IT 기술 따라잡기

📌 ToT 소스코드 분석 두 번째 시간!

AI 시대의 App 개발에서는 코딩보다 더 중요한 것이 있습니다.
바로 아키텍처(Architecture), 그 중에서도 State 관리가 핵심입니다.

이번 영상에서는 Tree of Thoughts(ToT) 추론 기법을 구현하면서,
AI App 설계에서 가장 중요한 State 관리의 개념을 심도 있게 살펴봅니다.

🌀 현실에서는 되돌릴 수 없는 과거,
AI Agent는 State를 관리하기 때문에 얼마든지 "다시 돌아갈 수" 있습니다.
마치 영화 박하사탕에서 설경구가 외치던
**"나 다시 돌아갈래!!"**가 현실이 되는 순간이죠.

💡 이번 영상에서 다루는 핵심 주제

* LangGraph에서의 State 관리 메커니즘
* ToT의 추론 흐름을 구성하는 Graph 구조
* Structured Output과 함께 만드는 AI의 추론 흐름
* LangSmith 로그 분석으로 실제 실행 흐름 추적

👨‍💻 이런 분들께 추천드립니다:

* AI Application을 더 깊이 이해하고 싶은 개발자
* GPT를 잘 다루고 싶은 실무자
* Prompt만으로는 부족하다고 느끼는 분
* AI가 어떻게 과거 상태로 "되돌아갈 수 있는지" 궁금한 분
* 논문과 실제 구현 사이의 **다리(Bridge)**를 찾는 분

🔔 좋아요, 댓글, 구독은 콘텐츠 제작에 큰 힘이 됩니다!
앞으로도 더 좋은 컨텐츠로 찾아 뵙겠습니다. 

감사합니다.

https://youtu.be/2Gxmg5ry-FI

🎬 Note: This video is in Korean, but with YouTube’s free dubbing feature, you can watch it in your preferred language! Just turn on dubbing in your language from the video settings! 🌍


📌 Tree of Thoughts (ToT) Source Code – Part 2!

In the era of AI, app development isn’t just about coding anymore — it’s about architecture, and at the heart of that architecture lies State Management.

In this video, we dive deeper into the inner workings of the Tree of Thoughts (ToT) reasoning framework and explore why managing State is critical in AI app design.


🌀 In real life, we can’t go back to the past.
But in AI applications, we can.
Thanks to State management, AI Agents can revisit earlier decision points and rewrite the future — like a scene straight out of a movie.

Just like the iconic line from the Korean film Peppermint Candy:
"I want to go back!"
Now it's not just a wish — it's a feature.


💡 What you’ll learn in this video:

How State is tracked and controlled using LangGraph

How ToT reasoning flows are structured as a graph

How Structured Output enhances controllable reasoning

How to trace execution flows with LangSmith logs


👨‍💻 Who should watch this?

Developers seeking a deeper understanding of AI app architecture

Practitioners who want to go beyond simple prompting

Those curious about how AI can "go back in time" by tracking states

Anyone looking to bridge the gap between research papers and real implementation


🔔 Your likes, comments, and subscriptions mean the world — and help keep this content going!
Thank you for watching, and I hope this video opens a new perspective on AI development.

▶️ https://youtu.be/2Gxmg5ry-FI

🎥 AI 시대 앱 개발 - 로직 중심에서 의미 중심으로
📍 Tree of Thoughts (ToT) 논문 구현 소스코드 분석 & 의미 중심 AI 앱 개발 인사이트

🤖 우리는 지금, 기존 프로그래밍 방식만으로는 설명되지 않는 AI 시대를 살아가고 있습니다.
이 영상에서는 **Tree of Thoughts (ToT)**라는 획기적인 AI 추론 기법을 LangGraph 소스코드로 직접 구현하며,
기존의 “로직 중심” 개발과는 전혀 다른 사고방식, 즉 ‘의미 중심’ 개발이 왜 필요한지를 살펴봅니다.

💡 이 영상에서 다루는 핵심 내용:

* Tree of Thoughts 논문이 제시한 새로운 추론 방식 이해
* LangGraph를 활용한 실제 코드 구현
* AI 앱 개발자가 알아야 할 Prompt 설계와 Structured Output 활용법
* 기존 앱 개발과 AI 앱 개발의 차이: “로직(Logic)” vs. “의미(Meaning)”

👨‍💻 누구에게 도움이 될까요?

