강의

멘토링

커뮤니티

NEW
AI 기술

/

AI에이전트 개발

LangChain - LangChain과 RAG를 활용한 제어 가능한 AI 에이전트 개발

이 강의에서 저는 LangChain, OpenAI, 그리고 RAG를 사용하여 실무용 AI 에이전트를 구축하는 과정을 단계별로 안내합니다. 개발자들이 기본적인 LLM 활용을 넘어 구조화되고 제어 가능하며 상용화 수준의 AI 시스템을 구축할 수 있도록 도왔던 제 경험을 바탕으로, 이 강의는 신뢰할 수 없는 AI 응답, 제어력 부족, 미흡한 컨텍스트 처리, 메모리 문제와 같은 일반적인 문제들을 해결하는 데 집중합니다. 단순한 이론에 그치지 않고, 비즈니스, 플래너, 마케팅, 이메일 에이전트를 설계하고, AI 출력을 검증하며, 로그를 관리하고, 검색 증강 생성(RAG)을 벡터 데이터베이스와 통합하는 실습 프로젝트를 진행하게 됩니다. 각 개념은 명확하게 설명되고 실무적으로 구현되며 실제 사용 사례와 연결되어 있어, 배운 내용을 여러분의 프로젝트에 자신 있게 적용할 수 있습니다.

1명 이 수강하고 있어요.

난이도 입문

수강기한 무제한

  • Sime Bugarija
langchain
langchain
aiagents
aiagents
rag시스템구축
rag시스템구축
llm
llm
openai
openai
langchain
langchain
aiagents
aiagents
rag시스템구축
rag시스템구축
llm
llm
openai
openai

수강 후 이런걸 얻을 수 있어요

  • LangChain을 사용하여 제어 가능하고 모듈화된 AI 에이전트 구축하기

  • 구조화된 프롬프트와 스키마를 사용하여 비즈니스, 플래너, 마케팅 및 이메일 에이전트를 설계하세요.

  • 문맥에 맞고 신뢰할 수 있는 응답을 위해 벡터 데이터베이스(ChromaDB)를 활용한 RAG 구현

  • AI 애플리케이션에서 에이전트 메모리, 로그, 검증 및 보안 관리

  • 실무에 바로 적용 가능한 완전한 엔드 투 엔드 AI 프로젝트 개발

LangChain과 RAG로 신뢰할 수 있는 AI 에이전트 구축하기 – LLM부터 프로덕션까지

부제 (선택 사항)
LangChain, OpenAI 및 벡터 데이터베이스를 사용하여 비즈니스, 마케팅 및 자동화를 위한 통제 가능한 AI 에이전트를 설계하세요.

4

왜 이 강의인가요?
많은 개발자들이 LLM API를 호출하는 방법은 알고 있지만, AI의 응답이 예측 불가능하고, 비정형적이거나, 확장이 불가능해질 때 어려움을 겪습니다.
이 강의는 수강생들이 반복적으로 질문하는 내용을 바탕으로 설계되었습니다.

“AI의 동작을 어떻게 제어하고, 출력값을 검증하며, 자체 데이터를 어떻게 신뢰할 수 있는 방식으로 사용할 수 있을까요?”

이 강의는 다음과 같은 산업 분야에서 사용되는 실제 프로덕션 수준의 AI 에이전트 시스템을 통해 그 질문에 대한 해답을 제시합니다.

  • 소프트웨어 및 SaaS

  • 마케팅 및 콘텐츠 자동화

  • 비즈니스 인텔리전스

  • AI 기반 사내 도구

학습 내용

섹션 (1): 핵심 키워드 – AI 에이전트 및 랭체인 기초

단순한 프롬프트 기반 스크립트가 아닌 제어 가능하고 모듈화된 AI 에이전트를 설계하는 방법을 배우게 됩니다.

