실무와 가장 가까운 AI 서비스 가이드

우리가 기술서를 읽는 목적은 비즈니스 서비스(제품)를 만들기 위한 것이라고 생각한다. 제품을 만들기 위해서는 전통적으로 먼저 이론을 익히고 제품을 만드는 방법을 생각할 수 있다. 이 방법은 몇 가지 단점이 있다. 먼저 이론에 지쳐 실무까지 다다르지 못할 수 있으며, 실무에 필요 없는 부분까지 공부할 경우가 생긴다. 최근에는 'Learning by Doing'방식으로 실무에 필요한 서비스를 먼저 구현하여 흥미를 느끼고, 이후 부족한 부분을 전문 서적이나 AI로 보충하는 방법이다. 이 책은 실무와 가장 가깝고 입문서로 기초 지식을 익혔다면 그 다음 읽을 책으로 제격이다. 

🧩 선수 지식

• 파이썬 기초

• LLM 서비스 경험

• REST API 개념, Frontend-Backend 개념

👥 추천 독자

• 생성형 AI를 활용하여 서비스를 만들고 싶은 개발자

• 오픈 모델을 사용하여 AI 서비스를 개발하고 싶은 개발자

• 입문서를 통해 생성형 AI의 이론적인 배경을 통해 한 단계 업그레이드 하고 싶은 분

🏷️ 키워드

#LLM #GPT #랭체인 #Langchain #Streamlit #RAG #Chroma #FAISS #Llama #멀티모달 #LLaVA #랭그래프 #LCEL #VSCode #OpenAI #PlayGround #Miniconda #랭스미스 #FastAPI #React #BM25 #LangchainHub #프롬프트엔지니어링 #CLIP

📝 특징

• 실무에 가장 가까고 완성도가 높은 예시

• cli, Streamlit, FastAPI + React를 활용한 앱 구성

• 웹페이지, pdf, text 문서를 활용한 예시

• FAISS, Chroma 벡터 DB 사용 예시

• OpenAI와 올라마 기반의 오픈 모델 사용 예시

• 하이브리드 검색 시스템을 위한 고급 예제

• 멀티모달, AI 에이전트 예시

• CrewAI를 활용한 다중 에이전트 예시

📚 책의 구성

이 책은 전체 8개 PART, 22개 장으로 구성되어 있다. 

Part 01 "랭체인 시작하기"는 총 3개의 장으로 책에서 실습하게 될 주요 서비스의 설명과 기술스택 설명, 랭체인과 OpenAI의 서비스 설명 및 키발급, 파이썬 개발 환경을 구축하고 랭체인의 LCEL을 사용하여 기본 프로그램을 작성한다.

Part 02 "랭체인 기초 실습"는 총 3개의 장으로 cli 환경에서 "음식, 식당, 숙박 리뷰 평가 AI 만들기"를 실습하고, Streamlit으로 웹에서 구동되는 "인공지능 시인 만들기" 작성한 후 Streamlit Community Cloud에 배포한다. 마지막으로 "다국어 이메일 생성기 만들기"를 Ollama를 사용하여 Streamlit 앱으로 구성한다.

Part 03 "문서 임베딩을 활용한 Q&A 서비스"는 전체 2개의 장으로 "ChatPDF 만들기"는 Streamlit 환경에서 PDF 문서를 업로드하여 Chroma 벡터 저장소에 저장하고 검색 결과를 스트리밍할 수 있는 앱을 만들고, "현진건 작가님 봇 만들기"는 OpenAI의 플레이그라운드와 연동하여  멀티턴이 되는 Streamlit 앱을 만든다.

Part 04 "RAG 기법을 활용한 유사성 검색 서비스"는 전체 3개의 장으로 FAISS 벡터 DB를 사용하여 RAG 기반 대규모 텍스트 검색 서비스를 cli로 구현한다.  

Part 05 "고급 RAG 기법을 활용한 뉴스 검색 서비스"는 전체 2개의 장으로 네이버 뉴스 기사를 대상으로 사용자가 입력한 질문을 다양한 관점에서 여러 개의 검색 쿼리를 생성한 후 유사도와 BM25 알고리즘을 사용하여 하이브리드로 검색한 결과에서 중복된 결과를 제외한 후 가장 관련성이 높은 문서로 리랭킹하는 방법을 배운다. 마지막에는 Streamlit로 구성하여 서비스한다.

