다중 에이전트 시스템을 위한 컨텍스트 엔지니어링(위키북스 생성형 AI 프로그래밍 시리 30)
더 적은 토큰으로 더 똑똑하게 일하는 체계적 접근법
Regular price
$35.96
Sale price
Regular price
Shipping calculated at checkout.
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
프롬프팅의 한계를 넘어 투명한 추론과 맥락 설계를 위한 컨텍스트 엔진 구축 가이드!
생성형 AI는 강력하지만 예측하기 어렵다. 이 책은 프롬프트를 이리저리 수정하는 단계를 넘어 아키텍트처럼 사고함으로써 예측 불가능성을 신뢰성으로 바꾸는 방법을 보여준다. 그 핵심은 컨텍스트 엔진이다. 이 책에서 독자는 '유리 상자' 다중 에이전트 시스템인 컨텍스트 엔진을 설계, 강화하고 다양한 실제 시나리오들에 적용하는 방법을 배운다.
AI 전문가이자 다수의 최첨단 AI 서적을 집필한 저자가 쓴 이 책은 컨텍스트 설계의 기초부터 완전히 작동하는 컨텍스트 엔진 구축에 이르는 실습 여정으로 독자를 안내한다. 단순한 지시만 내리는 불안정한 프롬프트에 의존하는 대신 '의미 청사진(semantic blueprint)'을 통해서 목표와 역할을 정밀하게 매핑하는 방법을 소개한 후, 표준 통신 메시지들을 이용해서 전문 에이전트들을 오케스트레이션하는 방법을 설명한다. 그런 다음 기억 능력과 인용 정보가 포함된 고충실도 검색 기능을 엔진에 통합하고, 데이터 오염과 프롬프트 주입에 대비한 안전장치를 구현한다. 또한 출력이 정책에 부합하도록 모더레이션하는 계층도 엔진에 추가한다. 회복탄력성을 갖추도록 아키텍처를 강화한 후에는 법적 규정 준수부터 전략적 마케팅에 이르기까지 여러 도메인의 문제에 엔진을 재활용할 수 있음을 실제 응용 사례를 통해서 입증한다.
책을 다 읽고 나면 다양한 도메인에 걸쳐 용도를 변경하고 자신 있게 배포할 수 있는 적응형의 검증 가능한 아키텍처를 엔지니어링하는 역량을 갖추게 될 것이다.
★ 이 책에서 다루는 내용 ★
◎ 단기 및 세션 간 컨텍스트를 유지하기 위한 기억 능력 개발
◎ 의미 청사진 제작 및 표준 메시지를 이용한 다중 에이전트 오케스트레이션
◎ 검증 가능한 인용 정보가 포함된 고충실도 RAG 파이프라인 구현
◎ 프롬프트 주입 및 데이터 오염에 대비한 안전장치 적용
◎ AI 작업흐름의 모더레이션 및 정책 기반 제어 적용
◎ 법률, 마케팅 등 다양한 분야에 대한 컨텍스트 엔진의 용도 변경
◎ 확장성과 관측성을 갖춘 컨텍스트 엔진의 프로덕션 배포
생성형 AI는 강력하지만 예측하기 어렵다. 이 책은 프롬프트를 이리저리 수정하는 단계를 넘어 아키텍트처럼 사고함으로써 예측 불가능성을 신뢰성으로 바꾸는 방법을 보여준다. 그 핵심은 컨텍스트 엔진이다. 이 책에서 독자는 '유리 상자' 다중 에이전트 시스템인 컨텍스트 엔진을 설계, 강화하고 다양한 실제 시나리오들에 적용하는 방법을 배운다.
