추가 적립 안내

핵심만 쏙쏙! 퀵 스타트
LLM 애플리케이션 개발의 핵심 비법을 소개합니다.

LLM 애플리케이션 구현을 위한 필수적인 아키텍처 설계와 실전 가이드를 제공합니다. 랭체인(LangChain)을 빠르게 이해하고, 운영 수준의 생성형 AI 애플리케이션의 핵심 구조를 파악하는 데 중점을 두고 있습니다. 아키텍처를 우선적으로 이해함으로써 개발자들이 실제 운영 환경에서도 쉽게 적용할 수 있도록 돕습니다.
프롬프트 템플릿 활용, 적절한 예제 선택, 벡터 데이터베이스의 효율적인 사용, 캐싱 기법, 메모리 관리 등 핵심 요소를 다양한 실전 예제를 통해 설명합니다. 특히, 최신 정보를 결합한 RAG(Retrieval Augmented Generation) 기술과 에이전트를 활용하여 정확하고 신뢰할 수 있는 답변을 생성하는 방법을 심도 있게 다룹니다.
조대협 엔지니어의 실전 경험을 바탕으로 한 이 책은, 실무에 바로 적용할 수 있는 유용한 정보를 제공하여 LLM 기술의 가능성을 극대화하는 데 큰 도움이 될 것입니다.

아키텍처 설계의 중요성
이 책은 LLM(대규모 언어 모델) 기술을 활용한 애플리케이션의 성공적인 구축을 위한 퀵 스타트 도서입니다. LLM 애플리케이션은 단순한 모델 호출을 넘어, 어떻게 아키텍처를 설계하느냐에 달려있습니다. 이 책은 효율적인 모델 호출과 비용 절감 전략, 프롬프트 템플릿 활용 및 최적의 예제 선택 방법, 그리고 벡터 데이터베이스의 효과적 사용법까지 아키텍처 설계의 모든 비법을 체계적으로 설명합니다. 이러한 구조적 접근은 복잡한 AI 시스템을 안정적이고 효율적으로 운영하는 데 필수적입니다. 책에서는 예제와 실습을 통해 이론을 실제로 구현해볼 수 있도록 구성했습니다.

퀵스타트 가이드의 강점
이 책의 가장 큰 강점 중 하나는 바로 '퀵스타트' 입니다. 필요한 것이 무엇인지 목표를 명확하게 설정하고 핵심을 빠르게 익힐 수 있도록 도와줍니다. 이는 노하우 없이는 어려운 것이기에, 이를 명쾌하게 설명하기란 쉽지 않습니다. 저자 조대협의 실전 경험을 바탕으로 한 이 책은 LLM 기술을 배우는 데 있어 수많은 전제 지식과 관련 내용들 중에서 꼭 필요한 것들만 추려 빠르게 익힐 수 있는 구조로 만들어졌습니다. 독자들은 최소한의 시간과 노력으로 최대한의 학습 효과를 누릴 수 있을 것입니다.

성능 최적화와 관리 비법
성능 최적화는 AI 애플리케이션의 핵심입니다. 반복적인 질의 처리를 위한 캐싱 기법, 메모리 관리와 최적화 기술을 통해 시스템의 응답 속도와 효율성을 극대화할 수 있습니다. 책에서는 이러한 기술들을 쉽게 이해하고 적용할 수 있도록 상세한 설명과 예제를 제공합니다. 특히, 캐싱 기법을 통해 불필요한 리소스 사용을 줄이고, 메모리 관리 기술을 통해 시스템의 안정성을 높이는 방법을 다룹니다. 성능 최적화는 비용 절감과 직결되며, 이는 AI 프로젝트의 성공에 중요한 요소입니다.

효율성과 전문성을 결합한 통합 비법
LLM 기술은 빠르게 발전하고 있으며, 효율적으로 최신 기술을 통합하는 것이 중요합니다. 이 책은 RAG(Retrieval-Augmented Generation)와 에이전트를 통해 최신 정보를 결합하는 방법을 설명합니다. 이를 통해 모델의 정확도와 신뢰성을 높이는 방법을 배울 수 있습니다. 또한, 생성형 AI 기술이 앞으로 어떻게 진화할지에 대한 통찰력 있는 전망을 제공하며, 독자들이 미래 기술 변화에 능동적으로 대응할 수 있도록 안내합니다. 이 책은 효율성과 전문성을 결합한 기술 트렌드를 반영하여 독자들이 항상 최전선에 설 수 있도록 돕습니다.

"랭체인으로 실현하는 LLM 아키텍처"는 LLM 기술에 관심 있는 모든 이들에게 필요한 퀵 스타트 도서입니다. 아키텍처 설계의 중요성을 이해하고 성능 최적화와 전문성 있는 통합 비법을 습득하는 퀵스타트 가이드를 통해 빠르게 실무에 적용하여 여러분의 AI 프로젝트를 한 단계 더 발전시키세요.

01 아키텍처 설계 비법
*효율적인 모델 호출과 비용 절감 전략
*프롬프트 템플릿 활용과 최적의 예제 선택 방법
*벡터 데이터베이스의 효과적 사용법

02 성능 최적화와 관리 비법
*반복적인 질의 처리를 위한 캐싱 기법
*메모리 관리와 최적화 기술

03 최신 기술 통합 비법
*RAG와 에이전트를 통한 최신 정보 결합 기법
*정확하고 신뢰할 수 있는 답변 생성 방법

서문

1장 LLM 애플리케이션 아키텍처
_1.1 안전 필터(Safety filter)
_1.2 프롬프트 템플릿(Prompt Template)
_1.3 예제 선택기(Example Selector)
_1.4 LLM 모델
_1.5 오케스트레이션(Orchestration)
_1.6 에이전트(Agent)
_1.7 벡터 데이터베이스(Vector DB)
_1.8 캐시(Cache)
_1.9 메모리(Memory)

2장 랭체인의 구조와 기능
_2.1 개발환경 설정
_2.2 Hello LangChain
_2.3 랭체인의 주요 구성요소

3장 LLM 모델
_3.1 모델(Model)
_3.2 모델 호출의 비용 컨트롤
_3.3 캐싱(Caching)

4장 랭체인을 이용한 LLM 모델 개발의 확장
_4.1 프롬프트 템플릿
_4.2 예제 선택기(Example Selector)
_4.3 출력 파서(Output Parser)
_4.4 메모리(Memory) 컴포넌트
_4.5 체인(Chain)

5장 RAG와 에이전트
_5.1 RAG의 구조와 활용
_5.2 에이전트의 역할과 중요성