* AI 앱/서비스 개발에 관심 있는 분
* GPT를 똑똑하게 쓰고 싶은 분
* CoT, ToT 같은 최신 추론 방식에 대해 실제로 이해하고 싶은 분
* 기존 개발자에서 한 단계 도약하고 싶은 분
* AI 시대에 어떤 변화가 오는지 알고 싶은 비개발자 분

📌 다음 영상 예고
두 번째 영상에서는 Tree of Thoughts를 실행하는 **LangGraph의 핵심 구조(Graph 구성)**를 설명합니다.
그리고 LangSmith 로그를 통해 실제 실행 과정을 시각적으로 추적하며
우리가 만든 함수들과 클래스들이 어떻게 상호작용하며 추론을 완성하는지 살펴볼 예정입니다.

🌐 AI는 이제 단순한 도구가 아니라, 함께 생각하는 파트너입니다.
이 영상이 여러분의 AI 활용에 새로운 시야를 열어드릴 수 있길 바랍니다.
좋아요 👍, 댓글 💬, 그리고 구독 🔔은 큰 힘이 됩니다!

https://youtu.be/K_nDJzfb6hQ?si=Im0Lkh5WiHSVCM74

This video was created in Korean, but with YouTube’s free dubbing feature, you can listen to it in your own language.

🎬 “AI를 좀 더 깊게 생각하게 할 수 있을까?”

GPT-4도 풀지 못했던 문제를 해결한 놀라운 추론 방식,
**Tree of Thoughts (ToT)**를 소개합니다!

ToT는 GPT에게 단순히 답만 뱉게 하는 것이 아니라,
사람처럼 생각하고 비교하고 판단하게 만드는 혁신적인 방법이에요.
CoT(Chain of Thought)보다 한 단계 더 진화한 방식으로,
AI의 성능을 프롬프트만으로 10배 이상 끌어올릴 수 있습니다. 🤯

🧠 이 영상은요…

Tree of Thoughts 논문을 쉽고 자세하게 설명합니다

AI 개발자뿐 아니라 AI를 잘 활용하고 싶은 모든 분을 위한 영상입니다

AI의 잠재력을 더 끌어내고 싶은 분에게 추천드려요!

📌 이런 분에게 강력 추천합니다!

✅ AI 앱/서비스를 만들고 싶은 개발자
✅ 프롬프트 엔지니어링을 배우고 싶은 분
✅ GPT가 엉뚱한 대답만 해서 고민이셨던 분
✅ 창의적 글쓰기, 문제 해결, 아이디어 정리에 AI를 활용하고 싶은 분

👨‍💻 영상 속 모든 설명은 되도록 쉽게 설명 했습니다.
AI 입문자도 부담 없이 따라올 수 있어요.
누구나 ToT 구조를 이해하고 실생활에 활용해 볼 수 있도록 만들었습니다.

📎 CoLab 실습 링크는 이 영상의 설명(Description) 란에 공유됩니다.
직접 실행해보며 학습 효과를 높여보세요!

💡 "AI는 이제 답만 뱉는 도구가 아니라, 생각하는 파트너가 됩니다."
이 영상이 여러분의 AI 활용에 새로운 인사이트가 되길 바랍니다!

🔔 좋아요와 구독, 그리고 댓글은 영상 제작에 큰 힘이 됩니다 :)

https://youtu.be/T-AmZ9Oc5mM

오늘은 Self-Discover 논문에서 제시한 방법론을 구현한 소스코드를 분석합니다. 👀
너무 어렵게 들리시죠?
전혀 그렇지 않습니다.

AI Application 에서는 복잡한 로직도 간단하게 자연어로 지시하면 됩니다.
그러면 AI 가 알아서 그 복잡한 로직을 처리합니다.

AI 시대 앱 개발은 주요 기능이 자연어로 처리 될 겁니다.
왜냐하면 AI 가 중요한 일을 처리할 것이고 AI 는 자연어를 알아 듣기 때문입니다. 🗣️🧠
기존 프로그래밍 언어로 코딩을 해야 하는 부분들도 물론 있죠.
이것도 점점 Vibe Coding 으로 처리 될 겁니다.

AI 시대 이제 중요한 것은 코딩이 아니라 문제를 푸는 방식과 아이디어입니다.

이 비디오에서 논문에서 제시한 복잡한 로직이 어떻게 자연어로 간단히 구현 되는지 직접 눈으로 확인 해 보세요.

✅ 이 영상에서 확인할 수 있는 것들:

자연어로 복잡한 논리를 어떻게 자연어로 구현하는지

AI 가 추론 방법론을 직접 선택해서 사용하게 하는 방법

논문 속 복잡한 개념이 어떻게 간단한 Python 코드로 바뀌는지

아이디어만 있다면 누구나 앱을 만들 수 있는 시대의 실체

📌 코딩 실력보다 아이디어가 더 중요한 시대,
이 영상을 보시면 왜 모두가 개발자가 될 수 있는지 알게 되실 겁니다.

