LangGraph를 활용하여 복잡한 AI 워크플로우를 설계하고 실행하는 방법을 소개합니다.

개발자 면접 챗봇에서 사용된 문서 벡터화 및 데이터 저장 방식을 살펴봅니다. Pinecone을 활용한 유사 문서 검색과 PostgreSQL 기반 채팅 기록 저장 구조를 중심으로 설명합니다.

LangChain을 활용하여 REST API 및 외부 서비스와 연동하는 방법을 소개합니다.

LangChain을 활용하여 관계형 데이터베이스(SQL) 및 벡터 데이터베이스(VectorDB)와 연동하는 방법을 소개합니다.

개발자 면접 챗봇에서 LangChain을 활용한 질문 생성과 답변 피드백 흐름을 살펴봅니다. Prompt Template, Retriever, Memory 등 LangChain 요소들을 어떻게 조합했는지 정리합니다.

LangChain에서 다양한 Chains를 활용하여 AI 워크플로우를 최적화하는 방법을 소개합니다.

LangChain에서 Tools와 Agents를 활용하여 LLM을 더욱 강력하게 활용하는 방법을 소개합니다.

개발자 면접 챗봇 프로젝트의 backend/ 디렉토리 구조를 중심으로 사용자 인증, 데이터 연동, RAG 설계 방식을 정리합니다. Streamlit 세션과 함께 작동하는 백엔드 구조를 자세히 들여다봅니다.

이번 주에는 팀 프로젝트로 AI 챗봇을 개발하며, LangChain, Streamlit, Neon PostgreSQL, Django Channels를 학습하고 적용하였습니다.

LangChain에서 Multi-turn 대화를 구현하고 다양한 Memory 시스템을 활용하는 방법을 소개합니다.