AI 전문가이자 다수의 최첨단 AI 서적을 집필한 저자가 쓴 이 책은 컨텍스트 설계의 기초부터 완전히 작동하는 컨텍스트 엔진 구축에 이르는 실습 여정으로 독자를 안내한다. 단순한 지시만 내리는 불안정한 프롬프트에 의존하는 대신 '의미 청사진(semantic blueprint)'을 통해서 목표와 역할을 정밀하게 매핑하는 방법을 소개한 후, 표준 통신 메시지들을 이용해서 전문 에이전트들을 오케스트레이션하는 방법을 설명한다. 그런 다음 기억 능력과 인용 정보가 포함된 고충실도 검색 기능을 엔진에 통합하고, 데이터 오염과 프롬프트 주입에 대비한 안전장치를 구현한다. 또한 출력이 정책에 부합하도록 모더레이션하는 계층도 엔진에 추가한다. 회복탄력성을 갖추도록 아키텍처를 강화한 후에는 법적 규정 준수부터 전략적 마케팅에 이르기까지 여러 도메인의 문제에 엔진을 재활용할 수 있음을 실제 응용 사례를 통해서 입증한다.
책을 다 읽고 나면 다양한 도메인에 걸쳐 용도를 변경하고 자신 있게 배포할 수 있는 적응형의 검증 가능한 아키텍처를 엔지니어링하는 역량을 갖추게 될 것이다.
★ 이 책에서 다루는 내용 ★
◎ 단기 및 세션 간 컨텍스트를 유지하기 위한 기억 능력 개발
◎ 의미 청사진 제작 및 표준 메시지를 이용한 다중 에이전트 오케스트레이션
◎ 검증 가능한 인용 정보가 포함된 고충실도 RAG 파이프라인 구현
◎ 프롬프트 주입 및 데이터 오염에 대비한 안전장치 적용
◎ AI 작업흐름의 모더레이션 및 정책 기반 제어 적용
◎ 법률, 마케팅 등 다양한 분야에 대한 컨텍스트 엔진의 용도 변경
◎ 확장성과 관측성을 갖춘 컨텍스트 엔진의 프로덕션 배포
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
목차
목차
▣ 01장: 프롬프트에서 컨텍스트로 - 의미 청사진 구축
1.1 컨텍스트 엔지니어링이란
__1.1.1 수준 1: 기본 프롬프트(컨텍스트 없음)
__1.1.2 수준 2: 더 나은 컨텍스트(선형 컨텍스트)
__1.1.3 수준 3: 좋은 컨텍스트(목표 지향적 컨텍스트)
__1.1.4 수준 4: 고급 컨텍스트(역할 기반 컨텍스트)
__1.1.5 수준 5: 의미 청사진
1.2 SRL: 선형 시퀀스에서 의미론적 구조로
1.3 SRL 시연을 위한 파이썬 노트북
__1.3.1 메인 함수: visualize_srl
__1.3.2 의미역 정의
__1.3.3 작도 엔진: _plot_stemma 함수와 캔버스 설정
__1.3.4 동적 위치 지정과 스테마(그래프) 그리기
__1.3.5 SRL 예제 실행하기
1.4 회의 분석 엔지니어링 사례 연구
__1.4.1 계층 1: 범위 설정('무엇을')
__1.4.2 계층 2: 조사 수행('어떻게')
__1.4.3 계층 3: 조치 결정('다음에 무엇을')
1.5 요약
1.6 연습문제
1.7 참고문헌
1.8 더 읽을거리
▣ 02장: 표준 통신 규약에 기반한 다중 에이전트 시스템 구축
2.1 MCP를 활용한 MAS 작업흐름 설계
2.2 MCP로 MAS 구축하기
__2.2.1 클라이언트 초기화
__2.2.2 프로토콜 정의
__2.2.3 에이전트 구축
__2.2.4 오케스트레이터 구축
__2.2.5 시스템 실행
2.3 오류 처리 및 검증
__2.3.1 LLM을 위한 견고한 구성요소 구축
__2.3.2 MCP 메시지 검증
__2.3.3 에이전트 전문화 제어 및 검증 추가
__2.3.4 검증 루프를 갖춘 최종 오케스트레이터
__2.3.5 견고한 최종 시스템 실행
2.4 AI 아키텍처의 진화
