0

우리는 지금 어디에 있나? 더닝-크루거 효과

더닝-크루거 곡선으로 학습자의 현재 위치를 파악하고, 강좌 목표를 명확히 합니다: "우매함의 정점"에서 "지식의 고원"으로

입문

›

0

왜 원리를 배우는 데 시간을 써야 하나요?

모든 AI Harness 작업은 본질적으로 message list 처리입니다. 이것을 이해하면 모든 솔루션이 보입니다

입문

›

1

AI의 먹이: 훈련 데이터

15T Token이 어떤 개념인가요? 코퍼스 구성 시각화 + 데이터 규모 직관 슬라이더

인터랙티브

›

2

훈련 vs 추론: 완전히 다른 두 가지 과정

대화는 학습이 아닙니다. 파라미터 동결, Token 단위 과금 — 모든 AI PM이 알아야 할 기본 로직

개념

›

3

어휘 목록과 훈련

코퍼스에서 단어 행렬까지 — 토크나이제이션 + 어텐션 가중치 인터랙티브 데모

인터랙티브

›

4

Base 모델: Token으로 Token을 예측하는 기계

훈련 후 무엇을 얻나요? 단계별 생성 + 확률 분포 실시간 업데이트

애니메이션

›

5

GPT의 도약: PreTraining이 모든 것을 바꾸다

CNN / RNN / BERT / GPT 네 가지 알고리즘 인터랙티브 비교, 메모리 감쇠 시각화

인터랙티브

›

6

chat/completions의 수수께끼

분명 대화인데 왜 API는 "completions"라고 할까요? 타이프라이터 애니메이션으로 설명

애니메이션

›

7

가짜 채팅 기록

OpenAI의 초기 실험: 완성 기계를 챗봇으로 만들기

애니메이션

›

8

Chat Template + SFT

Jinja 형식, 명령어 미세조정 — 대형 모델이 드디어 "말"을 배우다

SFT 비교

›

9

컨텍스트 윈도우가 핵심입니다

왜 Prompt만으로 충분할까요? Token 잘라내기 시각화 — 재훈련 없이 가능

인터랙티브

›

10

LLM 환각 데모

세 가지 전형적인 환각: 사실 오류 / 자신감 있는 날조 / 지식 컷오프

사례 연구

›

11

완화 방안 1: Prompt Engineering

제약 지시어 + 한계: 모델은 자신이 모른다는 것을 모릅니다

한계 포함

›

12

완화 방안 2: RAG – 검색 증강 생성

실제 문서를 컨텍스트에 주입, 5단계 인터랙티브 흐름 애니메이션, RAG 유무 비교

한계 포함

›

13

RAG의 비용과 최적화 전략

비용 분석표 + 4가지 전략: 키워드 트리거 / 모델 라우팅 / 시맨틱 캐시 / 정밀 청킹

PM 심화

›

14

완화 방안 3: Temperature & Top-P

슬라이더를 드래그하여 확률 분포와 출력 변화를 실시간으로 확인

한계 포함

›

15

완화 방안 4: 평가 + 인간 검토 (HITL)

