[목 차]
[Part 01 랭체인 시작하기]
Chapter 01 인공지능 시인과 ChatPDF 서비스 이해
인공지능 시인
ChatPDF
수익화 방식
기술 스택
Chapter 02 랭체인과 GPT 모델 이해
LLM이란
랭체인이란
랭체인을 배우는 이유
랭체인 v0.3
OpenAI 플레이그라운드로 GPT 모델 이해하기
Chapter 03 기본 개발 환경 설정
비주얼 스튜디오 코드 환경 설정
파이썬 환경 설정
환경변수 설정
랭체인 환경 설정
LLM 체인
Miniconda 설정
랭스미스 설정
[Part 02 랭체인 기초 실습]
Chapter 04 음식, 식당, 숙박 리뷰 평가 AI 만들기
음식 리뷰 평가 AI 만들기
식당 리뷰 평가 AI 만들기
LCEL 기반 숙박 시설 리뷰 평가 AI 만들기
Chapter 05 인공지능 시인 만들기
구현할 서비스 구조
LLM 체인 생성
Streamlit 기초
프런트엔드 구현
실전 배포
Chapter 06 다국어 이메일 생성기 만들기
Ollama 설치 및 환경 설정
이메일 응답 생성
Streamlit 앱 구성
[Part 03 문서 임베딩을 활용한 Q&A 서비스]
Chapter 07 ChatPDF 만들기
구현할 서비스 구조
도큐먼트 로더
텍스트 분할기
임베딩
벡터 저장소
검색기
생성기
프런트엔드 구현
실전 배포
웹 서비스 수익화
스트리밍 구현
Chapter 08 현진건 작가님 봇 만들기
Responses API란
OpenAI 플레이그라운드로 파일 검색 도구 이해하기
Responses API 연동
프런트엔드 구현
[Part 04 RAG 기법을 활용한 유사성 검색 서비스]
Chapter 09 FAISS 인덱스 생성
FAISS란
텍스트 데이터 청크 분할
인덱스 생성
Chapter 10 FAISS VectorDB로 유사성 검색 구현
쿼리 기반 유사 문서 검색
임베딩 벡터로 문서 유사도 검색
Chapter 11 RAG 기반 대규모 텍스트 검색 구현
FAISS 인덱스 생성
문서 포매팅과 답변 생성
[Part 05 고급 RAG 기법을 활용한 뉴스 검색 서비스]
Chapter 12 Multiquery 기반 뉴스 검색 시스템 만들기
Multiquery + Unique-union 기법
Multiquery + RAG Fusion 기법
Chapter 13 하이브리드 검색 시스템 만들기
Hybrid Search를 활용한 고급 RAG 시스템 구축
Multiquery + Hybrid Search + RAG Fusion 기법
Multiquery + Hybrid Search + RAG Fusion + Streamlit 기법
[Part 06 멀티모달 데이터를 활용한 통합형 서비스]
Chapter 14 멀티모달 데이터 RAG 시스템 만들기
멀티모달 RAG 개요
멀티모달 RAG 아키텍처
패키지 설치 및 JupyterLab 환경 설정
데이터 추출 및 분할
다중 벡터 검색기
멀티모달 RAG 체인
Chapter 15 FashionRAG: 이미지 기반 스타일링 어시스턴트
FashionRAG 시스템 이해
Fashionpedia 데이터셋 로드
Base64 인코딩
Chapter 16 시/소설 생성 서비스 만들기
LangServe와 FastAPI로 애플리케이션 구성
OpenAI와 Ollama 모델의 비교
Streamlit으로 인터페이스 구축
[Part 07 랭그래프와 Agentic RAG를 활용한 에이전트]
Chapter 17 도구를 사용하는 AI 에이전트 만들기
시스템의 주요 구성 요소
에이전트와 도구 통합
Chapter 18 랭그래프를 활용한 AI 에이전트 만들기
랭그래프의 주요 기능
워크플로 그래프 생성 및 상태 관리
워크플로 그래프 시각화 및 에이전트와 상호작용
Chapter 19 Agentic RAG로 지능형 정보 검색 시스템 만들기
에이전트의 흐름
에이전트 상태 정의
워크플로 그래프 생성
[Part 08 CrewAI를 활용한 협업형 에이전트]
Chapter 20 다중 에이전트 블로그 작성기
인공지능 에이전트의 특성
에이전트 정의
수행 작업 정의
Chapter 21 FastAPI, CrewAI 기반 블로그 콘텐츠 생성기
에이전트 정의
수행 작업 정의
CrewAI 로직과 FastAPI 웹 서비스 결합
Chapter 22 리액트 통합으로 완성하는 블로그 서비스
Node.js 설치
리액트 프로젝트 설정
프로젝트에 필요한 컴포넌트 작성
랭체인, 랭그래프부터 RAG Fusion, Agentic RAG까지
한 권으로 마스터하는 LLM 개발
이 책은 복잡한 이론 대신 예제 중심으로 LLM 기술을 자연스럽게 이해하도록 돕습니다. 점진적으로 확장되는 실습 구조로 초심자도 AI 에이전트 서비스 개발을 쉽게 체화할 수 있습니다. 특히 텍스트는 물론 표와 이미지를 통합하여 질문에 답하는 멀티모달 RAG 구현, GPT-4 Vision과 LLaVA 같은 최신 VLM 활용까지 다뤄 실무에 적용할 수 있는 예시를 명확히 보여 줍니다.