2.5 에이전트 시스템 구축을 위한 도구
2.6 요약
2.7 연습문제
2.8 참고문헌
2.9 더 읽을거리
▣ 03장: 맥락 인식 다중 에이전트 시스템 구축
3.1 이중 RAG MAS 설계
__3.1.1 페이즈 1: 데이터 준비
__3.1.2 페이즈 2: 실행
3.2 RAG 파이프라인 데이터 수집(컨텍스트와 지식)
__3.2.1 설치 및 설정
__3.2.2 파인콘 색인 초기화
__3.2.3 데이터 준비: 컨텍스트 라이브러리(절차적 RAG)
__3.2.4 데이터 준비: 지식 베이스 (사실 관계 RAG)
__3.2.5 데이터 처리 및 업로드(업서트)
__3.2.6 맥락 인식 시스템 구축
3.3 요약
3.4 연습문제
3.5 참고문헌
3.6 더 읽을거리
▣ 04장: 컨텍스트 엔진 조립
4.1 컨텍스트 엔진의 아키텍처
__4.1.1 아키텍처 개요
__4.1.2 함수 심층 탐구
4.2 시스템 조립
__4.2.1 스페셜리스트 에이전트
__4.2.2 에이전트 레지스트리
__4.2.3 컨텍스트 엔진
__4.2.4 모두 합치기
4.3 엔진 실행
4.4 요약
4.5 연습문제
4.6 참고문헌
4.7 더 읽을거리
▣ 05장: 컨텍스트 엔진 강화
5.1 단계별 아키텍처 둘러보기
__5.1.1 페이즈 1: 초기화
__5.1.2 페이즈 2: 계획 수립
__5.1.3 페이즈 3: 실행 루프
__5.1.4 페이즈 4: 마무리
5.2 실제 환경의 확장성을 위한 리팩터링
__5.2.1 중앙 집중식 설정 함수 생성
__5.2.2 주 노트북의 간소화
__5.2.3 보조 함수 강화
__5.2.4 프로덕션을 위한 에이전트 리팩터링
__5.2.5 에이전트 레지스트리의 리팩터링
__5.2.6 중앙 오케스트레이터 업그레이드
__5.2.7 강화된 엔진 실행하기
__5.2.8 엔진의 사고 과정 해체하기
__5.2.9 완료
5.3 엔진 모듈화하기
__5.3.1 로컬 임포트 문들
__5.3.2 모듈의 독립성
__5.3.3 최종 사전 프로덕션 노트북
5.4 요약
5.5 연습문제
5.6 참고문헌
5.7 더 읽을거리
▣ 06장: 컨텍스트 축약을 위한 요약자 에이전트 구축
6.1 유리 상자 시스템 설계
__6.1.1 단계별 아키텍처 둘러보기
__6.1.2 책임 분리
__6.1.3 유리 상자가 중요한 이유
6.2 요약자 에이전트로 컨텍스트 축약 구현하기
__6.2.1 비용 관리의 기초
__6.2.2 요약자 에이전트 구축
__6.2.3 엔진의 도구 모음에 새 에이전트 통합하기
__6.2.4 작가 에이전트의 유연성 보강
__6.2.5 요약자의 실제 동작 살펴보기
6.3 기술적 효율성을 비즈니스 가치로 전환
6.4 요약
6.5 연습문제
6.6 참고문헌
6.7 더 읽을거리
▣ 07장: 고충실도 RAG와 방어 - NASA에서 영감을 받은 연구 조교 에이전트
7.1 신뢰할 수 있는 연구 조교 에이전트 설계
__7.1.1 단계별 아키텍처 둘러보기
__7.1.2 책임 분리
7.2 고충실도 RAG 및 에이전트 방어 구현
__7.2.1 단계 1: 데이터 수집 파이프라인 업그레이드
__7.2.2 단계 2: 컨텍스트 엔진 역량 업그레이드
__7.2.3 단계 3: 최종 애플리케이션 - NASA 연구 조교 에이전트
7.3 컨텍스트 엔진의 검증과 하위 호환성
__7.3.1 컨텍스트 엔진의 완전한 구성요소 목록
__7.3.2 컨텍스트 엔진이 생각하는 방식
__7.3.3 기계의 마음 검증하기
7.4 요약