외부 오류 수정 레이어, 콜드 스타트 단계의 안전망 전략

한계 포함

›

★1

1부 요약 (A) · LLM이란? + 환각

훈련의 본질 / Token / Base→SFT→Chat / 네 가지 환각 유형과 근본 원인

파트 요약

›

★2

1부 요약 (B) · 완화 전략 + AI PM 의사결정 프레임워크

4가지 완화 전략 비교 / 흔한 오해 목록 / 솔루션 선택 판단 매트릭스

파트 요약

›

16

컨텍스트 윈도우: AI의 작업 기억

윈도우 구성 시각화, 드래그로 오버플로우 시뮬레이션, 주요 모델 용량 비교

인터랙티브

›

17

컨텍스트 오버플로우: 세 가지 처리 전략

하드 트런케이션 / 요약 압축 / 선택적 보존 — 각 전략의 장단점 시각적 비교

인터랙티브

›

18

왜 LLM은 Markdown을 선택할까요

순수 텍스트 모델 + 서식 요구 = Markdown이 최선, HTML/Word/LaTeX가 안 되는 이유를 단계별로 설명

애니메이션

›

19

Markdown 문법과 렌더링 Pipeline

자주 쓰는 문법 빠른 참조 + 실시간 편집기 + marked.js / react-markdown / markdown-it 렌더링 방안

인터랙티브

›

20

말하는 대로 달라집니다

다섯 가지 역할 실시간 전환, 출력 형식 제어, System Prompt의 핵심 원리

인터랙티브

›

21

Prompt 고급 기법

Few-Shot / CoT / 제약 조건 / 작업 분해 — 좋은 예 vs. 나쁜 예 인터랙티브 데모

인터랙티브

›

22

출력 형식 트레이드오프

일반 텍스트 / JSON / Markdown / YAML / XML — 시나리오 적합성 비교, Token 소비 vs. 파싱 난이도 균형

인터랙티브

›

23

스트리밍 출력과 포맷 조합

JSON은 전체 텍스트를 기다려야 파싱 가능 / MD는 문자 단위 표시 / XML은 태그 캡처 즉시 렌더링 — 세 가지 차이를 라이브 데모

인터랙티브

›

24

Prompt Injection: 왜 공격이 성공할까요

SQL 인젝션 비유 → Message List의 본질 → 파라미터화 부재 → 5가지 주요 공격 유형 개요

보안 단계별

›

25

Prompt Injection: 12가지 공격 사례

권한 상승 / 역할극 / Few-Shot / 구조적 주입 / 은유적 위장 — 각 사례: 취약 버전 vs. 방어 버전

보안 인터랙티브

›

26

Prompt 방어: TiedStory 3중 차단 실전

입력층 정규식 → Prompt층 제약 → 출력층 유출 감지 → 프론트엔드 + 2차 검토 — 전체 공격 체인 시뮬레이션

실전 인터랙티브

›

27

Agent: 일을 해내는 AI

네 가지 핵심 능력: Plan / Tool / Memory / Act — 클릭하여 실제 사례 확인

인터랙티브

›

28

도구 호출의 비밀

모델이 JSON 출력 → 프레임워크가 파싱하여 실행 → 결과를 다시 주입 — 4단계 흐름 시각화

인터랙티브

›

심화

대화 한 번 뒤에 숨은 5개의 메시지

실제 Function Calling 체인 분해: 사용자는 1개의 응답을 보지만, 뒤에는 5개의 API 메시지가 있습니다

인터랙티브 NEW

›

심화

도구 설명의 학문

동일한 기능, 좋은 설명 vs. 나쁜 설명: 성공률 3배 차이, 비교 실험

인터랙티브 NEW

›

심화

다중 도구 오케스트레이션: 병렬 vs. 직렬

isConcurrencySafe가 도구 병렬 실행 여부를 결정 — 스케줄링 전략 시각화

인터랙티브 NEW

›

심화

MCP 프로토콜: 도구의 USB 포트

stdio / SSE / Streamable HTTP 세 가지 전송 방식 비교, 데이터 흐름 애니메이션

인터랙티브 NEW

›

29

ReAct 실전: 날씨 조회 전체 체인

Thought / Action / Observation 단계별 데모 — 완전한 7단계 Agent 체인

애니메이션

›

심화

단기 기억 = 컨텍스트 윈도우

메시지 목록 시각화 — 각 메시지의 Token 소비와 역할 태그

인터랙티브 NEW

›

심화

컨텍스트 압축: 4단계 방어선

60% 트림 → 75% 마이크로 압축 → 85% 폴딩 → 95% 긴급 — 슬라이더를 드래그하여 압축 과정 확인

애니메이션 NEW

›

심화

장기 기억: 벡터 검색

Embedding → 벡터 데이터베이스 → 시맨틱 검색 — topK와 minScore의 설계 결정

인터랙티브 NEW

›

