🤖 다국어 AI 에이전트 개발

• 바이브 코딩으로 동작하는 미니 언어 앱(한국어 요약기·번역 비교기·문체 교정기 택1) 완성 — '언어 문제를 푸는 과정' 정체성 각인
• 프롬프트 설계·LLM as a Judge(글쓰기 채점+근거 생성, 말평 2026 과제 규격) 학습
• 팀 미니 프로젝트①로 첫 포트폴리오 확보

산출물 · 미니 언어 앱(W1), 언어 서비스 제품(W3)

• BGE-M3 다국어 임베딩 기반 cross-lingual RAG 구축 (질문 언어 ≠ 문서 언어 검색)
• Tool use·MCP 표준으로 첫 단일 에이전트 완성
• 오픈 한국어 LLM을 LoRA로 직접 파인튜닝 — 과정 전체의 엔진

산출물 · 단일 에이전트(W5), 파인튜닝 모델(W6)

• LangGraph 오케스트레이션·에이전틱 RAG·LangSmith 기반 eval — 에이전트 성능을 측정하는 법 습득
• 국립국어원 말평 상시 평가 리더보드에 실제 제출하는 미니 프로젝트② — 국가 벤치마크 실전

산출물 · 멀티에이전트+eval 리포트(W7), 말평 리더보드 제출 기록(W8)

• W9 : 카카오엔터프라이즈 전담 — 카카오클라우드·Kubernetes·Kubeflow (30H)
• W10 : 캡스톤 MVP 구현 — 파인튜닝 모델을 판단 엔진으로 탑재한 언어 문제 해결 에이전트
• W11 : 배포·운영 하드닝(트레이싱·비용 가드레일·인젝션/PII 방어), 말평 제출 규격 호환 마감, 피어리뷰·데모데이

산출물 · 캡스톤 : 배포·운영되는 언어 문제 해결 에이전트(W10~11)

1. 1OT·팀빌딩·개발 환경 세팅
2. 2복잡한 문법 대신 AI에게 말하듯 코드를 만드는 바이브 코딩 익히기
3. 3프론트엔드·백엔드(API)·DB를 연결한 풀스택 앱 구조 이해하기
4. 4[첫 산출물 = 미니 언어 앱] LLM API를 붙인 한국어 문서 요약기 / 번역 비교기 / 맞춤법·문체 교정기 중 택1을 동작하는 웹 서비스로 완성하기

1. 1LLM 학습 원리·멀티모달 직관적으로 이해하기
2. 2토큰화·임베딩·트랜스포머 구조 해부 (한국어 토크나이저 비교 실습)
3. 3허깅페이스 생태계: 모델 탐색·로드·추론 실행, Ollama 로컬 실행

1. 1시스템 프롬프트·구조화 출력·컨텍스트 엔지니어링 설계하기
2. 2LLM as a Judge 설계 — 말평 2026 과제(글쓰기 채점: 내용·구성·표현 3영역 점수 + 근거 생성)를 실습 예제로 사용

1. 1팀 단위 3일, 바이브 코딩으로 동작하는 '언어 서비스 제품' 완성하기 (W1 미니 언어 앱의 확장·심화 주제)
2. 2발표·피드백을 거쳐 첫 포트폴리오 확보하기

1. 1RAG(검색 증강 생성) 파이프라인과 벡터DB 원리 이해·구축하기
2. 2BGE-M3 다국어 임베딩으로 질문 언어 ≠ 문서 언어인 cross-lingual 검색 구현하기 (예: 한국어 질문 → 영어 무역 계약서 검색)
3. 3모두의 말뭉치 등 한국어 데이터 활용하기

1. 1Tool use·Function calling으로 웹 검색·외부 API 등 도구 연결하기
2. 2MCP(Model Context Protocol) 표준으로 도구 통합하고 단일 에이전트 완성하기

1. 1SFT(지도 파인튜닝) 개념과 학습 데이터 구축하기 (말평 과제 데이터 규격 기준)
2. 2LoRA·QLoRA로 오픈 한국어 LLM 경량 튜닝 실습하기
3. 3학습 파라미터 조정·과적합 판단, MLFlow로 실험 추적하기

1. 1LangGraph로 에이전트 간 협업·작업 순서를 조율하는 오케스트레이션 실습하기 (상태·메모리 관리 포함)
2. 2에이전틱 RAG로 검색 신뢰도 고도화하기
3. 3LangSmith 트레이싱·평가셋 구축·eval 자동화·디버깅 익히기

1. 1말평 상시 평가 과제(대화 맥락 추론 등) 팀별 선택하기
2. 2파인튜닝 심화 + 실험 설계로 모델 성능 끌어올리기
3. 3실제 리더보드 제출 → 순위 확인 → 개선 루프 반복하기
4. 4실험 기록과 근거 중심으로 결과 발표하기

1. 1카카오클라우드 기초: IAM·VPC·VM·로드밸런서·스토리지·모니터링
2. 2Kubernetes Engine: 컨테이너 이미지 빌드·클러스터·자동화 배포
3. 3Kubeflow: GPU 노트북·하이퍼파라미터 튜닝·모델 서빙·MLOps

1. 1파인튜닝 모델을 판단 엔진으로 탑재한 '언어 문제 해결 에이전트' MVP 설계·구현하기 (주제 풀: 무역 문서·의료 텍스트 등 부산 산업 언어 문제 포함)

1. 1카카오클라우드에 배포하고 트레이싱·비용 가드레일·프롬프트 인젝션 방어 적용하기
2. 2산출물을 말평 제출 규격(모델 + 근거 생성 + 발표 자료)과 호환되게 완성하기
3. 3피어리뷰·데모데이로 마무리하기