IT 기술 따라잡기

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

이번 시간은 ReWOO (Reasoning without Observation) 추론 방법론을 구현한 소스코드를 분석하는 시간입니다.

먼저 처음 시작할 때 AI 시대 IT 직종에 직업을 구하시거나 계속 유지하고 싶으신 분들께 도움이 될 내용을 다뤘습니다.

제가 25년간 한국과 미국에서 IT Engineer로 근무했던 경험과 계속 AI App 개발을 공부하면서 생각해 왔던 것을 공유합니다.

Every app will be reinvented with AI.

지금 존재하는 모든 앱은 AI로 다시 태어날 것입니다.

그렇다면 AI 를 기존 앱에 접목 시키거나 새로운 AI 앱을 개발할 때 어떤 능력을 가진 인재가 필요할까요?

당연히 AI 앱 개발과 관련된 지식이 있는 인재가 필요할 것입니다.

그 AI 앱 개발 관련 지식이 어떤 것들인지 그리고 곧 닥칠 수 많은 AI 앱 개발 프로젝트들에서는 어떤 팀 구성원이 새로 필요하게 될지 고민한 내용을 공유합니다.

 AI 시대, 여러분의 커리어와 비즈니스 경쟁력을 높이는 데 도움이 되길 바랍니다!

https://youtu.be/_MnR4K59fVg?si=jg5n4o2xQoetXli2

그동안 Application 개발은 프로그래밍 언어를 배운 사람들만의 전유물이었다면,

AI Application 개발은 그렇지 않은 사람들에게도 어플리케이션 개발의 기회를 줍니다.

AI 는 인간의 언어를 이해하고 인간의 언어를 통해서 작동되는 툴이라서 그렇습니다.

이 추론은 AI 로 부터 좀 더 Quality 높은 답변을 받도록 하는 기술 입니다.

이 부분이 바로 인간의 언어로 프로그래밍 할 수 있는 부분입니다.

이 기술을 배우면 굳이 AI 어플리케이션 개발 뿐만 아니라 일상 생활에서도 AI 를 좀 더 잘 활용하는데 도움이 됩니다.

이 비디오는 AI Agent Application 개발에 관심이 있는 분들을 대상으로 만들어 졌지만
IT 전문가가 아니더라도 알아두면 도움이 될 만한 추론 관련 정보를 얻으 실 수 있을 겁니다.

-------------------------------------------------------------------

오늘은 본격적으로 REWOO 추론 방법론 LangGraph Tutorial 을 공부를 시작합니다.

AI Agent Application을 개발 하다 보면 도구 사용 관련해서 빈번하게 LLM API call 이 이뤄지게 됩니다.
이 추론 방법론은 추론과 도구사용을 분리함으로서 API call을 줄여 비용 절감을 할 수 있게 해 줍니다.
게다가 성능 향상까지 이루어 줍니다.

이 REWOO 추론 방법론이 비용절감과 성능향상을 동시에 이룰 수 있었던 비밀을 제대로 파헤쳐 보겠습니다.

https://youtu.be/qtob6xrZLwM?si=CctYX3di5F2XjoNi

이번 영상에서는 LangGraph의 Plan & Execute 추론을 다룬 소스코드 분석 마지막 편입니다.

소스코드 분석이지만 개발자가 아닌 분들도 보시면 재미 있으실 겁니다.

AI 분야에서 추론은 어떻게 진행되는지 한번 확인해 보세요.

사용자의 질문을 작은 Task들로 나누고, 이를 하나하나 단계적으로 실행하면서 **Re-plan(재계획)**하는 과정을 구현했습니다.

이러한 접근 방식 덕분에, 더 높은 수준의 정보를 사용자에게 제공할 수 있는 AI Agent를 만들 수 있습니다.

🎯 과연 이 방식이 ChatGPT, Claude, DeepSeek, Perplexity 같은 최신 AI 모델들과 비교했을 때 어떤 차이를 보일까요?

실험을 위해 **"가장 유명한 K-Pop 걸그룹의 각 멤버 생일을 알려줘"**라는 질문을  AI 모델들에게 던졌습니다:

비디오에서 이 소스코드가 답한 내용과 현재 가장 성능이 좋은 AI 모델들이 답한 내용을 비교해 보세요.

특히 DeepSeek R1 의 추론과 답은 놀랍더라구요.

https://youtu.be/dtyjji0Mgxo?si=1_SFwLZDKvTs5Htk