🎯 이제 중요한 건 이것 하나: 💡 아이디어!

https://youtu.be/9qps2hRS_eE?si=EWjpNvXquHEm_Fy9

지난 시간에 Reflexion 추론 방법론에 대한 논문을 자세히 분석했습니다.
그 논문 제목은 Reflexion: Language Agents with Verbal Reinforcement Learning 이었는데요.

오늘은 그 논문에서 제시한 추론 방법론을 어떻게 AI Application으로 구현하는지에 대해 배웁니다.

LangGraph 의 Tutorial 소스코드를 자세하게 분석해 드립니다.
그리고 계속 AI Application 개발을 공부하면서 느낀 저만의 Insight도 공유해 드립니다.

프로그래머는 기계와 소통할 수 있는 언어 (Programming Language)로 어플리케이션을 만들죠?
AI는 인간의 언어를 사용합니다.
그렇기 때문에 개발자로서 AI 를 이용해서 어플리케이션을 만들려면 이 둘 사이에 통역을 잘 해야 합니다.

그리고 질문 할 때마다 달라지는 AI 의 응답을 로직으로 컨트롤 할 수 있을 정도의 패턴을 유지하도록 해야 합니다.

그런 것들을 달성하기 위해 사용되는 것이 Structured Output 을 유도하는 Prompt들과 함수들의 조합입니다.

오늘 비디오에서는 기존 프로그래밍과 다른 AI 어플리케이션의 프로그래밍에 대해 자세히 알려 드립니다.

https://youtu.be/PcZLXQup_Jk

오늘 강좌에서 사용된 소스코드가 있는 CoLab 페이지는 아래와 같습니다. https://colab.research.google.com/drive/1XlaiMjB63EfkBAm5BfqUBe--Tqxvh32x?usp=sharing

오늘은 Reflexion 추론 방법론에 대한 논문을 알기 쉽게 설명합니다.

어려울 게 하나도 없습니다.
AI 는 사람 다루듯이 하면 됩니다.
(기계라고 생각하지 마세요.)

사람들도 일이 잘 안되면 지금까지 한 일을 차근 차근 되짚어 보고 잘 된 부분과 잘 못된 부분을 생각한 다음 개선해 나갑니다.

AI 에게도 일 할 때 그렇게 자기가 한 일을 잘 성찰(Reflixion) 하라고 시키면 됩니다.

LangGraph 의 Reflexion Tutorial 소스코드를 분석하기 전에 이 튜토리얼이 참고한 Reflexion 논문을 먼저 설명해 드립니다.

성장 과정에서 어른 들로 부터 받았던 교육이 생각 나실 겁니다.
자아 성찰, 반추, 반성 뭐 그런 말들이요.

그럼 AI 의 성능을 좀 더 높일 수 있는 Reflexion 추론 방법론을 배워보시죠.

https://youtu.be/7G3ekIuU7iw

개발자로 20여년 훌쩍 넘게 생활하다가 다시 AI 를 새롭게 공부하고 있습니다.
그동안 주위에서 비지니스 아이디어는 많은데 그것을 어플리케이션으로 개발할 수 없어서 아쉬워 하는 분들을 많이 보았습니다.

이번 비디오를 만들면서 그런 분들이 생각이 났었습니다. 그리고 AI 시대에는 그런 분들에게 좀 더 많은 기회가 생길 거라고 확신합니다.

코딩을 못해도, 이젠 AI와 함께 앱을 만들 수 있는 시대입니다.
이번 영상에서는 LangGraph의 Basic Reflection 구현 소스코드를 분석하며,
AI와 인간이 함께하는 앱 개발 방식, 그리고 AI시대에서 우리가 준비해야 할 역량에 대해 이야기합니다.

"아이디어는 많은데, 코딩을 몰라서 앱 개발 꿈도 못 꾸셨나요?"
이제 AI가 도와줍니다.
이번 영상에서는 AI가 스스로 개선하는 'Reflection' 기법과 함께,
어떻게 누구나 AI시대의 앱 개발에 뛰어들 수 있는지 함께 살펴봅니다.

처음에 개발자 시각에서 AI App Development를 공부하기 시작했는데…
계속 하다 보니까 AI 연관된 부분은 기존의 개발 역량과는 또 다른 역량이 필요하더라구요.
AI 는 좀 더 인간의 사고와 비슷하게 흘러갑니다.

그래서 요즘은 추론방법론과 Vibe coding 위주로 공부하고 있습니다.

