들어가며: 왜 RAG와 LangChain인가?

비전공자도 이해할 수 있는, 그러나 실제 서비스로 이어지는 LLM 개발 기록

 

 

최근 ChatGPT를 비롯한 LLM 서비스가 빠르게 확산되면서, 단순히 모델을 사용하는 수준을 넘어 LLM을 실제 서비스에 어떻게 연결하고 운영할 것인가가 중요한 역량이 되었다고 생각해요.

 

호기롭게 개발자가 되기 위해 부트캠프와 공모전, 인턴을 수행하면서 현재까지도 취업을 위한 공부를 하고 있습니다. 그 동안 앱과 웹, LLM챗봇 모델 만들기, 데이터 수집, 적재 등등 많은 것을 하면서 AI는 사용하지 않은 적이 없을 정도 입니다. 개념이 이해가 되어야 실습으로 진행할 수 있는 사람이라 책을 통해서 공부를 많이 했습니다. 실습과 보여지는 것을 우선으로 하는 수업에서는 집에서 이해를 위해 강의와 추가 공부를 하면서 부캠을 따라 갔습니다. 과거 영어를 배워야 했던 것 처럼 현재 사회의 언어를 코딩으로 해석할 수 있는 능력을 키워온 것에 있어 후회는 없습니다. 다만 취업이 조금 늦어졌지만 과정에서 느끼고 배운 것이 많이 때문에 앞으로의 변화에 잘 적응하고 발전을 도모하고 싶다는 생각 뿐 입니다.

 

이러한 생각을 바탕으로 RAG와 LangChain를 활용할 수 있다면 Claude와 AWS Kiwi를 활용해서 서비스를 기획하고 런칭하면서 기획력과 활용력을 더 발전시킬 수 있다는 생각으로 현재 프로젝트를 수행하기로 결정했습니다. 

 

---

이 프로젝트의 목표는 다음과 같습니다.

• LLM + RAG(Retrieval-Augmented Generation)를 이론이 아닌 코드 중심으로 학습
• LangChain을 활용해 확장 가능한 LLM 파이프라인 설계 경험 축적
• 학습 과정을 GitHub + 기술 블로그로 기록하여 AI 개발자 포트폴리오로 활용

특히 비전공자·입문자도 흐름을 따라올 수 있도록 | 개념 → 코드 → 활용 맥락의 구조로 구성.

"LLM을 써봤다"가 아니라, "LLM 기반 서비스를 설계해봤다" 를 목표로 설정했습니다.
4주 안에 교재를 독파하면서 서비스 기획과 구현을 하는 과정을 꾸준히 기록해보겠습니다!!

 

 

 

파트주제핵심 내용

 

01

LangChain Basics

Prompt, Chain, LCEL 기초

02

RAG Pipeline

Retriever, Vector DB, QA 파이프라인

03

RAG 고도화

Chunking, Embedding 전략, 평가

04

서비스 연결

API, 간단한 앱 구조 설계

 

 

 

참고자료

https://www.youtube.com/watch?v=gaGaPpnexxA

https://wikidocs.net/book/14473

랭체인(LangChain) 입문부터 응용까지 [ver 1.0 업데이트]

 

 

https://www.samsungsds.com/kr/insights/what-are-ai-agents.html#:~:text=AI%20%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8(AI%20Agents)%EB%9E%80%20%EC%9C%A0%EC%A0%80%EA%B0%80%20%EC%A0%95%EC%9D%98%ED%95%9C%20%EB%AA%A9%ED%91%9C%EC%9D%84%20%EB%8B%AC%EC%84%B1%ED%95%98%EA%B8%B0,%EB%8F%84%EA%B5%AC%EB%A5%BC%20%EC%82%AC%EC%9A%A9%ED%95%9C%20%ED%96%89%EB%8F%99%EC%9D%98%20%EC%8B%A4%ED%96%89(execution)%EC%9D%84%20%EA%B2%B0%ED%95%A9%ED%95%98%EC%97%AC%20%EC%9E%91%EC%97%85%EC%9D%84%20%EC%88%98%ED%96%89%ED%95%A9%EB%8B%88%EB%8B%A4.

AI 에이전트 AI Agents 란 무엇인가? | 인사이트리포트 | 삼성SDS