7.5 연습문제
7.6 참고문헌
7.7 더 읽을거리
▣ 08장: 현실에 맞는 아키텍처 구축 - 모더레이션, 지연시간, 정책 기반
8.1 엔터프라이즈 환경에 맞는 컨텍스트 엔진 아키텍처
__8.1.1 단계별 아키텍처 둘러보기
8.2 추론 엔진의 심사숙고에 따른 지연시간
8.3 모더레이션 구현
__8.3.1 모더레이션 문지기 구축
__8.3.2 모더레이션 문지기의 통합
__8.3.3 모더레이션 가드레일의 실제 작동
8.4 정책 기반 메타컨트롤러 아키텍처
__8.4.1 원칙 1: AI 시스템은 끊임없이 현실에 적응해야 한다
__8.4.2 원칙 2: 자동화된 문맥 기반 판단의 한계
__8.4.3 원칙 3: 새로운 엔지니어의 사고방식
__8.4.4 원칙 4: 궁극적인 컨텍스트로서의 정책
__8.4.5 원칙 5: 아키텍처적 해법
8.5 범용 다중 도메인 컨트롤 덱
__8.5.1 템플릿 1: 고충실도 RAG
__8.5.2 템플릿 2: 컨텍스트 축약
__8.5.3 템플릿 3: 근거 기반 추론
8.6 엔진 적용: 법적 규정 준수 보조 도구
__8.6.1 법률 지식 베이스 구축
__8.6.2 법률 용례와 현실의 한계
8.7 요약
8.8 연습문제
8.9 참고문헌
8.10 더 읽을거리
▣ 09장: 브랜드와 민첩성을 위한 아키텍처 - 전략적 마케팅 엔진
9.1 단계별 아키텍처 흐름
9.2 마케팅 지식 베이스 설계
9.3 엔진 실행
__9.3.1 프로덕션 안전장치 검증
__9.3.2 용례 1: 경쟁사 분석
__9.3.3 용례 2: 제품 설명을 마케팅 콘텐츠로 변환
__9.3.4 용례 3: 다양한 소스를 종합해서 설득력 있는 제안서 작성
9.4 요약
9.5 연습문제
9.6 참고문헌
9.7 더 읽을거리
▣ 10장: 프로덕션 전환을 위한 로드맵
10.1 유리 상자 엔진의 프로덕션 전환
__10.1.1 환경 설정 및 비밀값 관리
__10.1.2 프로덕션 API 구축(오케스트레이션 계층)
__10.1.3 비동기 실행 및 작업 대기열
__10.1.4 중앙화된 로깅 및 관측성
__10.1.5 인프라 및 컨테이너화
10.2 엔터프라이즈 역량 및 프로덕션 가드레일 배포
__10.2.1 능동적 컨텍스트 축약으로 운영 비용 관리
__10.2.2 고충실도 RAG로 신뢰와 규정 준수 보장
__10.2.3 데이터 오염 및 적대적 공격으로부터 데이터 파이프라인 방어
__10.2.4 자동화된 가드레일로 규정 준수 및 안전성 보장
__10.2.5 창의적 작업흐름으로 거버넌스와 품질 강화
10.3 비즈니스 가치 제시
__10.3.1 비용 센터에서 가치 증폭기로
__10.3.2 검증 가능성과 보안을 통한 이해관계자 신뢰 강화
__10.3.3 전략적 자산 창출
10.4 요약
10.5 연습문제
10.6 참고문헌
10.7 더 읽을거리
▣ 부록A: 컨텍스트 엔진 레퍼런스
A.1 이론적 토대
__A.1.1 의미 청사진
__A.1.2 유리 상자 아키텍처의 장점
__A.1.3 시스템 아키텍처와 작업흐름
__A.1.4 commons 라이브러리 레퍼런스
A.2 데이터 수집 파이프라인
__A.2.1 수집 과정
__A.2.2 컨텍스트 라이브러리(의미 청사진 라이브러리) 수집
A.3 실행과 운영
__A.3.1 엔진 룸
__A.3.2 컨트롤 덱
A.4 프로덕션 가드레일: 모더레이션, 정제, 정책
__A.4.1 자동화의 한계와 정책의 역할
A.5 운영의 현실: 지연시간과 확률성
▣ 부록B: 연습문제 해답
1.1 컨텍스트 엔지니어링이란
