IT LAB

1. 컨텍스트를 정확히 채우는 법'@' 파일 참조특정 파일이나 디렉터리를 명확히 지정하면 불필요한 탐색을 줄이고 현재 작업에 필요한 컨텍스트를 집중적으로 제공할 수 있음 예시) @로 파일 참조하여 프롬프팅하기더보기@spring-cloud-api-gateway/build.gradle 파일의 의존성을 설명해주세요.@user-service/src/main/java 아래에서 회원가입 흐름을 분석해주세요.@docker-compose.yml과 @.github/workflows를 비교해서 배포되는 컨테이너와 포트를 정리해주세요. Lazy Loading 방식으로 컨텍스트 관리하기필요한 시점에만 관련 문서를 읽게 하는 전략@를 사용하여 관련 문서 링크를 달아줌 예시) 작업 요청더보기이번 작업은 OAuth2 로그인 오류 ..

0. 모든 팁은 컨텍스트 관리가 핵심컨텍스트 윈도우가 꽉 찰수록 Claude의 성능은 떨어짐⚠️ 지시사항을 잊어버리거나 실수가 늘어남➡️ 모든 팁은 "컨텍스트를 어떻게 아껴 쓰고 관리할 것인가"로 수렴함 1. 효과적인 작업 요청 공식단순히 "수정해달라" 하기 보다 구체적으로 전달하는 것이 좋음항목설명목표최종적으로 해결하거나 완성하려는 내용현재 상황현재 증상, 오류, 기존 구조작업 범위우선 확인하거나 수정할 모듈과 파일제약조건수정하면 안 되는 영역이나 지켜야 할 규칙검증 방법테스트, 빌드, 실행 확인 방법결과 보고변경 파일, 원인, 테스트 결과 등 최종 보고 형식 예시) OAuth2 Login 문제 조사더보기OAuth2 로그인 성공 후 프런트엔드로 리다이렉트되지 않는 문제를 조사해주세요.목표:- 로그인 성..

1. Claude Code란?터미널에서 실행되는 에이전트 코딩 도구✅ 코드베이스를 읽고, 파일을 편집하고, 명령을 실행할 수 있음✅ 기능을 구축하고, 버그를 수정하고, 개발 작업을 자동화함➡️ 전체 코드를 이해하고 여러 파일과 도구에 걸쳐 작업할 수 있음 2. 핵심 요소모델작업의 복잡도와 비용에 따라 선택할 수 있음작업 유형권장 방향모델명복잡한 아키텍처 설계높은 추론 성능 모델Opus 4.8일반적인 코드 수정균형 잡힌 기본 모델Sonnet 5빠른 검색과 단순 작업가벼운 고속 모델Haiku 4.5여러 서브에이전트 병렬 실행비용 효율적인 모델Haiku 4.5코드 리뷰 최종 검증높은 추론 성능 모델Opus 4.8 도구각 도구의 결과는 다음 행동을 결정하는 새로운 정보가 됨범주수행 가능한 작업파일 작업파일 읽기..

1. Prompt란?AI가 수행해야 할 작업을 설명하거나 지시하는 자연어 입력 구성 요소구성요소설명작업 예시목표수행해야 할 작업회원가입 오류 원인 분석배경 정보작업 이해에 필요한 상황특정 요청에서 500 오류 발생작업 범위확인하거나 수정할 영역user-service만 수정제약 조건반드시 지켜야 할 규칙기존 API 계약과 계층 구조 유지수행 절차작업 진행 순서분석 → 계획 → 구현 → 테스트완료 조건작업이 끝났다고 판단할 기준테스트 통과 및 오류 재현 불가출력 형식결과를 보고하는 방식원인, 변경 파일, 테스트 결과 2. Prompt Engineering 이란?생성형 AI 모델이 원하는 결과를 생성하도록 프롬프트를 설계하고 개선하는 과정✅ AI에게 작업 수행 과정을 명확하게 전달하는 기술 (무엇을, 어떤 조..

1. Context란?LLM이 응답이나 다음 행동을 생성할 때 참고할 수 있는 모든 정보➡️ 해당 정보들을 바탕으로 다음 행동이나 답변을 생성함 종류구성요소정의주요 내용 및 예시시스템 프롬프트에이전트의 기본 역할, 행동 규칙, 권한, 제약 조건을 정의하는 지침역할, 답변 방식, 사용 가능한 도구, 금지 행동, 보안 규칙, 출력 형식사용자 프롬프트현재 작업을 발생시키는 사용자의 직접적인 입력질문, 명령, 요청 조건, 원하는 결과물, 추가 제약사항단기 메모리현재 세션이나 작업에 필요한 정보를 일시적으로 유지하는 공간최근 대화, 현재 목표, 실행 계획, 완료 단계, 오류 내역장기 메모리여러 세션에 걸쳐 반복적으로 활용해야 하는 정보를 저장하는 공간사용자 선호도, 장기 프로젝트 정보, 업무 규칙, 과거 결정외부..