심화

ReAct 루프: 생각→행동→관찰

console.log 제거 작업이 14번의 루프를 거치며 자기 수정까지 포함

애니메이션 NEW

›

심화

Agent이 멈추는 5가지 패턴

파라미터 형식 오류, 환각 도구, 무한 재귀, 정보 부족, API 이상

인터랙티브 NEW

›

심화

권한과 보안

5가지 권한 모드 + LLM 위험 등급 + Human-in-the-loop 설계

인터랙티브 NEW

›

30

Skill: Agent이 올바른 길을 걷도록

Skill = 프로세스 설명 + 도구 호출 가이드 — "발코니 세탁물" 비유로 좋은 루프 vs. 나쁜 루프 설명

인터랙티브

›

심화

Skill의 본질

좋은 루프 vs. 나쁜 루프 (업그레이드 버전) — Skill이 Agent의 실행 경로를 어떻게 바꾸는가

인터랙티브 NEW

›

심화

실제 Skill 해부

Alice의 소스 코드에서 SKILL.md의 구조 설계를 배웁니다

인터랙티브 NEW

›

31

스캐폴딩 엔지니어링: 프로토타입에서 제품으로

항공권 조회 및 호텔 예약 Agent 시뮬레이션 — 스캐폴딩 없음 vs. 있음 완전 비교, 5가지 핵심 능력 상세 설명

인터랙티브

›

심화

5가지 엔지니어링 가드레일

반복 상한, 출력 잘라내기, 타임아웃 제어, 인터럽트 복구, 컨텍스트 응급 처치

인터랙티브 NEW

›

심화

멀티 Agent 협업

서브 Agent 스케줄링, Worker Thread, 병렬 vs. 직렬 실행 전략

인터랙티브 NEW

›

심화

관찰 가능성

이벤트 스트림 시각화, Token 추적, OpenTelemetry 통합

인터랙티브 NEW

›

★

Agent 엔지니어링 전체 파노라마

네 가지 핵심 능력부터 프로덕션 배포까지 — 한 페이지로 Agent의 완전한 지식 지도 파악

NEW

›

32

멀티턴 대화는 왜 점점 비싸질까요?

Token 누적 비용 시각화 — 턴 수를 드래그하여 비용이 기하급수적으로 증가하는 과정 확인

인터랙티브

›

33

KV Cache: 공간으로 시간(과 비용)을 절약

비유 설명 + 절감 효과 계산기 — 턴 수를 드래그하여 절감 비율 확인

인터랙티브

›

34

명시적 캐싱: Anthropic vs. Qwen 실전 비교

cache_control 문법, 캐시 히트 판단, 가격 할인 비교 — 실제 절감 효과 데모

인터랙티브

›

35

동적 타임스탬프: 가장 비싼 System Prompt 설계

잘못된 설계 vs. 올바른 설계 — 세 가지 시간 처리 방안 비교 전환

안티패턴

›

36

종합 비용 최적화: 시스템 관점에서 절약

5단계 최적화 전략, 비용 구성 시각화, 70-90% 절약하는 시스템 설계

시스템 설계

›

37

이미지 Token: 픽셀도 돈을 씁니다

이미지 청구 공식, 스케일링 메커니즘, 해상도 함정, 작업별 등급화 전략

멀티모달

›

39

작업에 맞는 해상도 매칭: 이미지 비용의 세밀한 제어

고/중/저 3단계 해상도 전략 — 시나리오별 Token 소비 비교와 선택 가이드

멀티모달

›

40

문법 레이어 최적화: 기계를 위해 쓴 Prompt

YAML vs JSON, CSV vs 배열, 압축 JSON 출력 — 형식 Token 10-30% 절약

Prompt 엔지니어링

›

41

시맨틱 레이어 최적화: 컨텍스트를 쓰레기통으로 쓰지 마세요

동적 Few-Shot, LLMLingua-2 압축, 핵심 정보를 앞뒤에 — 정보 밀도 향상

RAG

›

42

출력 레이어 + 고급 KV Cache

부정적 제약, Diff 기반 다듬기, 정지 시퀀스 — KV Cache 도구 함정과 슬라이딩 윈도우 문제

아키텍처

›

43

모델 선택: 능력 vs. 비용 트레이드오프와 의사결정 프레임워크

주요 모델 능력/비용 매트릭스, 선택 의사결정 트리, 시나리오별 모델 매칭 전략

선택

›

⚗

단순함의 진실: 제1원리를 고수하라

AI Harness의 본질 / 할 것과 하지 않을 것의 기준 / 시대에 도태될 Harness / 궁극적인 질문

마무리 사색

›

★1

2부 요약 (A) · Prompt 엔지니어링 + Agent 설계

컨텍스트 오버플로우 전략 / Prompt 6요소 / 도구 호출의 진실 / Skill + 스캐폴딩

파트 요약

›

★2

2부 요약 (B) · 비용 최적화 + AI PM 완전한 관점

5단계 비용 체계 / KV Cache 원리 / 이미지 Token / 강좌 전체 역량 체크리스트

파트 요약

›