AI Study25 [AI Agent] RAG를 이용한 문서 기반 LLM 생성하기 RAGRAG ( Retrieval Augmented Generation ) 란,LLM이 외부 지식(DB,문서 등)을 검색해서 답변을 생성하도록 하는 기법이다 [R] Retrieval (관련 문서 검색)관련 문서를 검색하려면 다음과 같은 과정을 거쳐야 한다 1. File을 Load할 수 있는 코드 2. Load된 정보를 Chunk로 나누는 코드 3. 나누어진 정보를 저장하는 Vector DB 4. Vector DB를 탐색하는 Retriever 이렇게 하면 파일에서 정보들을 추출하여 문서기반 LLM을 생성할 수 있다 [A] Augmented (검색결과로 정보를 보강)위에 Retriever가 물고온 context, 즉 문서 정보와 사용자의 질문을 합쳐 프롬포트를 생성한다는 것이다- 이때 .. 2026. 3. 11. Agent Tool Call 구현 및 Tool 호출에 따른 조건 추가하기 Tool CallTool Call 방식은 Agent가 유기적으로 상황에 필요한 Tool을 호출하고 그거에 대한 답변을 반환하는 방식이다그렇기 때문에 당연히 LLM을 로드하는 것부터가 시작이다class My_Agent: def __init__(self): self.name = 'My_Agent' self.my_llm = ChatOpenAI( openai_api_base=base_url, openai_api_key=api_key, model="gpt-5.2", temperature=0 )대부분 Tool을 사용한다는 것은 일정한 대답을 원하는 경우가 많기 때문에LLM의 temperature.. 2026. 2. 3. LangGraph, Agent의 Description, Doc-string Yaml로 관리법 Doc-string 관리Agent를 LangGraph로 구현해서 사용하다 보면run 함수나 tool 정의에 있어서 다음과 같은 Error 가 나온다ValueError: Function must have a docstring if description not provided해결방법은 생각보다 단순한데 그냥 해당 오류가 나오는 곳에 doc-string으로 description을 적어서Agent에게 해당 함수를 설명해 주면된다@tool("Second_tool", return_direct=True)def Second_tool(param1: str, param2: int) -> str: ''' 이것은 나의 두번째 tool 입니다 ''' logger.info(f"MY First Tool")근데.. 2026. 2. 3. 지수가중이동평균 (EWMA) Python 설명 EWMA (Exponentially Weighted Moving Average) : 지수가중이동평균EWMA는 주로 시계열 데이터에 사용된다 (시간에 영향이 있는)- 최근 데이터에서는 큰 비중(Weighted)을 적용하고 시간이 오래된 데이터에는 가중치를 적게 주는 방식 - 여기에서 비중(Weighted)의 차이를 지수를 이용하여 (Exponentially) 구하게 된다 - 만약 여기에서 비중 없이 일정한 가중치를 두게 된다면 그걸 (SMA : Simple Moving Average)라고 한다다음 식을 보면 t를 해당 시점이라고 생각 하고 a 가 0~ 1사이의 값을 가져서 곱해질 수록 작아진다는 관점으로 보면새로운 데이터(최근 데이터) 가 나올 수록 과거의 데이터는 a가 계속 곱해지게 되며 작아.. 2026. 1. 21. PyOD 모델별 정리 초반에는 Orion의 AER 모델을 사용하다가 모델 성능은 좋지만GPU 메모리 사용량과 추론 시간이 너무 오래 걸려서 PyOD를 검토 1. 초기 설정해당 링크에 오픈소스로 공개되어 있다https://github.com/yzhao062/pyod/tree/master GitHub - yzhao062/pyod: A Python Library for Outlier and Anomaly Detection, Integrating Classical and Deep Learning TechniquesA Python Library for Outlier and Anomaly Detection, Integrating Classical and Deep Learning Techniques - yzhao062/pyodgithub.. 2025. 12. 3. [AI Agent] ollama 외부 연결 Setting(Container + local) 하고자 하는 목표는 다음과 같다. local 환경의 ollama : port 11500 사용Container 기반의 ollama : port 11434 사용이렇게 하면 두 환경 모두 사용이 가능하지 않을까 라는 생각 1. local 환경 세팅 (Window)https://aisj.tistory.com/245 Ollama를 이용한 환경 세팅Ollama를 왜 사용하냐?그냥 너도 나도 LLM 모델을 Ollama에 올리길래Hugging Face 말고 Ollama 써봐야지 하고 환경 세팅을 해봤다 Ollama의 장점은- 오프라인 LLM 이 가능하다는 것이다 (인터넷없이 개인 PC에aisj.tistory.com여기에서 받은 ollama에서 시작을 해보자 지금 port가 11434로 되어 있는데 이것을 11500으로.. 2025. 10. 30. 이전 1 2 3 4 5 다음
