LangChain의 구성 요소와 LangGraph가 주목받는 이유, 링크드인 SQLBot 같은 프로덕션 사례, uv 기반 가상환경과 노트북 설정, ChatOpenAI로 첫 LLM 호출을 하고 AIMessage 응답 구조와 토큰 사용량을 읽는 법을 정리합니다.

하나의 프롬프트에 모든 것을 담는 실수를 분할 정복으로 풀고, LCEL의 파이프라인 연산자·병렬 실행·중간 결과 전달로 체인을 엮습니다. Tavily 웹 검색으로 매년 바뀌는 값을 채우고, gpt-4o를 gpt-4o-mini로 바꿔 비용을 94% 줄이는 과정을 토큰 단위로 계산합니다.

온도를 0으로 둬도 같은 답이 보장되지 않는 LLM을 어떻게 검증할지 다룹니다. 오류를 5가지로 분류하는 법, 품질 게이트와 회귀 테스트, 정답의 다양성과 주관적 요소를 점수화하는 방법, 그리고 테스트 케이스를 다섯 범주로 나눠 평가 데이터셋을 구축하는 절차를 정리합니다.

평가의 기준점이 되는 골든 데이터셋을 만듭니다. ground truth와 관련 문서·청크로 구성 요소를 나누고, 수집부터 검증까지 6단계 구축 절차를 따라갑니다. JSON이 이상적이지만 도메인 전문가가 못 쓰는 문제를 구글 시트와 노션으로 푸는 협업 전략, 그리고 회귀 테스트와 LLM Judge 자동 평가로 활용하는 법을 정리합니다.

검색 정확도(정밀도·재현율·청크 정밀도·MRR), 응답 품질(관련성·사실적 정확성·완전성·인용 정확성·근거성), 사용자 경험(응답 시간·유용성·명확성) 지표를 차례로 정리하고, RAGAS와 인간 평가 점수로 종합하는 법, 그리고 지표 간 트레이드오프를 북극성 지표로 조정하는 방법을 다룹니다.

종합부동산세법 문서로 RAG 파이프라인을 처음부터 끝까지 만듭니다. 우리말 문서에 PDF 대신 워드를 쓰는 이유, 텍스트 분할기 선택 기준, persist_directory를 반드시 지정해야 하는 까닭, create_retrieval_chain 구성과 LangChain의 Runnable 개념을 정리합니다.

명령행을 지능적인 협업 공간으로 바꾸는 AI 에이전트 CLI 네 가지를 비교합니다. 프로젝트 전체를 파악하는 클로드 CLI(Claude Code), 1M 토큰 컨텍스트와 ReAct 루프를 갖춘 오픈소스 제미나이 CLI, 모든 변경을 Git에 커밋하는 Aider, GitHub 이슈를 받아 pull request까지 가는 Copilot CLI의 사용 사례를 정리하고, 이들을 공정하게 비교하기 위한 Terminal-Bench와 Terminus를 살펴봅니다.

통계적 언어 모델에서 트랜스포머, GPT-1부터 GPT-5까지의 발전과 경쟁 모델, 사전 학습·미세 조정·추론 세 단계와 온도·top-k·top-p 파라미터, 그리고 RAG를 검색·증강·생성으로 나눠 이해하고 LangChain으로 파이프라인을 구성하는 이점을 정리합니다.

구글 AgentSpace로 코드 없이 에이전트를 만드는 과정을 따라갑니다. 조직 전반의 통합 검색, 사람·문서·데이터를 잇는 기업용 지식 그래프, 노코드 Agent Designer, A2A 기반 멀티 에이전트와 보안 기능을 정리하고, 구글 클라우드 콘솔의 앱 선택부터 Gmail·Jira·ServiceNow 연동, 프롬프트 갤러리와 직접 작성, 고급 설정, 채팅 인터페이스까지 여섯 화면을 짚어 봅니다.

LangChain의 LCEL 파이프, LangGraph의 상태를 지닌 순환 그래프, 구글 ADK의 에이전트 팀과 SequentialAgent·ParallelAgent, CrewAI의 Agent·Task·Crew와 순차/계층형 프로세스를 코드와 함께 비교합니다. AutoGen·LlamaIndex·Haystack·MetaGPT·SuperAGI·Semantic Kernel·Strands Agents의 강점과 한계, 그리고 '세밀한 제어 대 매끄러운 개발 경험'이라는 선택의 기준을 정리합니다.