태그: AI
19편
-
개발자를 위한 클로드(Claude) 실무 활용 가이드 | Claude Code로 일하는 법
Claude Code를 채팅이 아닌 에이전트로 쓰는 법을 다룹니다. 재현 가능한 에러와 사실을 담은 프롬프트 작성, 낯선 코드베이스 탐색, 에러 로그 기반 디버깅, 테스트를 함께 요청하는 기능 추가, 권한 승인 전략을 예시로 설명합니다.
-
pgvector와 Qdrant로 RAG 벡터 검색 만들기: 임베딩 저장, HNSW 인덱스, 하이브리드 검색
PostgreSQL 확장인 pgvector와 전용 벡터 DB Qdrant에 임베딩을 저장하고 cosine 유사도와 HNSW 인덱스로 검색하는 방법, payload 필터링, 키워드와 벡터를 섞는 하이브리드 검색, LangChain RAG 파이프라인을 다룹니다.
-
LiteLLM으로 여러 LLM을 OpenAI API 하나로 묶기: Fallback, 프록시 게이트웨이, 비용 한도
LiteLLM 정리. OpenAI SDK와 같은 인터페이스로 GPT·Claude·Gemini·Llama 등 여러 LLM을 호출하는 방법, 스트리밍, Fallback, 프록시 게이트웨이와 팀 키·비용 한도, 라우팅, 캐싱, 관측을 다룹니다.
-
Vector Database 가이드 — AI 시대의 Pinecone·Weaviate·Qdrant·Milvus
벡터 DB 개념, 임베딩·유사도 검색, Pinecone·Weaviate·Qdrant·Milvus 비교, 벤치마크·요금·RAG·추천 실무까지 한 번에 정리합니다. Vector Database·RAG·Embedding 중심.
-
LangChain.js로 LLM 앱 만들기: Runnable과 LCEL, 문서 분할·임베딩, Pinecone·pgvector RAG
LangChain.js의 Runnable과 LCEL로 프롬프트와 모델을 연결하고, 문서 분할·임베딩 후 Pinecone과 Supabase pgvector에 저장해 RAG를 구현합니다. 스트리밍, 토큰 한도, Next.js App Router 통합까지 다룹니다.
-
Claude API 사용법: Anthropic SDK, 스트리밍, Tool Use, 프롬프트 캐싱과 요금
Claude API(Anthropic SDK) 시작부터 실무 활용까지. API 키 발급, 메시지 API, 스트리밍, Tool Use(함수 호출), 프롬프트 캐싱, Vision, 요금 체계를 Python·TypeScript 예제로 정리했습니다.
-
Cursor AI 에디터 실전: Tab 자동완성, Chat, Composer와 .cursorrules 설정
Cursor AI 에디터 사용법 완전 가이드. AI Chat, Composer(에이전트), Tab 자동완성, @Codebase 검색, .cursorrules 설정까지. VS Code 대비 장단점과 실전 팁을 정리했습니다.
-
MCP(Model Context Protocol) 서버 만들기: Python·TypeScript 구현과 Claude Desktop 연결
MCP(Model Context Protocol)는 Anthropic이 만든 AI와 외부 도구 연결 표준입니다. Claude Desktop, Cursor, VS Code에서 MCP 서버를 만들고 연결하는 방법을 Python·TypeScript 예제로 설명합니다.
-
Ollama로 로컬 LLM 돌리기: 모델 실행, REST·Chat API, LangChain 연동, RAG, Modelfile
Ollama로 로컬에서 LLM을 실행하는 방법. 설치와 CLI, Llama·Mistral 모델 실행, REST API와 Chat API, LangChain 통합, RAG 구현, Modelfile로 모델 커스터마이징을 예제로 정리합니다.
-
Pinecone으로 벡터 검색 구현하기: 임베딩 저장, 메타데이터 필터, RAG와 문서 챗봇
Pinecone 인덱스를 만들고 OpenAI 임베딩을 upsert한 뒤 메타데이터 필터를 곁들여 유사도 검색하는 방법, 검색 결과를 LLM 프롬프트에 붙이는 RAG Chain, LangChain 통합과 문서 챗봇 구현까지 코드로 설명합니다.
