SK 네트웍스 family AI 캠프 14주차 회고( 2025-05-26 ~ 2025-05-30 )

 

 

주간 수업 내용 복습

[ 05/26 ] LangChain Expression Language( LCEL )

[ SK 네트웍스 Family AI 캠프 수업 내용 복습 ] LangChain Expression Language( LCEL ) 2025-05-26

 

 

The four Fs

FACTS: 이번 일주일 동안 있었던 일, 내가 한 일

  RAG 구축 및 활용을 위한 Lang Chain 실습을 위주로 수업이 진행되었고, 3차 프로젝트의 팀원이 정해졌습니다.

3차 프로젝트 주제 선정

 다음 주 월요일에 시작되는 프로젝트를 위해 팀원 분들과 회의를 통해 주제를 선정하였고, 주제는 깃허브 저장소를 분석하여 질의응답을 해주는 챗봇으로 정하였습니다. 다양한 라이브러리나 기술들이 깃허브를 통해 공유되고 있고 공부하는 입장에서 깃허브를 들여다보는 일이 자주 있다보니 깃허브 저장소를 분석해주고 내부 기술 및 코딩이 어떻게 되어 있고 사용법은 무엇인지 답변해주는 서비스가 있으면 좋겠다는 생각에 "깃허브 저장소 분석 챗봇" 이라는 아이디어가 나오게 되었습니다.

RAG 시스템 담당

 업무 분담은 크게 프론트엔드, 백엔드, LLM, RAG로 나뉘었고 그 중에 RAG를 담당하게 되었습니다. 프로젝트 시작에 앞서 RAG 시스템 구축을 연습삼아 구현해보고 공부하고 있습니다.

FEELINGS(느낌, 주관) : 나의 감정적인 반응, 느낌

 3차 프로젝트를 앞두고 있으니 시간이 정말 빠르다는 생각이 듭니다. 그동안 정신없이 배우고 공부하고 이것 저것 많이 만들다보니 시간이 훌쩍 지나가는 것 같습니다. 이번 프로젝트는 본격적으로 LLM을 사용하여 프로그램을 만드는 것이기 때문에 기대가 많이 됩니다. 아직 기술적으로도, 학술적으로도 많이 부족하지만 첫 걸을 떼는 것이라 생각하고 지금 할 수 있는 최선을 다할 생각입니다.

FINDINGS(배운 것) : 그 상황으로부터 내가 배운 것, 얻은 것

  RAG와 LLM 관련해서 개인적으로 예제를 따라해보고 실습을 많이 해보았는데 확실히 백문이 불여일견인 것 같습니다. RAG와 벡터 데이터베이스의 구분이 모호했었는데 벡터 데이터베이스는 RAG에 포함되는 개념이며, RAG는 관련 데이터를 사용자 컨텍스트에 추가하여 확장된 프롬프트로 LLM이 더 정확한 정보를 내보낼 수 있게 해주는 프로세스입니다. 또한 FAISS와 Chroma의 사용법과 차이점에 대해 확실히 알게 되었습니다.

FUTURE(미래) : 배운 것을 미래에는 어떻게 적용할 지

 3차 프로젝트 이후의 프로젝트 모두 LLM 을 사용한 프로젝트가 진행이 됩니다. 또한 개인적으로 구상하고 있는 작업물 또한 LLM을 활용하기 때문에 지금 공부하고 있는 RAG를 반드시 사용하게 됩니다. 그래서인지 공부하는 것에 더욱 동기부여가 되고 재미도 있는 것 같습니다.