__1.1.1 수준 1: 기본 프롬프트(컨텍스트 없음)
__1.1.2 수준 2: 더 나은 컨텍스트(선형 컨텍스트)
__1.1.3 수준 3: 좋은 컨텍스트(목표 지향적 컨텍스트)
__1.1.4 수준 4: 고급 컨텍스트(역할 기반 컨텍스트)
__1.1.5 수준 5: 의미 청사진
1.2 SRL: 선형 시퀀스에서 의미론적 구조로
1.3 SRL 시연을 위한 파이썬 노트북
__1.3.1 메인 함수: visualize_srl
__1.3.2 의미역 정의
__1.3.3 작도 엔진: _plot_stemma 함수와 캔버스 설정
__1.3.4 동적 위치 지정과 스테마(그래프) 그리기
__1.3.5 SRL 예제 실행하기
1.4 회의 분석 엔지니어링 사례 연구
__1.4.1 계층 1: 범위 설정('무엇을')
__1.4.2 계층 2: 조사 수행('어떻게')
__1.4.3 계층 3: 조치 결정('다음에 무엇을')
1.5 요약
1.6 연습문제
1.7 참고문헌
1.8 더 읽을거리
▣ 02장: 표준 통신 규약에 기반한 다중 에이전트 시스템 구축
2.1 MCP를 활용한 MAS 작업흐름 설계
2.2 MCP로 MAS 구축하기
__2.2.1 클라이언트 초기화
__2.2.2 프로토콜 정의
__2.2.3 에이전트 구축
__2.2.4 오케스트레이터 구축
__2.2.5 시스템 실행
2.3 오류 처리 및 검증
__2.3.1 LLM을 위한 견고한 구성요소 구축
__2.3.2 MCP 메시지 검증
__2.3.3 에이전트 전문화 제어 및 검증 추가
__2.3.4 검증 루프를 갖춘 최종 오케스트레이터
__2.3.5 견고한 최종 시스템 실행
2.4 AI 아키텍처의 진화
2.5 에이전트 시스템 구축을 위한 도구
2.6 요약
2.7 연습문제
2.8 참고문헌
2.9 더 읽을거리
▣ 03장: 맥락 인식 다중 에이전트 시스템 구축
3.1 이중 RAG MAS 설계
__3.1.1 페이즈 1: 데이터 준비
__3.1.2 페이즈 2: 실행
3.2 RAG 파이프라인 데이터 수집(컨텍스트와 지식)
__3.2.1 설치 및 설정
__3.2.2 파인콘 색인 초기화
__3.2.3 데이터 준비: 컨텍스트 라이브러리(절차적 RAG)
__3.2.4 데이터 준비: 지식 베이스 (사실 관계 RAG)
__3.2.5 데이터 처리 및 업로드(업서트)
__3.2.6 맥락 인식 시스템 구축
3.3 요약
3.4 연습문제
3.5 참고문헌
3.6 더 읽을거리
▣ 04장: 컨텍스트 엔진 조립
4.1 컨텍스트 엔진의 아키텍처
__4.1.1 아키텍처 개요
__4.1.2 함수 심층 탐구
4.2 시스템 조립
__4.2.1 스페셜리스트 에이전트
__4.2.2 에이전트 레지스트리
__4.2.3 컨텍스트 엔진
__4.2.4 모두 합치기
4.3 엔진 실행
4.4 요약
4.5 연습문제
4.6 참고문헌
4.7 더 읽을거리
▣ 05장: 컨텍스트 엔진 강화
5.1 단계별 아키텍처 둘러보기
__5.1.1 페이즈 1: 초기화
__5.1.2 페이즈 2: 계획 수립
__5.1.3 페이즈 3: 실행 루프
__5.1.4 페이즈 4: 마무리
5.2 실제 환경의 확장성을 위한 리팩터링
__5.2.1 중앙 집중식 설정 함수 생성
__5.2.2 주 노트북의 간소화
__5.2.3 보조 함수 강화
__5.2.4 프로덕션을 위한 에이전트 리팩터링
__5.2.5 에이전트 레지스트리의 리팩터링
__5.2.6 중앙 오케스트레이터 업그레이드
__5.2.7 강화된 엔진 실행하기
__5.2.8 엔진의 사고 과정 해체하기
__5.2.9 완료
5.3 엔진 모듈화하기
