Search for a command to run...
Articles tagged with #ai
ChatGPT API를 한 번 호출하는 코드는 누구나 짤 수 있지만, 그것이 실제 서비스가 되는 순간 이야기가 달라집니다. LLM 호출이 실패하면 어디서 멈춰야 하는지, 사용자 승인을 기다리는 동안 상태를 어떻게 보관할지, 운영 환경에서 무엇이 잘못됐는지 어떻게 추적할지가 모두 새로운 문제로 등장합니다. LangChain, LangGraph, LangSmi
ChatGPT API를 한 번 호출하는 코드는 누구나 짤 수 있지만, 그것이 실제 서비스가 되는 순간 이야기가 달라집니다. LLM 호출이 실패하면 어디서 멈춰야 하는지, 사용자 승인을 기다리는 동안 상태를 어떻게 보관할지, 운영 환경에서 무엇이 잘못됐는지 어떻게 추적할지가 모두 새로운 문제로 등장합니다. LangChain, LangGraph, LangSmi
처음으로 AI 에이전트를 만들어 보려는 백엔드 개발자를 대상으로 합니다. 이름이 비슷한 세 도구 — LangChain, LangGraph, LangSmith — 가 각각 어떤 문제를 풀려고 등장했는지, 어떤 관계로 묶여 있는지, 그리고 어디서부터 손을 대야 하는지를 한 흐름으로 정리합니다. 함께 자주 등장하는 단어(Tool, ReAct, Function C
처음으로 LLM 기반 애플리케이션에 RAG를 붙여 보려는 백엔드 개발자를 대상으로 합니다. RAG가 왜 필요한지, Vector Database는 기존 RDB와 어떻게 다른지, 임베딩과 유사도 함수는 어떤 의미를 갖는지, 그리고 Spring AI에서 Vector Store를 설정할 때 왜 dimensions 값을 손으로 적어 줘야 하는지를 한 흐름으로 정리합
JVM 진영에서 AI 에이전트를 진지하게 만들려고 하면 곧 두 이름과 마주칩니다. JetBrains가 만든 Koog와 Spring 팀이 만든 Spring AI입니다. 둘 다 "JVM에서 LLM을 잘 다루자"는 목표를 공유하지만, 출발점과 강조점이 매우 다릅니다. 이 글은 두 프레임워크의 핵심 추상화, 코드 스타일, 운영 기능, 적합한 사용처를 같은 다이어그
모델은 같은데, 왜 결과가 다를까? 같은 팀, 같은 모델, 같은 IDE. 그런데 A 엔지니어는 10분 만에 복잡한 리팩토링을 끝내고, B 엔지니어는 1시간을 할루시네이션과 씨름한다. 이 차이는 코딩 실력에서 오는 것이 아니다. LangChain 팀이 이를 증명했다. Terminal Bench 2.0에서 모델을 바꾸지 않고 환경만 개선했더니 52.8%에서 6