1. AI 스택이란?실제 업무 문제를 해결하려면 5개 계층이 필요함✅ 각 계층에서 어떤 기술을 선택하느냐에 따라 품질, 처리 속도, 운영 비용, 확장성, 보안성, 편의성 등이 달라짐 2. Infrastructure LayerAI 모델이 실행될 하드웨어와 배포 환경LLM은 보통 AI 전용 하드웨어가 필요함 (ex. GPU)모델 크기와 요청량에 따라 필요한 인프라가 달라짐 배포 방식방식설명장점단점On-Premise회사 내부에 GPU 서버를 직접 구축데이터 통제, 높은 보안성높은 초기 비용, 운영 복잡성Cloud클라우드에서 GPU 자원을 임대빠른 구축, 탄력적 확장지속적인 사용 비용, 외부 의존Local개인 PC나 노트북에서 모델 실행개인정보 보호, 인터넷 없이 사용 가능실행 가능한 모델 크기와 성능 제한 3..

1. MCPModel Context ProtocolAI 에이전트와 외부 데이터/도구를 연결하는 표준 프로토콜 필요성LLM이 특정한 상황에서 답변을 만들기 어려운 경우가 존재함학습 데이터만으로 최신 데이터 관련 답변을 하기 어려움 (ex. 실시간 날씨 등)컨텍스트 윈도우 내에서 답변을 하기 어려움 (ex. 대규모 프로젝트 코드 등)✅ 외부 시스템에 요청하여 프롬프트를 보강해야 함⚠️ 외부 시스템의 API가 제각각임➡️ 표준화된 프로토콜이 필요함 기능구분의미예시ToolsAI 에이전트가 실행할 수 있는 작업웹 검색, 이메일 전송, 일정 생성, 데이터베이스 조회ResourcesAI 에이전트가 읽을 수 있는 데이터문서, 파일, 사내 위키, DB 레코드, 코드Prompts재사용할 수 있도록 미리 정의된 프롬프트 ..

1. AI Agent란?주어진 목표를 달성하기 위해 작업을 계획하고, 필요한 도구를 사용하며, 결과를 확인하여 목표를 달성하는 AI 시스템✅ 목표 지향성✅ 도구 사용✅ 다단계 작업: 한번에 답하지 않고 여러 작업을 이어서 수행함✅ 자율성: 매 단계마다 사람이 지시하지 않아도 다음 행동을 선택함✅ 피드백 반영: 실행 결과를 보고 다음 행동을 수정함 실행 루프Perceive: 현재 환경과 사용자 요청을 인식함Memory: 이전 대화나 작업 기록을 참고함Reason: 목표 달성을 위한 방법을 판단함Act: 도구를 호출해 작업을 실행함Observe: 실행 결과를 확인함Repeat: 목표가 달성되지 않았다면 다시 판단하고 실행함 구성 요소구성 요소역할예시LLM에이전트의 두뇌 역할(질문 이해, 추론, 계획, 답변 ..

1. RAG 란?Retrieveal-Augmented Generation (검색 증강 생성)LLM이 답변하기 전에 외부 문서나 데이터베이스에서 관련 정보를 검색하고, 그 내용을 참고해 답변하는 방식✅ 질의에 관련된 정보를 모르거나, 프라이빗 정보를 제공해야 하거나, 답변의 출처를 제공해야 할 때 필요함➡️ 답변 시점에 외부 정보를 검색하여 프롬프트에 추가함으로써 보완함 2. 작동 과정색인화 (외부 문서를 검색하기 쉬운 형태로 미리 가공하고 저장하기)chunking: 문서를 작은 단위로 분할embedding: 각 문서를 임베딩 벡터로 변환indexing: 벡터 데이터베이스에 저장검색 (사용자의 질문과 관련성이 높은 문서 조각을 찾기)사용자 질문도 임베딩 벡터로 변환문서 벡터와 비교관련 문서 선택증강: 검색..

1. LLM이란?대규모 텍스트에서 언어의 구조와 패턴을 학습해 문장을 이해하고 생성하는 인공신경망 모델✅ 문장 패턴을 모델 내부의 파라미터에 반영함 (단어와 문장의 관계, 문맥, 문법, 표현 방식 등)➡️ 주어진 문맥에서 다음에 올 가능성이 높은 토큰을 생성함ex) 문장 생성, 요약, 번역, 질문 답변, 코드 작성 등 2. 자기지도학습사람이 모든 정답을 붙이지 않아도 데이터 자체에서 정답을 만들어 학습하는 방식 학습 과정텍스트 입력다음 토큰 예측실제 토큰과 비교틀린 정도 계산 (손실)파라미터 수정반복 ex) 대한민국의 수도는? 이란 질문하기더보기모델 예측: 부산실제 답: 서울✅ 틀렸을 경우 다음에는 서울의 확률이 높아지도록 내부 파라미터를 조정함➡️ 이 과정을 매우 많이 반복하면서 언어 패턴을 학습함 파..