AI Agent 실습
1.[TIL-0208] Ollama란?
🌟 개요 팀 프로젝트로 AI Agent 기반의 인플루언서 매칭 플랫폼을 개발하고 있다. 광고 컨셉과 아이템, 광고주 정보를 입력하면 LangGraph ReAct Agent가 DB에서 최적의 인플루언서를 검색하고 추천해주는 프로젝트이다. 이 프로젝트에서 LLM 추론 엔
2.[TIL-0208] temperature란?
🌟 개요 LLM을 활용한 프로젝트를 진행하다 보면 빠지지 않고 등장하는 파라미터가 있는데, 그것은 바로 temperature이다. 이전에 IT 공모전에서 프로젝트를 진행했을 때도 프롬프트를 작성하면서 temperature 값을 조절했고, 현재 진행 중인 프로젝트에서도
3.[TIL-0216] LlamaIndex란?
🌟 개요 AI Agent 스터디에서 AI Agent 기반의 인플루언서 매칭 플랫폼을 실습 프로젝트로 진행하고 있다. 광고주가 광고 컨셉, 아이템, 예산 등을 입력하면, LangGraph 기반 AI Agent가 DB에서 최적의 인플루언서를 검색하고 추천해주는 서비스이다
4.[TIL-0222] SQLite·ChromaDB를 걷어내고 Neo4j로 통합한 과정
🌟 개요 AI Agent 실습 프로젝트에서 나는 DB 구축을 맡게 되었다. 스터디 멘토님께서 Knowledge Graph에 대해 찾아보고, Neo4j를 활용해 보라고 조언해 주셨다. 문제는 DB 구축 자체가 처음이었다는 것이다. SQL 기반의 관계형 DB는 학습한
5.[TIL-0226] LlamaIndex 도입 - 1. 시맨틱 검색으로 인플루언서 매칭 고도화
🌟 개요 AI Agent 스터디를 진행하면서 이 강의를 통해 LlamaIndex를 처음 접하게 되었다. 마침 프로젝트에 Neo4j로 Knowledge Graph DB를 구축하던 시점이었는데, 단순히 DB에 데이터를 저장하고 조회하는 것을 넘어서 의미 기반 검색, RA
6.[TIL-0301] 임베딩(Embedding)이란?
🌟 개요 AI Agent 기반 인플루언서 매칭 플랫폼을 개발하던 중, 인플루언서 프로필 텍스트를 벡터로 변환해 Neo4j에 저장하는 작업을 진행했다. LlamaIndex와 bge-m3 모델을 활용해 1024차원 벡터 임베딩을 구현했고, 코드도 정상적으로 동작했다. 그
7.[TIL-0309] LlamaIndex 도입 - 2. Neo4j Knowledge Graph + LlamaIndex KG Index 통합
🌟 개요 기존 SQLite 기반의 단순 테이블 구조를 Neo4j 그래프 DB로 교체했다. 인플루언서, 광고주, 광고, 카테고리, 플랫폼을 각각 노드로 표현하고, SPECIALIZESIN, MATCHEDWITH, PROMOTED 같은 관계로 연결하여 엔티티 간의 맥락을
8.[TIL-0310] LlamaIndex 도입 - 3. RAG 기반 매칭 분석 도구
🌟 개요 인플루언서 추천 시스템에서 "왜 이 인플루언서를 추천하는가"에 대한 근거는 매우 중요하다. 단순히 카테고리나 팔로워 수가 맞다는 것만으로는 광고주를 설득하기 어렵다. 과거에 비슷한 캠페인을 진행했고, 실제로 성과가 좋았다는 실적 근거가 있어야 신뢰도가 높아진
9.[TIL-0312] LlamaIndex 도입 - 4. LangGraph Agent의 도구로 LlamaIndex QueryEngine 통합
🌟 개요 LangGraph Agent는 기본적으로 명시적 파라미터 기반 도구만 사용할 수 있다. 카테고리명, 플랫폼, 팔로워 수처럼 정해진 값을 넘겨야만 검색이 시작되고, 자연어 질문이나 의미적 탐색은 불가능하다. 이 글에서는 LlamaIndex의 Index/Quer
10.[TIL-0313] LlamaIndex 도입 - 5. 수집된 광고 데이터의 자동 인덱싱 파이프라인
🌟 개요 Notion에서 수동으로 수집한 광고 캠페인 데이터가 검색에 활용되지 못하고 그냥 쌓이고 있었다. 인플루언서 프로필은 Neo4j에 저장되어 있지만, 실제로 어떤 광고주와 어떤 컨셉으로 협업했는지는 에이전트가 전혀알 수 없는 상태였다. 이번 작업에서는 Not
11.[TIL-0325] LLM에게 사고 순서를 가르치는 법: CoT 프롬프트 설계 과정
🌟 개요: 시맨틱 검색만으로는 부족한 이유 인플루언서 매칭 플랫폼을 개발하면서, 기존의 규칙 기반 검색(카테고리 필터링, 팔로워 수 범위 조건, 플랫폼 필터링)을 LlamaIndex 기반 시맨틱 검색으로 고도화하는 작업을 진행했다. 시맨틱 검색의 핵심 아이디어는 단
12.[TIL-0328] LangGraph + LlamaIndex: 이중 LLM 아키텍처 설계
🌟 개요: 프로젝트에 LLM이 2개? 🧐 코드를 분석하다 발견한 것 Claude Code화 함께 이 프로젝트에 LlamaIndex를 도입했다. 벡터 검색 기능을 추가하고, Knowledge Graph 인덱스를 붙이고, 인플루언서 매칭 이력을 RAG로 조회하는 기능까
13.[TIL-0410] Neo4j Aura로 그래프 DB 구축하기
🌟 개요: 그래프 DB와 Neo4j Aura 🔍 프로젝트 배경 이 프로젝트는 AI Agent 기반 인플루언서 매칭 플랫폼이다. 광고 컨셉, 광고 아이템, 광고주 정보를 입력하면 LangGraph React Agent가 DB를 탐색해 최적의 인플루언서를 추천해준다.
