호출, 데이터베이스 검색, 외부검색 등 적절한 도구를 선택할 수 있습니다.

✅ 최적의 검색 쿼리 생성

사용자의 질문이 불명확하거나 복잡할 때 쿼리를 세분화하거나 수정해 더 정확한 결과를 얻을 수 있도록 도와줍니다. 이를 통해 LLM은 최적의 검색 쿼리를 생성합니다.

✅ 퀄리티 높은 답변 도출

여러 결과가 반환될 때, 가장 관련성 높은 정보를 평가하고 최적의 답변을 선택합니다. 이를 통해 사용자에게 정확한 정보를 제공할 수 있습니다.

✅ 결과 개선을 위한 후속 작업 판단

결과가 불충분하거나 부정확할 경우, 추가 작업이 필요한지 판단하고, 검색을 반복하거나 새로운 접근 방법을 시도하는 피드백 루프를 실행합니다.

랭그래프(LangGraph)는 왜 사용하나요? 🤔

LangGraph는 복잡한 워크플로우를 구현할 때 유리한 도구입니다. LangChain은 상대적으로 정해진 흐름을 처리하는 데 적합하다면, LangGraph는 복잡한 작업을 유연하게 처리 및 관리할 수 있기 때문에 에이전트와 궁합이 좋습니다

<랭그래프의 특징>

  • 노드 기반의 관리로 다양한 상태와 조건을 쉽게 처리할 수 있습니다.

  • 복잡한 작업 흐름을 시각적으로 관리할 수 있습니다.

  • 랭그래프에 에이전트를 결합하면 다양한 모듈을 효과적으로 연결&실행할 수 있습니다.


이 강의의 특징

스크린샷 2024-10-11 115028

실전 중심의 단계별 학습

이론 설명 즉시 관련 실습을 진행하여 개념을 확실히 이해하고 적용하는 능력을 키웁니다.

스크린샷 2024-10-11 115129

최신 트렌드를 반영한 커리큘럼

에이전트 기반의 RAG에 대한 최신 기술과 방법론을 적극 반영하여, 현업에서 바로 활용 가능한 지식을 제공합니다.

제목을-입력해주세요_-001 (12)
스크린샷 2024-10-11 114528

LangGraph 완벽 가이드

복잡한 LangGraph를 누구나 이해할 수 있도록 기초부터 차근차근 설명하고, 다양한 실제 예제로 심화 학습합니다.

자습서 제공으로 복습 용이

LangGraph와 에이전트 RAG에 대한 내용을 정리한 위키독스 교재를 제공하여 수강 후에도 지속적인 학습과 참조가 가능합니다.

이런 내용을 배워요

LangGraph로 AI 에이전트 흐름 설계하기

LangGraph의 핵심 개념인 상태 그래프, 조건부 엣지, 피드백 루프를 학습하고, AI 에이전트의 복잡한 의사결정 프로세스를 그래프로 모델링하는 방법을 이해합니다. 또한, Human-in-the-Loop, 병렬 실행, Sub-graph 등 다양한 AI 에이전트 프로젝트에 활용할 수 있는 기술을 배웁니다.

Tool Calling으로 AI 능력 확장하기

AI 에이전트의 능력을 실제 세계와 연결하는 Tool Calling 기술을 마스터합니다. 랭체인(LangChain)의 내장도구, 사용자 정의 도구 등을 직접 생성하고 호출하는 방법을 다룹니다. 외부 API와 다양한 도구를 AI 시스템에 통합하는 방법을 학습합니다.

에이전트 기반의 고급 RAG 기법 구현하기

RAG 시스템의 성능을 한 단계 끌어올리는 고급 기법들을 탐구합니다. 컨텍스트에 따라 동적으로 작동하는 Adaptive RAG, AI가 스스로 자신의 출력을 평가하고 개선할 수 있는 Self RAG와 Corrective RAG 개념과 구현 기술을 익힙니다.

수강 전 참고 사항

실습 환경

  • 운영 체제 및 버전(OS): MacOS 기준으로 강의 진행 (Linux, Windows 사용자도 실습 가능)

  • 가상환경 사용: Poetry 기준으로 강의 진행 (conda, venv 사용자도 실습 가능)

  • 사용 도구: VS Code, OpenAI API 등 LLM 인증키 필요 (별도 비용 발생 가능)

  • PC 사양: 해당사항 없음

  • 랭그래프(LangGraph) 버전: v0.2.34 적용

  • 랭체인(LangChain) 버전: v0.3.1 적용

학습 자료

선수 지식 및 유의사항

  • 파이썬 기본 지식이 있는 분 (기본 프로그래밍이 가능한 분)

  • [무료 강의] 입문자를 위한 LangChain 기초 (필수) : https://inf.run/Fzfhs


  • 질문 또는 의견이 있으시면 편하게 질문해주세요.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 챗봇을 넘어 지능형 AI 에이전트를 직접 만들고 싶은 분들

  • RAG와 LLM을 활용한 실용적인 AI 솔루션 개발에 도전하고 싶은 분들

  • 랭체인 기반 '챗봇' 또는 'RAG' 강의를 수강한 후 다음 단계로 나아가고 싶은 분들

선수 지식,
필요할까요?

  • 파이썬

  • (무료 강의) 입문자를 위한 LangChain 기초 [필수]

  • (유료 강의) RAG 마스터: 기초부터 고급기법까지 [권장]

안녕하세요
판다스 스튜디오입니다.

안녕하세요. 저는 파이썬을 활용한 데이터 분석 및 인공지능 서비스 개발 실무를 하고 있습니다. 관심 있는 주제를 찾아서 공부하고 그 내용들을 많은 분들과 공유하기 위해 꾸준하게 책을 집필하고 인공지능 강의를 진행해 오고 있습니다.

 

[이력]

현) 핀테크 스타트업 CEO

전) 데이콘 CDO

전) 인덕대학교 컴퓨터소프트웨어학과 겸임교수

Kaggle Competitin Expert, 빅데이터 분석기사

 

[강의]

NCS 등록강사 (인공지능)

SBA 서울경제진흥원 새싹(SeSAC) 캠퍼스 SW 교육 ‘우수 파트너 선정’ (Python을 활용한 AI 모델 개발)

금융보안원, 한국전자정보통신산업진흥회, 한국디스플레이산업협회, 대구디지털산업진흥원 등 강의

서울대, 부산대, 경희대, 한국외대 등 국내 주요 대학 및 국내 기업체 교육 경험

  

[집필]

 

[유튜브] 판다스 스튜디오 : https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU

커리큘럼

전체

54개 ∙ (6시간 45분)

수업 자료

가 제공되는 강의입니다.

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!