의도 분류(Intent Classification) 이란?사용자의 발화(질문/요청)가 무엇을 원하는지(목적·요구) 파악해 AI 가 어떤 행동이나 응답을 할지 결정하도록분류하는 기술이다.즉, 자연어 → 태그(의도 라벨)로 변환하는 과정이다. 의도 분류가 필요한 경우의도 분류가 필요한 건 LLM 이 단순 대답이 아니라, "외부 도구/기능"을 선택해야 할 때에 필요하다.꼭 의도분류가 필요한건 아니고 기본적인 텍스트 입력 → 텍스트 출력만 필요하다면 LLM만 있어도 된다. 예시User: "서울 날씨 알려줘"=> 그냥 답변(X), 날씨 API 호출(O)User: "PDF 요약해줘"=> PDF 파일 리트리버 실행(O)User: "DB에서 사용자 목록 보여줘"=> SQL 실행 도구 선택(O)이런 상황에서는 LLM 이..

리트리버(Retriever) 란?RAG 에서 핵심 구성요소인 리트리버는 LLM 이 원하는 정보를 정확히 찾을 수 있도록 도와주는 검색 엔진 역할을 한다. ✅ 요약 리트리버(Retriever)는 사용자의 질문(프롬프트)을 벡터로 변환하고, Vector Store 에 저장된 문서 벡터들과 비교해서관련성(유사도)이 높은 문서 조각들을 찾아주는 역할을 한다. 📦 전체 구조에서의 위치 (RAG 흐름 다시 보기) 문서 수집(PDF 등)텍스트 추출Text Split(문장, 단락 등 조각으로 나누기)Embedding(나눠진 문서 조각들을 수치들로 변환하는 벡터화)벡터(Vector) db 에 저장 ← [이건 준비 단계]❓ 사용자가 질문함✅ 리트리버(Retriever)가 관련 문서 찾음관련 문서 + 질문 → LLM..

RAG(Retrieval-Augmented Generation) 이란?일반 LLM 은 사전에 학습된 데이터만으로 답을 생성하지만, RAG 는 외부 지식(PDF, 문서, DB)을 검색해서 그걸 바탕으로더 정확하고 구체적인 답을 생성한다. 즉, RAG 는 LLM 에 외부 지식 소스를 연계하여 사전 학습된 내용뿐만 아니라 우리가 필요한 내용도 학습시켜 검색할 수 있는기술이다. 📘 예시 상황: PDF 파일을 LLM이 이해하게 하려면?PDF → 텍스트 추출 → (1) Text Split → (2) Embedding → (3) Vector Store 저장 → 사용자의 질문 → (4) 유사도 검색 → (5) 관련 문단 가져옴 → (6) LLM에 프롬프트로 전달 → 답변 생성 ✅ 각 단계 설명📌 1. Text ..

LLM 이란?말 그대로 사람이 쓰는 자연어(예: 한국어, 영어)를 이해하고 생성할 수 있도록 만들어진 인공지능 모델 📌 예시 ChatGPT, Kanana, Claude, Gemini, LLaMA 등전부 LLM 기반이다 🎯 LLM이 할 수 있는 일 질문에 대답하기글쓰기(기사, 편지, 시, 코드 등)요약, 번역문법 교정대화 나누기코드 분석 및 생성 🧱 어떻게 만들어졌을까? 수십억 개의 문장, 웹 페이지, 책, 코드 등을 학습단어들 사이의 관계, 문맥, 문법 등을 이해하는 방식 💬 2. 프롬프트(Prompt)란? LLM 에게 던지는 입력 문장 또는 질문이다.쉽게 말하면, LLM 에게 일을 시키는 명령문 또는 대화의 시작이다. 📌 예시 프롬프트LLM의 반응“고양이에 대한 시를 써줘”🐱에 대한 시..