LangChain4 [AI] LangChain RAG 시스템 구축: 임베딩과 검색 증강 생성 실전 가이드 목차LLM이 모르는 정보를 물어보면 어떻게 될까요?RAG가 뭔지 쉽게 이해해보기검색 증강 생성(RAG)이란?임베딩(Embedding)이 RAG의 핵심입니다환경 준비 — 시작 전에 챙겨야 할 것들필요한 패키지 설치환경변수 설정LangChain RAG 실전 구현 — 단계별 가이드1단계: 문서 로드(Document Loading)2단계: 문서 청킹(Text Splitting)3단계: 임베딩 생성 및 벡터 저장소 구축4단계: 검색기(Retriever) 설정5단계: RAG 체인(Chain) 완성⚠️ 삽질 기록 — 실제로 겪었던 문제들문제 1: 한국어 문서 청킹이 이상하게 됨문제 2: 검색 결과가 관련 없는 내용을 가져옴문제 3: ChromaDB 재시작 후 데이터 날아감결과 검증 — 실제로 잘 동작하는지 확인하기더.. 2026. 4. 30. [AI] RAG 실전 구현 가이드: LLM 환각 현상 줄이고 최신 정보 활용하기 목차RAG 실전 구현 가이드: LLM 환각 현상 줄이고 최신 정보 활용하기1. LLM 환각 현상, 왜 발생할까요? 그리고 RAG가 답입니다!2. RAG 구현을 위한 핵심 요소: LangChain과 벡터 데이터베이스3. RAG 실전 구현: 단계별 가이드 (Python & LangChain)4. 주의사항 및 트러블슈팅 ⚠️5. 검증 및 결과 확인6. 마무리하며: RAG, LLM 활용의 새로운 지평을 열다RAG 실전 구현 가이드: LLM 환각 현상 줄이고 최신 정보 활용하기안녕하세요, 13년차 서버실의 인프라 엔지니어입니다. 요즘 인공지능(AI) 분야는 정말 눈 깜짝할 사이에 발전하고 있죠. 특히 대규모 언어 모델(Large Language Model, LLM)은 놀라운 성능으로 우리의 삶과 업무 방식을 바꾸.. 2026. 4. 29. [HomeLab] 방구석 천재 AI에게 '인터넷(Web Search)'이라는 무기를 쥐여주다 (3부/완결) 반갑습니다, 수누다입니다.지난 2부에서 Python과 Docker로 나만의 '구름이(ChatBot)'를 만드는 데 성공했죠.프레임워크 걷어내고 직접 짜니 속도도 빠르고 아주 쾌적했습니다. 그런데 며칠 데리고 놀다 보니 치명적인 단점이 보이더군요.Me: 구름아, 오늘 삼성전자 주가 얼마야?Gureum: 죄송해요. 저는 2023년까지의 데이터만 학습해서 최신 정보는 알 수 없어요. 😅그렇습니다. 제 로컬 PC에 갇혀 있는 Llama 3.1은 세상과 단절된 '방구석 천재'였습니다.오늘 날씨도, 어제 나온 기술 뉴스도 모르는 녀석을 진정한 '비서'라고 부르긴 좀 민망하죠.자, 이제 이 녀석에게 인터넷을 연결해 줄 차례입니다.거창하게 RAG(검색 증강 생성)나 Vector DB까지 갈 필요 없습니다. 우리에겐 .. 2026. 2. 7. [HomeLab] 돌고 돌아 순정! Python과 Docker로 3분 만에 AI 봇 구축하기 (2부) 반갑습니다, 수누다입니다.지난 1부에서 거창한 프레임워크인 OpenClaw를 도입했다가, '로그 분석관'이 튀어나오는 참사를 겪고 컨테이너를 날려버렸다는 이야기 전해드렸죠.엔지니어 생활 13년 하면서 느낀 불변의 진리가 하나 있습니다."튜닝의 끝은 순정이다."내 마음대로 제어가 안 되는 블랙박스(프레임워크)를 붙들고 씨름할 바엔, 차라리 바닥부터 직접 짜는 게 훨씬 빠르고 속 편할 때가 많습니다. 오늘은 그 '순정 봇'을 만드는 과정을 공유합니다.준비물은 딱 두 개면 됩니다. Python, 그리고 Docker.(제 PC엔 파이썬도 안 깔려 있습니다만, 우리에겐 도커가 있으니 상관없습니다.)1. 아키텍처 다이어트 (Refactoring)1부의 그 복잡했던 구조도에서 미들웨어를 다 걷어냈습니다.중간에 에이전.. 2026. 2. 6. 이전 1 다음
