각 가이드는 독립적으로 읽을 수 있지만, LLM 기초 → Prompt Engineering → Agent 아키텍처 순서로 읽으면 이해가 더 수월합니다.
대상 독자
- SE/SA: 고객 데모 및 PoC 수행 시 GenAI 배경지식이 필요한 경우
- 파트너 엔지니어: Databricks 기반 GenAI 솔루션을 설계하는 경우
- 고객 기술 리더: AI 전략 수립 시 기술 개념을 파악하고 싶은 경우
주요 개념 가이드
| 가이드 | 설명 | 난이도 |
|---|---|---|
| NLP에서 LLM까지 | 규칙 기반 → Word2Vec → Attention → Transformer | 입문 |
| LLM 기초 | Transformer, 토큰, 컨텍스트 윈도우, Hallucination | 입문 |
| Prompt Engineering | Zero-shot/Few-shot/CoT, System Prompt, Injection 방어 | 입문~중급 |
| AI Agent 아키텍처 | ReAct, Tool Use, 메모리, 멀티에이전트 | 중급 |
| Agent 프레임워크 | LangChain/LangGraph/CrewAI/Databricks AF 비교 | 중급~고급 |
| A2A 프로토콜 | Agent-to-Agent 통신 표준, MCP 결합 | 중급~고급 |
| Agent 생태계 | OpenAI/Anthropic/Google/AWS 전략 비교 | 중급 |
| Agent UI | Streamlit/Gradio/Chainlit/Databricks Apps | 중급 |
| 평가 | Faithfulness/Relevance, LLM-as-Judge, MLflow | 중급 |
| AI 성숙도 | 4단계 성숙도 모델, 자가 진단 체크리스트 | 전략 |
역할별 추천 경로
| 역할 | 추천 순서 | 소요 시간 |
|---|---|---|
| GenAI 입문자 | NLP 발전사 → LLM 기초 → Prompt Engineering | 3~4시간 |
| Agent 개발자 | LLM 기초 → Agent 아키텍처 → Agent 프레임워크 → 평가 | 5~6시간 |
| 기술 리더 | AI 성숙도 → LLM 기초 → Agent 아키텍처 | 2~3시간 |
핵심 용어 10선
| 용어 | 설명 |
|---|---|
| LLM | 수십억 파라미터로 학습된 대규모 언어 모델 |
| Transformer | Self-Attention 기반의 현대 LLM 아키텍처 |
| RAG | 외부 문서를 검색하여 LLM에 컨텍스트로 제공하는 패턴 |
| Agent | LLM + 도구 사용 + 추론 루프를 결합한 자율 시스템 |
| MCP | LLM과 외부 도구/데이터를 연결하는 표준 프로토콜 |
| Fine-tuning | 사전 학습 모델을 도메인 데이터로 추가 학습 |
| Hallucination | 모델이 사실이 아닌 내용을 자신있게 생성하는 현상 |
| Embedding | 텍스트를 벡터 공간에 매핑한 수치 표현 |
| CoT | Chain-of-Thought — 단계적 추론 유도 프롬프트 기법 |
| Guardrails | LLM 입출력 필터링으로 안전성을 확보하는 장치 |
전체 용어는 Databricks 소개 → 용어 사전 에서 확인하세요.
다음 단계
- GenAI가 처음이라면 → NLP 발전사 → LLM 기초
- Agent 개발에 관심이 있다면 → AI Agent 아키텍처
- 조직 전략을 수립 중이라면 → AI 성숙도
- 실습을 원한다면 → RAG 가이드 또는 Agent Bricks