-
브라우저에서 AI 모델 돌리기: Transformers.js, ONNX Runtime Web, WebLLM과 성능 최적화
WebAssembly로 브라우저에서 AI 모델을 실행하는 방법. Transformers.js, ONNX Runtime Web, WebLLM으로 서버 없이 오프라인 추론을 구현하는 과정을 정리합니다.
-
ChromaDB로 로컬 벡터 검색 만들기: 임베딩 전략, 메타데이터 필터, LangChain RAG
ChromaDB에 문서를 넣고 HNSW 기반 근사 최근접 이웃 검색과 메타데이터 필터를 함께 쓰는 방법, 거리 척도와 커스텀 임베딩 선택, PersistentClient 영속화, LangChain을 이용한 RAG 챗봇 구성을 예제로 설명합니다.
-
LangChain 실전 가이드 | LLM 애플리케이션 개발 프레임워크
LangChain의 Chain과 Sequential Chain, Few-Shot 프롬프트 템플릿, 대화 메모리 종류별 차이, 커스텀 Tool을 쓰는 Agent, 문서 분할과 벡터 스토어를 이용한 RAG 구현을 Chroma·FAISS·Pinecone 예제로 설명합니다.
-
ChatGPT API 실전 가이드 | OpenAI API로 AI 애플리케이션 만들기
OpenAI ChatGPT API를 서비스에 붙이는 방법. 첫 호출과 대화 이력 관리, 스트리밍, Function Calling, 프롬프트 설계, 토큰·비용 계산과 절감, 재시도·비용 상한, 자주 하는 실수, 입력 검증과 개인정보 마스킹까지 Python 예제로 정리합니다.
-
구조화된 프롬프트 설계: Zero-shot·Few-shot, Chain-of-Thought, ReAct, 시스템 프롬프트, 평가
Zero-shot과 Few-shot 예제 선정, Chain-of-Thought와 Self-Consistency, 도구를 호출하는 ReAct, 코드 리뷰·고객 지원 봇 시스템 프롬프트 설계, JSON 구조화 출력과 프롬프트 체인, A/B 테스트 평가까지 예제로 설명합니다.
-
RAG로 사내 데이터를 LLM에 연결하기: 임베딩과 벡터 DB, 청크 전략, Python 구현
문서를 청크로 나누고 임베딩해 벡터 DB에 넣은 뒤 질문과 가까운 조각을 찾아 LLM 프롬프트에 붙이는 RAG 파이프라인을 Python으로 구현합니다. 청크 크기와 오버랩, 메타데이터 필터링, MMR, 하이브리드 검색과 리랭킹도 비교합니다.
-
개발자를 위한 AI 프롬프트 엔지니어링 | ChatGPT·Claude·Cursor 실전
LLM이 다음 토큰을 고르는 방식(온도·샘플링·컨텍스트 윈도우)을 바탕으로 Zero-shot, Few-shot, Chain-of-Thought, 역할·제약 프롬프트가 왜 먹히는지 설명하고 버그 수정·리팩토링·코드 리뷰용 프롬프트 예시를 보여 줍니다.
-
Workers AI로 엣지에서 AI 모델 돌리기: 요약 API, Vectorize RAG, D1 연동과 비용
Cloudflare Workers AI로 엣지에서 모델을 호출하는 텍스트 요약 API를 만들고, Vectorize에 임베딩을 저장해 RAG를 구현하며, D1에 결과를 기록하는 과정을 코드로 보여 줍니다. 스트리밍 응답과 캐싱, 요금 계산도 다룹니다.
-
C++ Python과 C++의 만남 | pybind11으로 고성능 엔진 만들기
Python 루프 중 느린 부분만 C++로 옮기기 위해 pybind11로 함수와 클래스를 노출하고 CMake·pyproject.toml로 확장 모듈을 빌드하는 과정을 보여줍니다. NumPy 배열 전달과 GIL 해제, 예외 등록, 자주 만나는 import·링크 에러 해결도 다룹니다.