스터디 소개 Chainlit의 chainlit-help 오픈소스를 분석하고, RAG vs llms.txt 두 가지 방식을 비교하며 나만의 전문 분야 챗봇을 구현하는 스터디입니다.
새로운 라이브러리 사용법을 쉽게 파악할 수 있는 AI 어시스턴트를 두 가지 방식으로 만들어보며, 어떤 접근법이 더 효과적인지 직접 비교분석해볼 예정이에요.
📋 스터디 진행 방식
RAG 기반 방식: chainlit-help 프로젝트 완전 분석 → 고도화된 RAG 기법 적용
llms.txt 기반 방식: 실시간 문서 읽기 → MCP 서버 활용한 새로운 접근법
⏰ 스터디 일정 (확정)
일시: 매주 화요일 19:00-21:00
장소: 가산디지털단지 메타페이스
기간: 5주
시작: 7/1(화) 첫 모임
📚 주차별 계획
1-2주차: chainlit-help 완전 분석 + RAG 구현 방식 이해
3-4주차: llms.txt 표준 학습 + Advanced RAG 기법 연구
5주차: 개인 프로젝트 구현 + 두 방식 비교분석
🚨 긴급충원 이유 한 분이 개인사정으로 나가셔서 1명 충원합니다! 이미 3명이 확정되어 있고, 7/1부터 바로 시작 예정이라 빠른 결정 필요해요.
✅ 참여 조건
Python 초중급 이상 (필수)
LangChain 기본 개념 (모르는 부분은 함께 학습)
RAG 기본 이해
매주 화요일 19:00-21:00 참석 가능
끝까지 완주할 의지 💪
🎁 스터디 혜택
API 비용 지원 (OpenAI, Anthropic 등)
소규모 밀착 스터디 (최대 4명)
실무 적용 가능한 RAG 시스템
개인 포트폴리오 강화
💻 기술 스택
Framework: LangChain, LangGraph
Frontend: Chainlit
Vector DB: Chroma, Pinecone
LLM: OpenAI, Claude, Gemini
기타: llms.txt, MCP Server
📝 신청 방법카카오톡 오픈채팅: https://open.kakao.com/o/sqQ2g1Bh
제출 정보:
간단한 자기소개
Python/LangChang 경험 수준
구현하고 싶은 도메인 분야
스터디 참여 동기
⚡ 마감: 선착순 1명! 빠른 연락 필수
참고 자료
chainlit-help: https://github.com/Chainlit/chainlit-help
이전 스터디 후기: https://inf.run/RAvgq
현업에서 LangChain/LangGraph로 AI 시스템 개발 중이고, 이전 스터디도 성공적으로 운영했어요. 함께 배우며 성장할 수 있는 실용적인 스터디 만들어보겠습니다!
7/1 바로 시작이라 관심 있으시면 빠르게 연락주세요! 🔥
모집되면 글 내리도록 하겠습니다
