개발자가 될래요

회고 방식The four FsFACTS(사실, 객관) : 이번 일주일 동안 있었던 일, 내가 한 일FEELINGS(느낌, 주관) : 나의 감정적인 반응, 느낌FINDINGS(배운 것) : 그 상황으로부터 내가 배운 것, 얻은 것FUTURE(미래) : 배운 것을 미래에는 어떻게 적용할 지FACTS 이번 주는 크게 3개의 덩어리로 공부가 진행됐다.1. 검색 성능 최적화(RAG Retrieval 파이프라인)- 인덱싱, BM25와 Dense를 비교, RRF, 질의 증강(Hyde) 등으로 이어지며 검색 품질을 단계적으로 올리는 실습을 했다. 2. 에이전트(LangGraph 중심)- 단일 턴 챗봇 -> 도구 호출 -> MCP 서버 연동 -> 메모리 -> HITL -> Custom State(업무용)으로 챗봇을 확장..

회고 방식The four FsFACTS(사실, 객관) : 이번 일주일 동안 있었던 일, 내가 한 일FEELINGS(느낌, 주관) : 나의 감정적인 반응, 느낌FINDINGS(배운 것) : 그 상황으로부터 내가 배운 것, 얻은 것FUTURE(미래) : 배운 것을 미래에는 어떻게 적용할 지FACTS이번 주는 LLM을 호출하는 단계에서 더 나아가, LangChain 기반으로 구성 요소를 조립해서 만드는 방식을 집중적으로 다뤘다. 1. Fine-tuning 결과물 사용 (sarcastic chatbot)- 이미 만들어진 파인튜닝 모델 ID를 지정하고, 시스템 프롬프트로 답변 말투를 고정한 뒤, 호출하는 형태를 실습했다.FINE_TUNED_MODEL = "ft:gpt-4.1-mini-2025-04-14..."SY..

회고 방식The four FsFACTS(사실, 객관) : 이번 일주일 동안 있었던 일, 내가 한 일FEELINGS(느낌, 주관) : 나의 감정적인 반응, 느낌FINDINGS(배운 것) : 그 상황으로부터 내가 배운 것, 얻은 것FUTURE(미래) : 배운 것을 미래에는 어떻게 적용할 지FACTS이번 주는 LLM에 대해 배우며, LLM을 이해하고, OpenAI의 API를 이용해 어떻게 프롬프트를 작성해보고 그 구성에 대해 공부했다. LLM 개념 정리 LLM이 “다음 토큰을 확률적으로 예측”하는 모델이라는 점, 그리고 거대한 파라미터가 지식을 ‘압축’한 형태라는 점을 정리했다.In-context learning(프롬프트 안의 예시로 즉석에서 문제를 푸는 방식)과 창발 능력 같은 키워드를 정리했다.프롬프트 엔..