AI 요약관련 정보

• LLM 모델들의 성능이 유사해짐에 따라, 원하는 결과를 얻기 위해 컨텍스트 수집 및 관리가 점점 더 중요해지고 있습니다. 🧠
• 가장 기본적인 방법은 텍스트나 이미지를 LLM에 직접 복사-붙여넣기 하는 것이지만, 재사용에는 비효율적입니다. 📋
• 재사용성을 높이기 위해 IDE 내 'docs' 폴더에 문서를 저장하고 태그하여 프로젝트별로 활용 및 업데이트할 수 있습니다. 📁
• LLM 자체 또는 IDE의 웹 검색 기능을 통해 최신 정보를 컨텍스트로 가져올 수 있으나, LLM이 출처를 결정하므로 정확도가 떨어질 수 있습니다. 🌐
• Brave, Fetch와 같은 맞춤형 MCP 서버 도구를 사용하여 검색 쿼리를 정밀하게 제어하고 특정 URL에서 정보를 추출하여 컨텍스트로 활용할 수 있습니다. 🛠️
• 가장 고급 방법은 MCP RAG 서버를 구축하여 전체 문서를 벡터 스토어에 저장하고, LLM이 이 서버를 통해 관련 정보를 검색하여 정확하고 효율적인 컨텍스트를 제공하는 것입니다. 🚀
• 궁극적으로, 프로젝트에 가장 관련성 높은 컨텍스트를 능동적 또는 동적으로 LLM에 제공하여 AI 워크플로우를 최적화하고 더 나은 결과를 얻는 것이 핵심입니다. ✨