● Step 1 | LLM 첫걸음
파이썬 기초만 있다면 누구나 시작할 수 있도록 GPT API 설정부터 랭체인 설치, 개발 환경 구성까지 친절하게 안내합니다.
● Step 2 | 시도 쓰고, 감정도 읽는 나만의 AI 서비스 만들기
AI 시인, 리뷰 평가 AI, 다국어 이메일 생성기 등 랭체인 기본 실습으로 핵심 개념을 익힙니다.
● Step 3 | 문서를 읽고 대답하는 ‘ChatPDF’ 만들기
PDF를 분석해 질문에 응답하는 문서 Q&A 챗봇을 만들고, API 키 입력/후원 버튼까지 넣어 서비스 수익화 구조를 간단히 배웁니다.
● Step 4 | RAG·벡터DB로 고급 검색형 AI 서비스 구축하기
FAISS, ChromaDB로 문서를 임베딩하고 RAG Fusion·Hybrid Search 등 최신 검색 기술까지 직접 구현해 봅니다.
● Step 5 | 랭그래프와 CrewAI로 에이전트 시스템 설계하기
조건 분기·멀티에이전트, 협업형 에이전트까지 설계하며 복잡한 워크플로를 다루는 방법을 익힙니다.
● Step 6 | 웹앱 배포, 모니터링, 수익화까지 완성형 서비스 만들기
Streamlit으로 배포하고 랭스미스로 성능을 추적하는 것은 물론 API 키 관리와 후원 기능을 더해 실질적인 운영 기반까지 세워 보세요.
이런 분께 추천해요!
● LLM을 활용한 AI 서비스 제작에 관심 있는 분
● AI 서비스를 만들어 보고 싶지만, 개발자 전용 도구는 너무 어렵게 느껴지는 분
● 공식 문서가 너무 어렵거나 랭체인 실전 예제를 찾기 어려운 분
● 나만의 웹 서비스를 만들고 싶지만 디자인과 배포가 막막한 분
● 기술뿐 아니라 서비스 운영과 수익화까지 관심 있는 분
● 생성형 AI 트렌드에 뒤처지고 싶지 않은 실무자, 기획자, 마케터, 크리에이터
먼저 읽은 베타리더들의 한 마디
● LLM을 활용한 서비스를 만들고 싶다면 가장 먼저 읽어야 할 책이며, 인공지능 서비스 개발을 준비하고 있는 개발자들에게는 등대가 되어줄 것입니다. _김민규 님
● 명쾌한 설명과 실용적인 예제 코드는 독자들이 자신만의 AI 서비스를 쉽게 완성하도록 돕습니다. AI 서비스 시장에서 경쟁력을 확보하고 싶은 모든 분께 필독을 권합니다. _이석곤 님
● 예제 하나하나가 단순 기능 구현에 그치지 않고 실제 서비스로 연결될 수 있을 만큼 현실적이고 실용적입니다. 따라 하다 보면 자연스럽게 랭체인의 구조와 AI 에이전트의 흐름이 머릿속에 잡힙니다. _이지아 님