🔥 [충원7/5시작] Chainlit Help 분석 & 고도화된 RAG 챗봇 구현 스터디 [오프라인, 가산 or 신대방삼거리]

스터디 소개입니다

Chainlit의 chainlit-help 오픈소스를 분석하고, Context Stuffing vs RAG vs llms.txt 세 가지 방식을 비교하며 나만의 전문 분야 챗봇을 구현하는 스터디입니다.

중간에 나가신 분들이 계셔서 급하게 충원합니다

반드시 완주 의지 있으신 분만 읽어주세요 (예약금 있습니다)

새로운 라이브러리 사용법을 쉽게 파악할 수 있는 AI 어시스턴트를 세 가지 방식으로 만들어보며, 어떤 접근법이 더 효과적인지 직접 비교분석해볼 예정이에요.

📋 스터디 진행 방식

1. Context Stuffing 방식: chainlit-help 프로젝트 적용 방식

2. RAG 기반 방식: chainlit-help 변형해서 비교해보는 방식

3. llms.txt 기반 방식: 실시간 문서 읽기 → MCP 서버 활용한 새로운 접근법

⏰ 스터디 일정 (조율)

• 일시: 매주 화요일 19:00-21:00 vs 매주 토요일 오전-낮타임

• 장소: 가산디지털단지 or 신대방삼거리

• 기간: 5주

• 시작: 7/5(토) 첫 모임

📚 주차별 계획

• 1-2주차: chainlit-help 완전 분석 + Context Stuffing/RAG 구현 방식 이해

• 3-4주차: llms.txt 표준 학습 + Advanced RAG 기법 연구

• 5주차: 개인 프로젝트 구현 + 3가지 방식 비교분석

   

✅ 참여 조건

• Python 초중급 이상 (필수)

• LangChain / LangGraph 기본 개념 (모르는 부분은 함께 학습)

• RAG 기본 이해

• 빠짐없이 참여할 의사 있으신 분 -> ⚡예약금 2만원 받고 진행하겠습니다!

• 끝까지 완주할 의지 💪

🎁 스터디 혜택

• API 비용 지원 (OpenAI, Anthropic 등)

   

• 개인 포트폴리오 강화

   

   

📝 신청 방법

카카오톡: surinoel id로 개인톡 연락주세요

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

• 데모: https://help.chainlit.io/

• 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!