Part 06 "멀티모달 데이터를 활용한 통합형 서비스"는 전체 3개의 장으로 멀티모달 RAG 아키텍처를 설명하고, 문서에서 이미지를 추출하는 방법, Fashionpedia의 이미지를 임베딩하여 "이미지 기반 스타일링 어시스턴트" 서비스를 만드는 방법을 설명한다. 마지막에는 생성형 AI 서비스를 FastAPI로 백엔드를 구성한 후 Streamlit으로 호출하는 통합형 서비스를 만든다. 각각의 서비스는 상용 모델과 오픈소스 모델로 구성할 수 잇다.

Part 07 "랭그래프와 Agentic RAG를 활용한 에이전트"는 전체 3개의 장으로 Tool을 호출하여 AI 에이전트를 만드는 방법을 설명한 후, 랭그래프로 "지능형 정보 검색 시스템 만들기"를  Agentic RAG로 실습한다.

Part 08 "CrewAI를 활용한 협업형 에이전트"는 전체 3개의 장으로 CrewAI 프레임워크를 사용하여 다중 에이전트로 블로그를 작성하는 예제를 단계적으로 실습하여 최종으로 FastAPI + CrewAI 백엔드와 리액트 프론트엔드를 구성하여 통합 서비스를 작성한다.

✨ 소감

이 책의 소스를 모두 손코딩하면서 "Learning  by Doing"방식의 학습법이 우수한 이유를 알게 되었다. 랭체인으로 만드는 생성형 AI 기반 서비스는 개념만 제대로 이해한다면 서비스를 만드는 과정은 생각보다 어렵지 않고 러닝 커브도 높지 않았다. 책에서 다루는 예제는 최신 랭체인 버전인 0.3으로 진행하며, 랭체인으로 만들 수 있는 20여개의 프로젝트에서 다루는 기술 스택은 OpenAI, Ollama(Llama, LLaVA), Streamlit, Streamlit Cloud, FastAPI, React, Langgraph, Langchain hub, Langsmith, Langserve, Chroma, FAISS 등 실무에서 사용할 수 있는 내용을 다루고 있다. 기술 트렌드 측면에서는 Naive RAG, Agentic RAG, 멀티모달 RAG, AI Agent(Langgraph, CrewAI)를 사용하며, 프롬프트 면에서는 리뷰 평가, 다국어 이메일 생성, 번역, 질문/답변 생성, 뉴스 요약, 이미지 추천, 시/소설 생성, 다중 에이전트 블로그 작성, 관련성 평가를 다룬다.

"한빛미디어 서평단 ＜나는리뷰어다＞ 활동을 위해서 책을 협찬받아 작성된 서평입니다."

ChatGPT의 등장으로 AI 시대가 본격화된 지금, 누구나 한 번쯤은 '나도 AI 서비스를 만들어보고 싶다'는 생각을 해봤을 것이다. 하지만 막상 시작하려고 하면 복잡한 머신러닝 이론과 난해한 개발 환경 설정 앞에서 좌절하기 마련이다. 『조코딩의 랭체인으로 AI 에이전트 서비스 만들기』는 바로 이런 진입 장벽을 낮춰주는 실용적인 가이드북이다.

구독자 66만 명의 IT 유튜버 조코딩이 집필한 이 책은 제목에서 알 수 있듯이 'LangChain'이라는 프레임워크를 중심으로 AI 서비스 개발의 전 과정을 다룬다. 하지만 단순한 기술 설명서가 아니라, 실제로 돈을 벌 수 있는 서비스를 만드는 방법까지 제시하는 종합 가이드라는 점이 인상적이다.

전체 그림을 먼저 보여주는 친절한 접근법

이 책의 가장 큰 장점 중 하나는 서비스 구현 전에 미리 서비스 흐름도를 제시한다는 점이다. 많은 기술서들이 코드부터 보여주며 독자를 혼란에 빠뜨리는 것과 달리, 이 책은 '우리가 만들 서비스가 어떤 구조로 동작하는지'를 먼저 명확히 설명한다.

예를 들어 ChatPDF 서비스를 구현할 때, 단순히 "이 코드를 따라 치세요"가 아니라 "PDF 문서가 어떻게 청크로 분할되고, 임베딩되어 벡터 저장소에 저장되며, 사용자의 질문과 어떻게 매칭되어 답변을 생성하는지"를 도식화해서 보여준다. 이런 접근법은 특히 비전공자들이 AI 서비스의 전체적인 아키텍처를 이해하는 데 큰 도움이 된다.

