/courses/Recent content in 강좌 on SEOUL AI PRESSHugoko-KRWed, 15 Jul 2026 21:40:00 +0900/courses/rag-basics/Wed, 15 Jul 2026 21:40:00 +0900/courses/rag-basics/<p>RAG는 Retrieval-Augmented Generation의 약자입니다. 한국어로 풀면 “검색으로 보강한 생성” 정도로 이해할 수 있습니다. 핵심은 AI가 먼저 관련 문서를 찾고, 그 문서 내용을 바탕으로 답한다는 점입니다.</p> <p>일반 챗봇은 모델이 학습한 지식이나 입력된 문맥에 기대어 답합니다. 그래서 최신 정보, 회사 내부 문서, 특정 계약서처럼 학습 데이터에 없던 내용은 틀릴 수 있습니다. RAG는 이 문제를 줄이기 위해 문서 저장소를 따로 두고, 질문과 관련된 조각을 찾아 모델에 함께 넣습니다.</p> <p>흐름은 단순합니다. 문서를 작은 단위로 나눕니다. 각 조각을 검색하기 쉬운 형태로 저장합니다. 사용자가 질문하면 관련 조각을 찾습니다. 마지막으로 모델이 그 조각을 읽고 답을 작성합니다.</p>/courses/ai-agent-basics/Wed, 15 Jul 2026 21:35:00 +0900/courses/ai-agent-basics/<p>챗봇은 보통 사용자의 질문에 답합니다. 반면 AI 에이전트는 목표를 받고, 필요한 단계를 나누고, 검색·파일 처리·코드 실행 같은 도구를 사용해 일을 진행합니다.</p> <p>기본 구성은 네 가지입니다. 첫째는 언어모델입니다. 사용자의 요청을 이해하고 다음 행동을 고릅니다. 둘째는 도구입니다. 웹 검색, 데이터베이스 조회, 문서 작성, 코드 실행 같은 기능이 여기에 들어갑니다. 셋째는 기억 또는 작업 상태입니다. 이미 확인한 정보와 남은 일을 추적합니다. 넷째는 검증 단계입니다. 결과가 틀렸는지, 빠진 부분이 있는지 점검합니다.</p> <p>예를 들어 “오늘 AI 뉴스를 모아 기사로 발행해 줘”라는 요청은 단순 질문이 아닙니다. 에이전트는 소스를 찾고, 중복을 제거하고, 중요도를 매기고, 글을 쓰고, 검수하고, 사이트에 배포해야 합니다. 이처럼 여러 단계를 처리할 때 에이전트 방식이 필요합니다.</p>