채널톡 아이콘

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.

2명 이 수강하고 있어요.

난이도 입문

수강기한 무제한

langchain
langchain
aiagents
aiagents
rag시스템구축
rag시스템구축
llm
llm
openai
openai
langchain
langchain
aiagents
aiagents
rag시스템구축
rag시스템구축
llm
llm
openai
openai
날개 달린 동전

강의 추천하고 성장과 수익을 만들어 보세요!

날개 달린 동전

마케팅 파트너스

강의 추천하고 성장과 수익을 만들어 보세요!

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
Sime Bugarija입니다.

70

수강생

4

수강평

1

답변

5.0

강의 평점

18

강의

저는 지난 4년 동안 주로 영화 애니메이션 제작을 위해 블렌더(Blender)를 활발히 사용해 왔습니다. 제 강의에서는 모델링, 텍스처링, 조명 연출, 후처리 및 애니메이션에 대해 많은 것을 배우실 수 있습니다. 저의 목표는 가능한 한 사실적인 렌더링을 구현하는 것입니다. 모든 강의는 단계별로 진행되며, 블렌더 사용 경험이 전혀 없는 초보자분들을 위해 제작되었습니다.

더보기

커리큘럼

전체

38개 ∙ (4시간 2분)

강의 게시일: 
마지막 업데이트일: 

수강평

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

Sime Bugarija님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!

₩27,500