이론과 실습의 절묘한 균형

책의 구성을 살펴보면 총 8개 파트, 22개 챕터로 이루어져 있으며, 각 파트마다 점진적으로 난이도가 높아지는 구조를 취한다. Part 1에서는 기본 환경 설정과 개념 이해부터 시작해서, Part 8에서는 CrewAI를 활용한 다중 에이전트 시스템까지 다룬다.

특히 LangChain과 LangSmith를 어떻게 활용하는지에 대한 자세한 설명이 돋보인다. 단순히 API를 호출하는 수준이 아니라, 실제 서비스에서 LLM이 어떻게 동작하는지, 성능을 어떻게 모니터링하고 개선할 수 있는지까지 실무적인 관점에서 접근한다. LLM이 핵심이 되는 부분에서는 그림과 함께 더욱 상세한 설명을 제공해 독자의 이해를 돕는다.

비전공자를 배려한 세심한 선택들

개발 경험이 부족한 독자들을 위한 배려도 곳곳에서 느낄 수 있다. 가장 대표적인 것이 배포 환경으로 AWS EC2 대신 Streamlit Community Cloud를 선택한 것이다. EC2는 서버 관리나 보안 설정 등 부가적인 지식이 필요하지만, Streamlit Community Cloud는 GitHub 연동만으로 간단히 배포할 수 있어 초보자도 부담 없이 따라할 수 있다.

또한 각 단계별로 환경 설정부터 배포까지의 과정을 스크린샷과 함께 상세히 안내하여, 개발 경험이 부족한 독자라도 막히는 부분 없이 진행할 수 있도록 배려했다.

실제 수익 창출까지 고려한 현실적 접근

이 책의 또 다른 강점은 단순한 기술 구현을 넘어 실제 서비스 운영과 수익화까지 다룬다는 점이다. ChatPDF 서비스를 만들 때 API 키 입력 기능과 후원 버튼을 구현하는 방법을 설명하고, LangSmith를 활용한 모니터링 방법까지 제시한다. 이는 개발자가 아닌 일반인도 AI 서비스로 실제 수익을 창출할 수 있음을 보여주는 좋은 사례다.

특히 Part 3의 'ChatPDF 만들기' 챕터에서는 도큐먼트 로더, 텍스트 분할기, 임베딩, 벡터 저장소, 검색기, 생성기의 역할을 각각 명확히 구분하여 설명하고, 이들이 어떻게 연결되어 하나의 서비스를 구성하는지를 체계적으로 보여준다.

최신 기술 트렌드를 놓치지 않는 구성

RAG(Retrieval-Augmented Generation)부터 멀티모달 데이터 처리, 에이전트 시스템까지 현재 AI 개발에서 가장 핫한 기술들을 모두 다룬다. 특히 Part 4~5에서 다루는 RAG 기법은 단순한 기본 RAG에서 시작해 Multiquery, RAG Fusion, Hybrid Search 등 고급 기법까지 점진적으로 학습할 수 있도록 구성되어 있다.

에이전트의 흐름을 순서도로 설명한 접근법도 매우 효과적이다. 복잡한 에이전트 시스템의 동작 원리를 텍스트로만 설명하면 이해하기 어렵지만, 시각적인 순서도를 통해 각 단계별 의사결정 과정과 데이터 흐름을 명확히 파악할 수 있다.

멀티모달의 시대를 준비하는 앞선 시각

Part 6의 멀티모달 데이터 활용 부분은 이 책의 백미라고 할 수 있다. 텍스트만 처리하는 기존 AI 서비스를 넘어 이미지, 표, 차트 등 다양한 형태의 데이터를 통합적으로 처리하는 방법을 다룬다. 특히 'FashionRAG: 이미지 기반 스타일링 어시스턴트'는 실제 비즈니스 모델로도 충분히 활용 가능한 수준의 구체적인 예제를 제공한다.

GPT-4 Vision과 LLaVA 같은 최신 Vision Language Model(VLM) 활용법까지 포함하여, 현재 AI 기술의 최전선을 경험해볼 수 있다.

협업형 AI의 미래를 엿보다

Part 8의 CrewAI를 활용한 다중 에이전트 시스템은 미래 AI 서비스의 방향성을 보여주는 흥미로운 부분이다. 여러 AI 에이전트가 각자의 역할을 맡아 협업하며 하나의 결과물을 만들어내는 과정은 마치 실제 팀워크를 보는 듯하다.