오늘은 추론 방법론 중 하나인 Reflection 의 기초를 배웁니다.
여러분이 이미 어렸을 때 어른들로 부터 배웠던 겁니다.
AI 를 잘 사용하려면 어떻게 다루어야 하는지 감이 잡히실 겁니다.

👉 개발자든 아니든, 지금이 시작할 타이밍입니다!

https://youtu.be/fm66HVDpt7Y?si=JEdi5k_UBdviiYp1

한국인이 만든 추론 방법론 LLMCompiler 마지막 시간입니다.

이 추론 방법론을 소스코드로 어떻게 구현할 수 있는지 LangGraph Tutorial 을 보면서 자세하게 분석합니다.

LangSmith 를 활용하면 복잡한 로직과 Flow를 좀 더 쉽게 파악할 수 있습니다.
AI App 개발자가 되고 싶으신 분들은 꼭 사용하실 것을 권해 드립니다.

그리고 AI 에게 일을 잘 시키는 프롬프트는 어떻게 만들어야 할까 궁금하신 분들...
모범 프롬프트들이 쌓여 있는 곳이 많이 있습니다.
이 비디오에서는 LangChain hub라는 곳을 소개합니다.

개발자는 아니지만 AI 를 잘 활용하고 싶으신 분들에게 좋은 정보가 될 겁니다.

LangSmith로 디버깅·트레이싱까지 단숨에 배우고, LangChain Hub의 풍부한 프롬프트 템플릿을 활용해 보세요.

AI의 미래가 궁금한 일반인부터, 실제로 추론 로직을 코드로 구현하고 싶은 개발자까지
누구나 한 편만 보면 감이 잡히는 LLMCompiler 강의 마지막 시간!

지금 클릭하고, AI 시대의 핵심 역량을 선점하세요.

https://youtu.be/obIAf97IsjU

오늘은 LLMCompiler 두번째 시간입니다.
제가 그동안 정리했던 AI Application Flow 에 대한 Insight를 공유합니다.
AI 어플리케이션이 기존의 Traditional Application 과 다른 점을 설명합니다.
그리고 그 둘을 어떻게 연결하는지도 보여 드리구요.

처음 AI Application Flow 를 설명하는 부분은 개발자가 아닌 분들도 보시면 AI Application을 이해하는데 도움이 될 겁니다.

그리고 LLMCompiler Tutorial 에서 제공하는 소스코드를 분석하면서 그 Flow 가 소스코드로 어떻게 구현되는지 자세히 설명합니다.

이 부분은 AI Application 개발에 관심이 있으신 분들에게 도움이 될 겁니다.


또한 이 소스코드를 실행하고 LangSmith 의 Tracing 기능을 통해 실제로 그 Flow 가 진행되는 과정을 직접 보여 드립니다.

이 부분은 개발자와 비개발자 모두에게 AI Application Flow 가 실제로 어떻게 실행되는지 직접 눈으로 보실 수 있어서 이해에 도움이 될 겁니다.



여기서 제공되는 AI Application Flow 는 제가 고민했던 내용을 정리한 것입니다.
다른 곳에서는 보실 수 없을 겁니다.

일부에서 AI 시대에는 코딩을 배울 필요가 없다라고 말하는 사람들도 있습니다.
하지만 저는 생각이 다릅니다.

AI 시대에 왜 코딩을 배워야 하는지 그리고 어떤식으로 배워야 하는지 직접 확인해 보세요.


그리고 여러분들의 의견 환영합니다.

https://youtu.be/lBPidxUL8zg

드디어 한국인이 만든 추론 방법론을 배웁니다!

LLMCompiler

한국스럽게 '빠르고, 정확한' AI Agent 만들기

오늘은 LangGraph Tutorial에서 제공하는 추론 방법론의 마지막 시간입니다.

드디어 한국인이 주축이 되어 만든 추론 방법론, LLMCompiler를 배워 봅시다!
역시 한국스럽게, 이 추론 방법론을 사용하면 '싸게, 빨리빨리, 그리고 정확한' AI Agent를 만들 수 있습니다.

기존처럼 하나씩 순차적으로 처리하는 방식이 아니라, 병렬적으로 여러 작업을 동시에 해결하여
효율성은 물론, 비용 절감과 정확도 향상까지 노리는 방법을 살펴봅니다.

특히 AI 에이전트(Application) 개발에 관심 있는 분들께 큰 도움이 되며,
IT 전문 지식이 많지 않은 일반 시청자도 AI 시대 교양 차원에서 재미있게 볼 수 있을 거예요.

LLMCompiler로 차세대 AI Agent를 를 한층 쉽게 만드는 방법을 알려드립니다!

https://youtu.be/PSTsSCvuoMk