__5.3.1 로컬 임포트 문들
__5.3.2 모듈의 독립성
__5.3.3 최종 사전 프로덕션 노트북
5.4 요약
5.5 연습문제
5.6 참고문헌
5.7 더 읽을거리
▣ 06장: 컨텍스트 축약을 위한 요약자 에이전트 구축
6.1 유리 상자 시스템 설계
__6.1.1 단계별 아키텍처 둘러보기
__6.1.2 책임 분리
__6.1.3 유리 상자가 중요한 이유
6.2 요약자 에이전트로 컨텍스트 축약 구현하기
__6.2.1 비용 관리의 기초
__6.2.2 요약자 에이전트 구축
__6.2.3 엔진의 도구 모음에 새 에이전트 통합하기
__6.2.4 작가 에이전트의 유연성 보강
__6.2.5 요약자의 실제 동작 살펴보기
6.3 기술적 효율성을 비즈니스 가치로 전환
6.4 요약
6.5 연습문제
6.6 참고문헌
6.7 더 읽을거리
▣ 07장: 고충실도 RAG와 방어 - NASA에서 영감을 받은 연구 조교 에이전트
7.1 신뢰할 수 있는 연구 조교 에이전트 설계
__7.1.1 단계별 아키텍처 둘러보기
__7.1.2 책임 분리
7.2 고충실도 RAG 및 에이전트 방어 구현
__7.2.1 단계 1: 데이터 수집 파이프라인 업그레이드
__7.2.2 단계 2: 컨텍스트 엔진 역량 업그레이드
__7.2.3 단계 3: 최종 애플리케이션 - NASA 연구 조교 에이전트
7.3 컨텍스트 엔진의 검증과 하위 호환성
__7.3.1 컨텍스트 엔진의 완전한 구성요소 목록
__7.3.2 컨텍스트 엔진이 생각하는 방식
__7.3.3 기계의 마음 검증하기
7.4 요약
7.5 연습문제
7.6 참고문헌
7.7 더 읽을거리
▣ 08장: 현실에 맞는 아키텍처 구축 - 모더레이션, 지연시간, 정책 기반
8.1 엔터프라이즈 환경에 맞는 컨텍스트 엔진 아키텍처
__8.1.1 단계별 아키텍처 둘러보기
8.2 추론 엔진의 심사숙고에 따른 지연시간
8.3 모더레이션 구현
__8.3.1 모더레이션 문지기 구축
__8.3.2 모더레이션 문지기의 통합
__8.3.3 모더레이션 가드레일의 실제 작동
8.4 정책 기반 메타컨트롤러 아키텍처
__8.4.1 원칙 1: AI 시스템은 끊임없이 현실에 적응해야 한다
__8.4.2 원칙 2: 자동화된 문맥 기반 판단의 한계
__8.4.3 원칙 3: 새로운 엔지니어의 사고방식
__8.4.4 원칙 4: 궁극적인 컨텍스트로서의 정책
__8.4.5 원칙 5: 아키텍처적 해법
8.5 범용 다중 도메인 컨트롤 덱
__8.5.1 템플릿 1: 고충실도 RAG
__8.5.2 템플릿 2: 컨텍스트 축약
__8.5.3 템플릿 3: 근거 기반 추론
8.6 엔진 적용: 법적 규정 준수 보조 도구
__8.6.1 법률 지식 베이스 구축
__8.6.2 법률 용례와 현실의 한계
8.7 요약
8.8 연습문제
8.9 참고문헌
8.10 더 읽을거리
▣ 09장: 브랜드와 민첩성을 위한 아키텍처 - 전략적 마케팅 엔진
9.1 단계별 아키텍처 흐름
9.2 마케팅 지식 베이스 설계
9.3 엔진 실행
__9.3.1 프로덕션 안전장치 검증
__9.3.2 용례 1: 경쟁사 분석
__9.3.3 용례 2: 제품 설명을 마케팅 콘텐츠로 변환
__9.3.4 용례 3: 다양한 소스를 종합해서 설득력 있는 제안서 작성
9.4 요약
9.5 연습문제
9.6 참고문헌
9.7 더 읽을거리
▣ 10장: 프로덕션 전환을 위한 로드맵
10.1 유리 상자 엔진의 프로덕션 전환
