패스트캠퍼스 환급챌린지 10일차 : 모두의 AI 케인의 Agent로 완성하는 RAG: 데이터 별 아키텍처 설계를 중심으로 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://fastcampus.info/4n8ztzq

(~6/20) 50일의 기적 AI 환급반💫 | 패스트캠퍼스

이번에 배운 closed-source LLM 활용 강의는 최신 AI 트렌드를 빠르게 따라갈 수 있도록 매우 실질적인 내용으로 구성되어 있어 무척 인상 깊었습니다. 요즘 오픈소스 LLM만큼이나 주목받는 것이 바로 클로즈드 소스 LLM인데, 그 이유는 최신 성능과 다양한 기능을 손쉽게 API로 이용할 수 있기 때문입니다. 강의를 통해 OpenAI의 GPT, Anthropic Claude, Cohere Command 등 다양한 비공개 모델을 직접 호출하고 비교해 보면서, 각 모델이 제공하는 장단점을 체감할 수 있었습니다.

특히 LangChain 라이브러리를 활용한 API 연동 방식은 기존에 복잡한 HTTP 요청과 응답 파싱을 일일이 처리해야 했던 번거로움을 한 번에 해결해 주는 느낌이었습니다. ChatOpenAI나 ChatAnthropic처럼 간단히 클래스를 생성하고, 메시지를 입력하면 바로 결과를 받을 수 있다는 점은 정말 획기적이었습니다. 덕분에 빠르게 프로토타입을 제작하거나 서비스에 접목할 때 훨씬 효율적으로 작업할 수 있을 것 같습니다.

또한 강의 후반부에 진행된 실습에서는 같은 프롬프트를 여러 모델에 보내서 응답의 스타일과 품질을 직접 비교했는데, 이 과정에서 모델마다 문체, 디테일, 응용력 등이 크게 다르다는 점이 인상 깊었습니다. 이 실습 덕분에 단순히 '좋은 성능의 모델'이라는 추상적인 개념이 아니라, 실제 사용 목적에 맞는 최적의 모델을 어떻게 선택할지를 고민하게 되었습니다.

마지막으로, 비공개 모델 특유의 비용 구조와 라이선스, 데이터 프라이버시 측면에 대한 설명도 실무에 매우 도움이 되었습니다. 이번 강의를 통해 앞으로 LLM을 선택할 때 단순한 성능 지표만이 아니라, 사용 목적, 비용, 보안 등 다양한 요소를 종합적으로 고려해야 한다는 점을 확실히 깨달았습니다. 실무와 연구 모두에 유용한 실질적인 지식을 얻어 매우 만족스러웠습니다!

 

이제 편하게 프로덕트를 만들때, 더 편한 방법에 다가갈수있어서 좋은 강의인거같습니다.