이번에 새롭게 Spring 개발자를 위한 실전 LLM 서비스 개발 (Part 1) 강의를 오픈했습니다. 조금 늦은 감이 없지는 않으나, 자바 개발자들에게 친숙한 Spring framework를 이용하여 LLM 애플리케이션을 개발하는데 필요한 내용을 학습하는 강의로 구성했습니다. 많은 관심 부탁드립니다.
왜 이 강의를 만들었나
요즘 RAG, 벡터 검색, AI 에이전트 같은 키워드는 어디서나 접할 수 있지만, 막상 "Spring Boot 백엔드에 어떻게 붙이는가"를 실무 수준으로 다루는 자료는 많지 않았습니다.
이 강의는 제가 실제 RAG 추천 엔드포인트를 디버깅하며 겪었던 문제 — 문서를 토큰 단위로 청킹했을 때 의미 단위가 깨져 검색 품질이 떨어졌던 경험, 그리고 문단 단위 청킹으로 전략을 바꿔 문제를 해결했던 과정 — 을 그대로 커리큘럼에 녹였습니다. 튜토리얼처럼 정답 코드만 보여주는 게 아니라, "왜 안 되는지 → 어떻게 진단하는지 → 어떻게 고치는지"를 함께 따라가는 방식입니다.
이런 분들께 추천합니다
Spring Boot 경험은 있지만 LLM/AI 서비스 개발은 처음인 백엔드 개발자
RAG, 벡터 검색을 튜토리얼이 아니라 실무 프로젝트 수준으로 적용하고 싶은 개발자
사내 AI 기능(챗봇, 문서 검색, 추천 등)을 Spring 기반으로 직접 구현해야 하는 실무자
Spring Boot로 REST API를 만들어 본 경험만 있으면 충분합니다. AI/LLM 사전 지식은 필요 없습니다.
무엇을 배우나요
1. Spring AI 핵심 기초 ChatClient 기본 사용법, 구조화된 출력(Structured Output), 스트리밍 응답 구현
2. RAG 파이프라인 구축 벡터 스토어 연동, 문서 청킹 전략 비교와 실전 트러블슈팅, 검색 품질 개선, 프롬프트 설계
3. 도구·멀티모달 확장 MCP(Model Context Protocol)를 활용한 외부 도구 연동, 이미지 등 멀티모달 입력 처리, Dify 연동
4. 서비스 안정화와 실전 프로젝트 가드레일 적용, 신뢰성 있는 서비스 설계, 지금까지 배운 내용을 통합하는 미니 프로젝트
부록으로 AI 코딩 도구와 Ollama 활용법도 함께 다룹니다.
시리즈 안내
이번에 출시한 것은 전체 시리즈의 Part 1입니다. Part 2, 3에서는 더 심화된 아키텍처와 실전 케이스를 다룰 예정이며, 시리즈가 모두 출시되면 전체 패키지 할인도 준비할 계획입니다.
📌 강의 바로가기: https://inf.run/VVpnV
궁금한 점이나 커리큘럼 관련 질문은 댓글로 편하게 남겨주세요. Part 1을 통해 여러분의 Spring 서비스에 LLM을 붙이는 첫걸음을 함께하고 싶습니다.