4

이 섹션에서는 다음 내용을 학습합니다:

  • LLM과 AI 에이전트의 차이점 이해하기

  • LangChain을 사용하여 구조화된 AI 워크플로우 구축하기

  • 시스템, 비즈니스 및 플래너 프롬프트 설계하기

  • 신뢰할 수 있는 AI 출력을 위한 스키마와 체인 생성

  • 에이전트 실행, 로그 관리 및 응답 검증

  • 특화된 에이전트(비즈니스, 플래너, 마케팅, 이메일) 구축하기

🎯 학습 목표:
기본적인 LLM 사용에서 예측 가능하고 설명 가능하며 제어 가능한 AI 동작으로 나아갑니다.

섹션 (2): 핵심 키워드 – RAG, 벡터 데이터베이스 및 메모리 제어

AI가 실제 문서 및 비공개 데이터를 활용할 수 있도록 검색 증강 생성(RAG)을 통합하게 될 것입니다.

4

이 섹션에서는 다음 내용을 배우게 됩니다:

  • RAG와 벡터 데이터베이스 이해하기

  • 외부 컨텍스트 파일 업로드 및 처리

  • 임베딩을 생성하고 ChromaDB에 저장하기

  • 유사도 검색 및 정보 추출 구현하기

  • AI 요청에 동적으로 컨텍스트 주입하기

  • RAG 메모리 및 컨텍스트 오염 문제 해결

  • 벡터 기반 메모리 정리, 관리 및 보안

🎯 학습 목표:
일반적인 모델 지식에만 의존하지 않고, 자체 데이터를 기반으로 추론하는 AI 시스템을 구축합니다.

수강 전 확인 사항

선수 학습 및 공지 사항

필수 지식

  • 기초 프로그래밍 지식 (JavaScript 또는 Python)

  • AI 또는 LLM 개념에 대한 기초적인 이해 (도움이 되지만 필수 사항은 아님)

강의 수준

  • ⚙️ 중급 (단계별 설명 제공)

오디오 및 비디오 품질

  • 선명한 음성 설명

  • 고화질 화면 녹화

  • 실전 코딩 워크스루 (슬라이드만 사용하는 강의가 아닙니다)

질문하는 방법

  • 수강생은 강의 Q&A 섹션에서 직접 질문할 수 있습니다.

  • 일반적인 문제와 질문 사항은 업데이트를 통해 해결됩니다.

업데이트

  • 이 강의는 살아있는 프로젝트로 설계되었습니다.

  • AI 도구가 발전함에 따라 향후 개선 사항 및 수정 사항이 추가될 예정입니다.

저작권 및 지식재산권

  • 모든 강의 자료, 코드 예제 및 동영상은 개인 학습 용도로만 제공됩니다.

  • 콘텐츠의 재배포, 재판매 또는 재업로드는 엄격히 금지됩니다.

이런 분들께
추천드려요

학습 대상은
누구일까요?

  • 예측 불가능한 LLM 출력으로 어려움을 겪으며, AI 동작을 더욱 세밀하게 제어하고 싶은 개발자들

  • LangChain과 RAG를 사용하여 상용 수준의 AI 애플리케이션을 구축하려는 소프트웨어 엔지니어

  • AI 에이전트를 비즈니스 워크플로우에 통합하고자 하는 창업가 및 제품 빌더

  • 인공지능의 기본 개념은 이해하지만, AI 시스템을 구조화하고 확장하는 데 어려움을 겪는 분들

선수 지식,
필요할까요?

  • 네. 프로그래밍(JavaScript 또는 Python)에 대한 기초 지식과 LLM 또는 AI 개념에 대한 전반적인 이해가 권장됩니다. LangChain이나 RAG에 대한 사전 경험은 필요하지 않으며, 모든 과정이 단계별로 설명됩니다.

안녕하세요
입니다.

I have been actively using Blender for the last 4 years, mainly for creating film animation. In my courses you can learn a lot about modeling, texturing, lighting creation, post-processing and animation. My goal is to achieve as realistic a render as possible. All my courses are step-by-step and intended for users who have no previous experience in Blender.

커리큘럼

전체

38개 ∙ (4시간 2분)

강의 게시일: 
마지막 업데이트일: 

수강평

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

₩27,500

Sime Bugarija님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!