14.[TIL-0411] 임베딩 모델에 접두어를 붙이면 검색 성능이 올라갈까?
이 프로젝트는 LangGraph 기반의 인플루언서 매칭 시스템이다. 광고 캠페인의 컨셉과 타겟을 입력하면, AI 에이전트가 DB에서 적합한 인플루언서를 검색해 추천해주는 시스템이다.인플루언서 검색에는 벡터 유사도를 활용했다. 광고 캠페인 설명을 쿼리 벡터로 변환하고,
15.[TIL-0412] DuckDuckGo 라이브러리
🌟 개요 🗣️ 프로젝트 소개 이 프로젝트는 LangGraph 기반의 AI Agent를 활용한 인플루언서 매칭 플랫폼이다. 광고주가 광고 컨셉, 광고 아이템, 요구사항을 입력하면 Agent가 DB에서 최적의 인플루언서를 검색하고 추천해준다. 인플루언서를 잘 추천하려면
16.[TIL-0413] 인스타그램 게시물 스크래핑 과정
🌟 개요 🤔 인스타그램 스크래핑 계기 인플루언서 매칭 플랫폼을 개발하면서 한 가지 고민이 생겼다. 광고주 입장에서 인플루언서를 선정할 때, 단순히 팔로워 수나 카테고리만 볼 수는 없다. 그 인플루언서가 평소에 어떤 분위기의 콘텐츠를 올리는지, 광고를 얼마나 자주
17.[TIL-0416] 클로저 패턴 분석하기
🌟 개요 Claude Code가 짜준 코드를 분석하다가 클로저 패턴이 여러 군데서 보였다. 예전에 JavaScript 공부할 때 클로저 개념을 익혔었는데 그때도 개념이 잘 안 잡혔던 기억이 있어서, 이참에 이 프로젝트에 등장하는 클로저 패턴들을 직접 뜯어보면서 정리해
18.[TIL-0420] 임베딩 모델 선택 가이드
🌟 개요 인플루언서 매칭 플랫폼을 개발하면서 벡터 검색 기능을 구현해야 했고, 자연스럽게 임베딩 모델을 하나 골라야 하는 상황이 됐다. 임베딩 모델을 찾아보니 선택지가 생각보다 훨씬 많았다. OpenAI 임베딩 API부터 로컬에서 돌릴 수 있는 오픈소스 모델도 있었
19.[TIL-0422] 인플루언서 광고 매칭 점수 알고리즘 설계 원칙
🌟 개요 ✨ 인플루언서 매칭, 왜 점수가 필요한가? 뷰티 브랜드 마케터가 광고 모델로 선정할 인플루언서를 선정할 때, 아주 다양한 기준을 고려할 것이다. > "팔로워가 너무 많으면 단가가 부담되니, 10만~50만 정도 팔로워를 가지고 있는 인플루언서 중에서 골라야겠다
20.[TIL-0505] Deep Agent란?
최근 팀 스터디에서 진행 중인 프로젝트를 Deep Agent 기반으로 전환하기로 했다.프로젝트는 광고 컨셉과 아이템, 광고주 정보를 입력하면 AI가 최적의 인플루언서를 추천해주는 서비스인데, 지금까지는 하나의 AI 에이전트가 모든 걸 처리하는 구조로 만들어져 있었다.
21.[TIL-0509] DSPy란?
🌟 개요 ✨ 스터디 프로젝트 소개 우리 스터디에서는 LangChain 기반의 인플루언서 매칭 에이전트 플랫폼을 만들고 있다. 광고주가 광고 컨셉, 광고 아이템, 광고주 브랜드명 세 가지를 입력하면, 에이전트가 최적의 인플루언서 후보를 추천해주는 시스템이다. 에이전트는