AI 요약관련 정보

• 컨텍스트 엔지니어링은 LLM의 컨텍스트 창 내에서 정보 관리 및 최적화를 목표로 함 🛠️
• 컨텍스트 포이즈닝, 주의 산만, 혼란, 모순 등 컨텍스트 실패 모드를 해결하는 것이 중요함 ⚠️
• RAG(검색 증강 생성)는 관련 정보를 선택적으로 추가하여 LLM 응답을 개선하는 방법임 🔍
• 컨텍스트 가지치기는 불필요한 정보를 제거하여 모델의 집중력을 향상시킴 ✂️
• 요약은 컨텍스트를 압축하여 정보 손실 위험을 줄이면서 토큰 사용량을 줄임 📝
• 컨텍스트 오프로딩은 정보를 LLM 컨텍스트 외부(예: 파일, 데이터베이스)에 저장하여 컨텍스트 창 제한을 극복함 💾
• Langraph의 상태 객체는 에이전트 실행 전반에 걸쳐 정보를 저장하고 관리하는 데 유용함 🧠
• 장기 메모리 저장소를 사용하여 에이전트의 여러 세션 간에 정보를 유지할 수 있음 📚
• 컨텍스트 엔지니어링은 토큰 사용량 최적화 및 LLM 성능 향상에 필수적임 🚀