AI 요약관련 정보

• LLM을 활용하여 애플리케이션에 AI 기능을 쉽게 추가할 수 있습니다. 🚀
• Deno와 Jupyter Notebook을 통해 JavaScript/TypeScript에서도 LLM 작업을 효율적으로 수행할 수 있습니다. 🦕
• Ollama 프레임워크를 사용하여 로컬 환경에서 LLM을 실행하고, DeepSeek R1 모델을 활용합니다. 🦙
• LangChain 라이브러리를 통해 LLM과의 일관된 인터페이스를 제공받고, Zod를 사용하여 데이터 스키마를 정의하고 검증합니다. 🔗
• RAG(Retrieval Augmented Generation) 에이전트를 구축하여 도메인 지식 기반의 AI 챗봇을 만들 수 있습니다. 🤖
• AI 에이전트는 블로그 게시물을 검색하고, 관련성을 평가하며, 쿼리를 개선하여 응답을 생성합니다. 🔍
• 그래프 구조를 사용하여 에이전트의 사고 과정을 시각화하고, 각 노드(검색, 평가, 재작성, 생성)를 연결합니다. 🗺️
• 에이전트는 필요에 따라 문서를 검색하고, 쿼리를 재작성하며, 최종적으로 정보를 바탕으로 답변을 제공합니다. ✅
• Deno는 Jupyter Notebook에서 워크플로우의 시각적 표현을 지원합니다. 👁️
• 테스트 질문을 통해 에이전트가 전체 흐름을 거쳐 정확하고 정보에 입각한 답변을 제공하는 것을 확인할 수 있습니다. 🧪