Agentic RAG란 무엇인가: 검색만 하는 RAG와 스스로 판단하는 RAG는 어디가 다를까
Agentic RAG와 기존 RAG의 차이를 query rewrite, document grading, retrieval loop, LangGraph 흐름으로 설명합니다. 검색 품질이 흔들릴 때 무엇을 자동화하고 무엇은 평가로 남겨야 하는지 실무 기준으로 정리합니다.
-
-
AI 에이전트 실전 설계 시리즈 (10) – 작은 업무 자동화 에이전트 설계 예제
작은 업무 자동화 에이전트를 예제로 tool, resource, memory, eval, tracing, approval을 하나의 구조로 묶어 설명합니다. 운영 가능한 AI 에이전트 최소 아키텍처와 승인 기준을 함께 정리합니다.
-
AI agent success rate는 어떻게 측정할까: 한 번의 답변보다 작업 완료율을 봐야 하는 이유
AI agent success rate를 task success, tool call accuracy, retry count, human handoff, regression test 기준으로 측정하는 방법을 정리합니다.
-
한국어 RAG에서 chunk size는 왜 더 까다로울까: 조사, 문단, 표를 어떻게 나눌지 정리
한국어 RAG에서 chunk size를 정할 때 조사, 문단, 표, overlap, retrieval 평가를 어떻게 봐야 하는지 설명합니다. 숫자보다 의미 경계와 평가셋을 먼저 봐야 하는 이유와 실무 점검 순서를 정리합니다.
-
AI 에이전트 실전 설계 시리즈 (9) – MCP 보안과 권한 설계 기준
MCP 보안을 OAuth, 최소 권한, human in the loop, confused deputy, tool guardrail, 실행 로그 기준으로 나눠 설명합니다.
-
LangGraph, CrewAI, AutoGen은 무엇이 다를까: AI agent 프레임워크를 고르는 기준
LangGraph, CrewAI, AutoGen을 graph workflow, multi-agent role, tool orchestration, state 관리 기준으로 비교합니다.
