[# LangChain] 00. AI 앱 개발을 위한 첫걸음

개념 이해부터 RAG, AI Agent까지의 학습 로드맵

AI 기술이 비즈니스의 핵심으로 자리 잡으면서, LLM(거대언어모델)을 효율적으로 다루는 기술이 필수 역량이 되었습니다. 개발자로 다시 도약하기 위한 첫 번째 프로젝트로 랭체인(LangChain) 학습을 시작합니다.

---

🎯 학습 목표

• 개념 이해: LLM과 외부 데이터를 연결하는 랭체인의 6가지 핵심 모듈 파악
• 실습 진행: Python/JS 환경에서 체인(Chain)을 구성하고 실제 결과물 도출
• 활용 방안: 특정 도메인 지식을 답변하는 챗봇 및 자동화 도구 설계 능력 배양

---

🚀 상세 학습 계획 (3단계)

Step 1. 랭체인 기초 (Fundamentals)

랭체인을 구성하는 기본 단위인 '컴포넌트'를 익히는 단계입니다.

• Models: OpenAI, Anthropic, HuggingFace 연동법
• Prompts: 프롬프트 템플릿 설계 및 최적화
• Chains: LCEL(LangChain Expression Language)을 이용한 흐름 제어

Step 2. RAG(Retrieval Augmented Generation) 구현

LLM의 한계인 '할루시네이션(환각)'을 극복하기 위해 외부 데이터를 참조하는 기술을 학습합니다.

• Document Loaders: PDF, 웹페이지, DB 데이터 불러오기
• Vector Stores: Chroma, Pinecone 등 벡터 DB의 이해와 활용
• Retrieval: 질문과 가장 유사한 데이터를 찾아 LLM에게 전달하는 과정 실습

Step 3. 고도화 (Memory & Agent)

단순 답변을 넘어 대화 내용을 기억하고 스스로 도구를 사용하는 AI를 만듭니다.

• Memory: 대화의 문맥을 기억하는 기능 추가
• Agents: 검색, 계산기, API 호출 등 AI가 스스로 도구를 선택하도록 설계

---

📝 학습을 시작하며

기술의 발전 속도가 매우 빠르지만, '연결'이라는 랭체인의 핵심 철학을 이해한다면 어떤 모델이 나와도 대응할 수 있는 기초 체력을 기를 수 있을 것입니다. 오늘부터 하나씩 실습하며 그 과정을 기록해 나가겠습니다.