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.

LangChain에서 효과적인 프롬프트를 설계하는 방법과 다양한 메시지 유형을 활용하는 기법을 소개합니다.

LangChain의 개념과 주요 기능, 환경 설정 방법을 소개합니다.

Django와 WebSocket을 사용하여 실시간 메시지를 저장하고, Redis를 활용하여 성능을 최적화하며, JWT 인증을 통해 보안을 강화하는 방법을 다룹니다.

React와 Django를 사용하여 WebSocket을 통한 실시간 채팅 UI를 구현하는 방법을 설명합니다. WebSocket 연결 설정, 메시지 송수신, 상태 관리 및 렌더링을 다룹니다.