블로그 작성기 예제에서는 연구자, 작가, 편집자 역할을 하는 서로 다른 에이전트들이 협업하여 고품질의 블로그 콘텐츠를 생성하는 과정을 보여준다. 이는 단순한 기술 데모를 넘어, 실제 콘텐츠 비즈니스에 적용 가능한 수준의 완성도를 보여준다.

실무진과 크리에이터를 위한 실용적 가이드

이 책의 타겟 독자층이 명확하다는 점도 장점이다. 개발자는 물론 기획자, 마케터, 크리에이터까지 AI 서비스 개발에 관심 있는 모든 사람을 대상으로 한다. 실제로 파이썬 기초만 알고 있다면 충분히 따라할 수 있을 정도로 친절하게 설명되어 있어, 기술적 배경이 없는 사람도 부담 없이 시작할 수 있다.

특히 각 챕터마다 제공되는 예제들이 단순한 기능 구현에 그치지 않고 실제 서비스로 연결될 수 있을 만큼 현실적이고 실용적이다. 인공지능 시인, ChatPDF, 다국어 이메일 생성기 등의 예제는 모두 실제 시장에서 수요가 있는 서비스들이며, 약간의 개선만 더하면 바로 런칭할 수 있는 수준이다.

기술적 깊이와 접근성의 조화

고급 기술을 다루면서도 접근성을 놓치지 않았다는 점이 이 책의 가장 큰 성과다. RAG Fusion, Hybrid Search, Agentic RAG 같은 최신 기법들을 다루면서도, 각각의 개념을 시각적 자료와 함께 쉽게 설명한다.

특히 에이전트의 동작 흐름을 순서도로 표현한 부분은 복잡한 AI 시스템의 동작 원리를 직관적으로 이해할 수 있게 해준다. 이런 시각화 접근법은 독자가 코드 레벨의 세부사항에 매몰되지 않고 전체적인 시스템 아키텍처를 파악하는 데 큰 도움이 된다.

결론: AI 시대의 필수 교양서

『조코딩의 랭체인으로 AI 에이전트 서비스 만들기』는 단순한 기술서를 넘어 AI 시대를 살아가는 현대인의 필수 교양서라고 평가할 수 있다. 기술적인 깊이와 실용성, 그리고 접근성을 모두 갖춘 보기 드문 책이다.

AI 서비스를 만들고 싶지만 어디서부터 시작해야 할지 모르는 사람, 복잡한 이론보다는 실제로 동작하는 서비스를 만들어보고 싶은 사람, 그리고 AI 기술을 활용한 창업이나 사이드 프로젝트를 고려하고 있는 사람이라면 반드시 읽어볼 만한 가치가 있다.

무엇보다 이 책을 통해 'AI 서비스는 거대 기업만 만들 수 있다'는 고정관념을 깨고, '나도 할 수 있다'는 자신감을 얻을 수 있을 것이다. AI가 일자리를 대체할 것이라는 걱정보다는, AI를 활용해 새로운 가치를 창출하는 방법을 배울 수 있는 실용적인 가이드로서 이 책은 충분한 가치를 제공한다.

오늘도 찾아주셔서 감사합니다.

이번 달은 그냥 책들에 빠져 지낸 달인 것 같다. 요새 정말 양질의 IT 도서들이 너무 많이 나와서 개인적으로 너무 즐겁게 책들을 읽고 있는데, 이번에 읽은 도서는 유명 인플루언서이신 조코딩 님과 우성우님이 함께 쓰신 AI 에이전트 개발 관련 도서이다. 올해 초에 랭체인과 랭그래프, 랭스미스 등을 다룬 도서를 읽은 적이 있었는데, 그 책이 전체적인 overview와 소개를 다룬 책이었다면, 이 책은 입문서의 성격을 띄면서도 좀 더 실용적인 구현 내용들을 담고 있어, LLM, RAG를 활용한 실무 역량을 쌓는데 도움을 주는 실용서라고 할 수 있을 것 같다. 

특히, 단순히 LLM과 RAG에 대한 내용 뿐만 아니라 실제 에이전트 서비스 개발을 위해 Streamlit을 활용한 front-end 웹앱 개발 부분과 벡터 DB에 대한 활용 부분, 그리고 수익화를 고려한 서비스 개발 운영까지 실제 내가 하나의 서비스를 개발하는 것처럼 완성된 서비스를 만들어가는 과정을 다루고 있어 실제 서비스 개발을 하고자 하는 개발자들에게 좋은 사례가 될 듯 하다.