__10.1.1 환경 설정 및 비밀값 관리
__10.1.2 프로덕션 API 구축(오케스트레이션 계층)
__10.1.3 비동기 실행 및 작업 대기열
__10.1.4 중앙화된 로깅 및 관측성
__10.1.5 인프라 및 컨테이너화
10.2 엔터프라이즈 역량 및 프로덕션 가드레일 배포
__10.2.1 능동적 컨텍스트 축약으로 운영 비용 관리
__10.2.2 고충실도 RAG로 신뢰와 규정 준수 보장
__10.2.3 데이터 오염 및 적대적 공격으로부터 데이터 파이프라인 방어
__10.2.4 자동화된 가드레일로 규정 준수 및 안전성 보장
__10.2.5 창의적 작업흐름으로 거버넌스와 품질 강화
10.3 비즈니스 가치 제시
__10.3.1 비용 센터에서 가치 증폭기로
__10.3.2 검증 가능성과 보안을 통한 이해관계자 신뢰 강화
__10.3.3 전략적 자산 창출
10.4 요약
10.5 연습문제
10.6 참고문헌
10.7 더 읽을거리
▣ 부록A: 컨텍스트 엔진 레퍼런스
A.1 이론적 토대
__A.1.1 의미 청사진
__A.1.2 유리 상자 아키텍처의 장점
__A.1.3 시스템 아키텍처와 작업흐름
__A.1.4 commons 라이브러리 레퍼런스
A.2 데이터 수집 파이프라인
__A.2.1 수집 과정
__A.2.2 컨텍스트 라이브러리(의미 청사진 라이브러리) 수집
A.3 실행과 운영
__A.3.1 엔진 룸
__A.3.2 컨트롤 덱
A.4 프로덕션 가드레일: 모더레이션, 정제, 정책
__A.4.1 자동화의 한계와 정책의 역할
A.5 운영의 현실: 지연시간과 확률성
▣ 부록B: 연습문제 해답
저자
저자
데니스 로스먼 Denis Rothma
데니스 로스먼은 소르본 대학과 파리-디드로 대학교를 졸업했다. AI 부흥 초창기에 word2matrix 임베딩 알고리즘을 개발해서 특허를 받았으며, AI 기반 대화형 에이전트를 선구적으로 개발했다. 경력 초기에 개발한 인지적(cognitive) NLP 챗봇은 모엣 & 샹동을 비롯한 글로벌 브랜드에 채택됐다. 이후 에어버스를 위해 AI 자원 최적화 도구를 만들었는데, IBM과 의류 업계의 여러 선도 기업도 그 도구를 도입했다. 전 세계에서 쓰이는 그의 APS(Advanced Planning and Scheduling, 고급 계획 및 일정 수립) 솔루션은 여러 산업 분야에 걸쳐 공급망 지능화를 이끌었다. 저술 활동을 통해서 데니스는 목적의식을 가지고 AI를 형성하는 데 전념하는 사상가, 제작자, 학습자로 구성된 글로벌 커뮤니티와 혁신의 경험을 공유한다.
데니스 로스먼은 소르본 대학과 파리-디드로 대학교를 졸업했다. AI 부흥 초창기에 word2matrix 임베딩 알고리즘을 개발해서 특허를 받았으며, AI 기반 대화형 에이전트를 선구적으로 개발했다. 경력 초기에 개발한 인지적(cognitive) NLP 챗봇은 모엣 & 샹동을 비롯한 글로벌 브랜드에 채택됐다. 이후 에어버스를 위해 AI 자원 최적화 도구를 만들었는데, IBM과 의류 업계의 여러 선도 기업도 그 도구를 도입했다. 전 세계에서 쓰이는 그의 APS(Advanced Planning and Scheduling, 고급 계획 및 일정 수립) 솔루션은 여러 산업 분야에 걸쳐 공급망 지능화를 이끌었다. 저술 활동을 통해서 데니스는 목적의식을 가지고 AI를 형성하는 데 전념하는 사상가, 제작자, 학습자로 구성된 글로벌 커뮤니티와 혁신의 경험을 공유한다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.

