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
Context Stuffing 방식: chainlit-help 프로젝트 적용 방식
RAG 기반 방식: chainlit-help 변형해서 비교해보는 방식
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
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!