본 도서는 8개 파트의 총 22개 chapter에 걸쳐 본 도서에서 대표 예시로 다루고 있는 LLM 기반 Q&A 서비스인 ChatPDF를 비롯하여 뉴스 검색 서비스, 패션 어시스턴트, 시/소설 생성 서비스, 블로그 서비스 등 다양한 서비스 개발 사례들을 수록하고 있다. ChatPDF 서비스를 개발하는 과정까지는 랭체인의 기초적인 소개와 개발 환경 구성, OpenAI 플레이그라운드 등 이러한 AI 기반 서비스들을 개발하기 위해 필요한 기초 지식들을 다루며 개발을 진행한다.

참고로, ChatPDF 서비스 예제에 대한 실습을 진행하기 위해서는 OpenAI의 유료 API를 결제하여 크레딧을 충전해야 한다. 개인적으로 AI 서비스 개발에 대한 실습을 하기 조금 꺼려지는 부분이 사실 이러한 비용 투자의 부담 부분인데, 물론 나도 종종 유료 결제를 하고 있긴 하지만, 본격적으로 AI 서비스 개발을 위해 단기적으로 공부를 집중적으로 하고자 하는 사람들에게는 어쩔 수 없는 선택지인 것 같다. 요새는 뭐 AI 서비스 한 두개 유료 구독하는건 조금 일반적인 모습이 되기도 했으니.. 아무튼 더 나은 나를 위한 투자라 생각하자. (사실 치맥 한 번정도의 값이다. ^^;)

본 도서의 핵심은 뭐니뭐니해도 RAG 시스템을 구축하기 위한 랭체인과 관련된 라이브러리를 사용하는 부분에 대한 내용이다. 본 도서에서는 정말 다양한 Python 라이브러리들을 활용하여 RAG 기반의 각종 AI 서비스 시스템을 구현하는 예제들을 다루고 있다. 

또한, 본 도서에도 랭그래프를 다룬다. 랭체인이 선형적인 연결을 가지는 일방향 체인 구조의 파이프라인 형태를 띄는 라이브러리이자 프레임워크라면, 랭그래프는 그래프의 노드와 엣지의 개념을 활용하여 다중 에이전트를 비선형적이고 동적인 시나리오를 구현하는데 유용한 라이브러리이자 프레임워크이다. 그렇기 때문에, 랭그래프를 활용하면 멀티 에이전트 아키텍처에서 주어진 상황에 따라 특정 AI 어시스턴트가 다음 노드를 여러 개의 선택지 중에서 동적으로 선택할 수가 있다. 

결론적으로, 본 도서는 아래와 같은 분들에게 도움이 될 듯 하다.

• 조동근 님은 유튜브에서 '조코딩'으로 더 유명하신데, 이미 이웃님들도 많이 아실 것이다. 저자 님의 채널주소는 youtube.com/@jocoding이다.

• 우성우 님은 LLM 기반 AI 솔루션 엔지니어로 활동하고 계시며, 실제 현장 중심으로 프로젝트도 많이 진행하셨다고 한다.
  
  
  

    "한빛미디어 서평단 ＜나는리뷰어다＞ 활동을 위해서 책을 협찬받아 작성된 서평입니다."

개발분야와 관련된 동영상을 보다보면 한번쯤 '조코딩'이라는 채널명을 만난 적이 있을 것입니다. 꽤 많은 동영상을 촬영하는 것 같은데요. 그 동영상 강좌 중에서 랭체인에 관한 내용이 책으로 묶어져 나왔네요. 한빛미디어에서 나온 ＜AI 에이전트 서비스 만들기＞입니다.

회사에서 아마존  베드락 기반의 RAG 서비스를 개발/운영하고 있다보니 RAG 시스템이 어떻게 동작하는지, 임베딩 모델과 벡터 저장소의 관계는 무엇인지 정도는 알고 있습니다. 하지만 최근 테크 밋업에 가보니 RAG를 랭체인/랭그래프로 구현한 이야기들을 많이 들을 수 있었습니다. 그래서 최근 화두인 에이전트와 랭체인에 대해 한번 훑어보는 좋은 책으로 이 책을 살펴보게 되었습니다.
 
