본문 바로가기

전체 글57

Cursor에서 Codespace 사용하기 AI 코딩 어시스턴트를 요즘 많이들 사용하는것 같습니다.대표적으로 Cursor, Windsurf등이 있는데요, 저도 커서를 많이 애용합니다.특히 에이전트를 기반으로 프로젝트 단위로 동작하는 시스템 덕분에 많은 시간을 절약할 수 있었는데요, 다만 문제점이 Cursor는 VSCode기반이긴 하지만 자체 프로덕트를 사용해야하고, 다른 IDE들과 통합이 어렵습니다.특히 Github의 Codespace를 활용하고자 할때 문제가 있는데요,VSCode기반이라서 VSCode에서 코드스페이스를 활용하기위한 익스텐션은 설치할 수 있지만 웬일인지 사용이 불가능합니다. 커서에서 코드스페이스 사용에 대한 문제는 한참이전부터 존재하였는데요, exception was thrown by handler. exception: fail.. 2025. 6. 11.
LangGraph를 활용하여 Agentic Pattern 구현하기 필립슈미트의 에이전틱 패턴에서 영감을 받아 이를 LangGraph로 구현하였습니다.원글 : (https://www.philschmid.de/agentic-pattern) 모든 코드는 해당 Colab 환경에서 모두 직접 확인해볼 수 있습니다.https://colab.research.google.com/drive/1JU0BHoCeTg7gJ_OnnvEBcjsw4VpDNuLQ?usp=sharing개요에이전트는 작업을 동적으로 계획하고 실행할 수 있다는 특징을 가지고 있습니다. 이때, 단순 혹은 복잡한 작업을 수행하기위해서 외부도구와 메모리를 사용하게 됩니다. 생성형AI 애플리케이션, 특히 LLM을 활용한 애플리케이션을 만들고자할때 가장 고민스러운 부분이 “이 비즈니스 로직을 어떻게 LLM, 에이전트를 활용하여 .. 2025. 5. 13.
RAG 구축에 있어서 고려해야 할 점들 RAG(Retrieval-Augmented Generation)은 LLM의 성능을 간접적으로 향상시키는 기술입니다. 외부의 데이터 소스에서 관련 정보를 검색하므로써 모델의 정확성과 관련성, 최신성을 향상시킬 수 있습니다."컷오버"된 모델은 최신 데이터를 가지고있지 않으며, Foundation Model 자체가 General한 데이터에 대해 학습되었기때문에, 만약 특정 도메인 관련한 챗봇 혹은 LLM Driven 시스템을 구축해야 하는 경우 파인튜닝에 더불어 필수로 구축해야하는 부분이 RAG입니다.RAG의 구현 단계일반적으로 RAG시스템의 구축 프로세스의 경우 다음과 같은 단계를 거쳐야 합니다.1. 데이터 저장소 및 데이터의 유형 결정2. 데이터 준비 및 업데이트 프로세스의 설계 (파이프라인 구성이 될 수.. 2025. 5. 7.
LLM 프로젝트에 적절한 모델 선택하기 LLM 프로젝트에 진행함에 있어서 가장 중요한 부분이라고 할 수 있는 "적절한 LLM모델 선택하기" 에 대해 이야기해보려고 한다.1. 라이센스모델의 사용범위나 제약조건을 명확히 평가해야한다. 이를 통해 프젝트의 목표와 정합성을 평가해야한다.예를들어 특정 라이센서의 경우 상업적 용도를 제한하거나 모델 수정을 금지하고있다.때문에 라이선스 조건을 검토애서 프로젝트 요구사항에 맞는 모델을 선택해야한다.일반적으로 모델의 라이센스를 확인하는방법은 다음과 같다(1) 모델 카드 확인 - 허깅페이스, 깃허브, 모델 레지스트리 등에서 라이센스 항목을 확인할 수 있다.다음은 비교적 많이 사용되는 라이센스를 정리한 표의 내용이다.라이선스제약조건주요 필수사항주요 허용사항Apache License하• 라이선스 및 저작권 명시• .. 2025. 4. 4.

티스토리툴바