개발자 면접 챗봇의 Streamlit 기반 프론트엔드 구조를 정리합니다. 페이지 구조, 챗봇 응답 흐름, 로그인 상태 표시까지 Streamlit으로 어떻게 사용자 인터페이스를 구성했는지 설명합니다.

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.