조코딩 책의 장점은 각 장에서 설명하는 개발 관련 내용을 서비스를 만들어보는 형태로 풀어낸다는 점입니다.  
1부에서는 랭체인이 어떤 프레임워크인지를 이해하기 위하여 인공지능 시인과 PDF를 기반으로 채팅을 하는 시스템을 개발합니다. 주로 기본적인 LLM, RAG, OpenAI API, LangChain 개념과 환경 설정에 집중하여 설명하고 있습니다.
2부에서는 LangChain의 주요 구성 요소를 살펴봅니다. 파이프 문자를 이용한  LangChain의 LLM 체인 생성을 집중적으로 살펴 봅니다. 특히 Ollama와 Streamlit(파이썬 웹 애플리케이션 프레임워크)로 리뷰 평가 AI/시인/다국어 이메일 생성기 서비스를 만듭니다. 이 과정에서는 RAG라기 보다는 어떤 PDF 문서를 올리거나 텍스트 프롬프트를 주고 API를 호출하여 웹 애플리케이션으로 결과를 보여주는 과정을 보여줍니다.
3부부터는 본격적으로 RAG 시스템을 구축합니다. 여기서부터는 텍스트/PDF 문서를 임베딩(벡터화)하여 ChromaDB 벡터 저장소에 저장하고, 사용자의 질의를 벡터화하여 유사한 결과를 찾아 다시 내용을 요약해서 출력하는 서비스를 만듭니다. 현진건 작가의 소설을 임베딩하고, 사용자가 마치 현진건 선생과 멀티턴 방식의 대화를 나누는 서비스를 만듭니다.
4부에서는 ChromaDB대신 FAISS를 저장소로 사용하고, 이를 기반으로 유사성 검색을 구현합니다. 결국 RAG는 문서 Load -＞ Split -＞ Embed -＞ Store한 다음, Question-＞ Retrieve -＞ LLM을 이용한 답변 생성 과정으로 이루어집니다. 다양한 Loader, Splitter, Retriever의 사용 사례를 볼 수 있습니다.
5부에서는 검색 품질을 올리기 위한 여러 방법을 소개합니다. 예를 들어 하나의 질문을 확장된 여러가지 질문으로 파생시켜 검색하는 multiquery 기법, 키워드 검색이 중점인 BM25와 Chroma기반의 벡터 검색을 결합하는 하이브리드 검색 시스템(EnsenbleRetriever 사용)을 설명합니다.
6부에서는 멀티모달을 다룹니다. 텍스트가 아닌 멀티모달 RAG를 구현하는 방법, 이미지 기반의 검색 시스템을 만들어 봅니다.
7부에서는 에이전트가 주제입니다. Function Call을 구현하여 LLM을 장착한 Agent 서비스를 만들어 봅니다. 워크플로를 만드는 것이 7부의 핵심이네요.
8부는 7장에서 익힌 에이전트를 이용하여 CrewAI 기반으로 복합 페르소나를 가진 여러 에이전트를 만들고 이들이 협업하여 결과를 만들어 내는 시스템을 만듭니다. 예제로는 주제어를 입력하면 블로그 글을 만들어 주는 리액트 웹앱을 만듭니다.
 
전체적으로 RAG/랭체인을 이해하기 위한 입문서로 적절해 보입니다. 코드도 친절하게 변경되는 부분을 표시해가면서 완성합니다.  랭체인으로 서비스를 만들려면 파이썬을 알아야 하는데, 기본적인 문법만 익혀도 이 책을 보는데에는 아무런 문제가 없습니다. 개발 언어에 너무 걱정하지 않아도 될 것 같습니다. 기본 문법 외에 람다 함수와 컴프리헨션 기법 정도만 익히고 시작하시면 됩니다.
 
전체적으로 RAG의 구조를 이해하고, 각 하위 구성요소들이 어떻게 협업하는지를 이해하는데 도움이 되는 책입니다. 그러면서도 예제 프로젝트를 만들어 보면서 실무의 경험을 살짝 경험할 수 있습니다. 저는 231쪽의 청크 사이즈와 오버랩 사이즈 예제가 좋았습니다. 이런 정보들은 만들면서 찾아보고 실험해봐야 얻는 지식이니깐요.

그리고 OpenAI의 Embedding 모델인 text-ding-ada-002는 항상 1536 차원의 고정 크기 벡터라는 것도 알았습니다. :)
 
이제 베드락으로 초반에 연동했던 서비스를 LangChain으로 구현해 봐야겠네요. RAG 시스템을 구현하기 위해 입문서를 찾으신다면 괜찮은 책이라 생각됩니다. 비슷한 책으로 테디노트님의 책이 있습니다. 이 책도 한번 같이 읽어봐야겠습니다.