[강의계획서] 우리 회사도 RAG를? RAG 기본개념부터 프로덕션 아웃풋까지
극찬이 쏟아진 강의, KAIST 전산과, 현직 SaaS회사 CEO에게 직접 배울 수 있습니다!
매번 우리회사도 RAG해야 하는데... 우리회사도 AI 뭐 해야 하는거 아닐까? 뒤쳐지고 있는것 아니야? 이런 고민만 하셨다면 지금이 최고의 기회입니다.
AI 이론에 대한 막연한 부담감, 어느것부터 시작해야 하나 싶은 난감함. 원데이클래스 6시간으로 털어버리세요! 기초 이론부터 실전 적용까지 완벽하게 가능합니다.
수업 목표
CS챗봇 만들기 실무 예제를 직접 수행하며 RAG(Retrieval‑Augmented Generation) 시스템의 전체 구조와 동작 원리를 이해하고, 이를 각자의 서비스·업무 도메인에 어떻게 응용할 수 있을지까지 고민해 봅니다.
RAG가 뭔가요? 죽어있는 사내 축적된 정보를 살린다!
LLM이 답을 “그럴듯하게 생성”하기 전에, 외부 지식(문서/DB/웹/사내 위키 등)에서 관련 근거를 “검색(retrieve)”해 컨텍스트로 넣고, 그 근거 기반으로 “생성(generate)”하게 만드는 아키텍처/패턴입니다.
👉 RAG = LLM + 외부지식
👉 대표서비스 = CS 챗봇
- 최신성: 모델 학습 시점 이후 정보 반영
- 사내/도메인 지식 반영: 내부 문서, 정책, DB
- 근거 제시 & 감사 가능성: 출처/인용/스니펫 제공
- 환각(hallucination) 감소: “모르는 건 모른다”로 설계 가능
강사 소개 - 대치동 1타강사 바이브로 낙오자 없이 끌고갑니다.
안녕하세요? 이의균입니다.
現 학원관리프로그램 어나더클래스 대표
前 카카오 계열사 키즈노트 신규사업 개발 파트장
KAIST 전산학과
누가 들을 수 있나요? 약간의 코딩 문법만 알면 누구나 배울 수 있습니다. 비개발자, 기획자 포함!
수업은 typescript로 진행되지만 코드 양은 많지 않기 때문에 개발자는 언어 상관 없이 모두 쉽게 들을 수 있습니다.
이 수업은 최초에 약간의 코딩 예습을 한 비개발자를 대상으로도 진행되었습니다. 오히려 고객이나 데이터와 가까이 있는 이런 직군에서 더 영감을 많이 받을 수 있습니다.
회사는 전사적으로 AI 경험과 지식을 쌓고, 직원들도 개인적으로 소중한 스킬로 챙겨가세요!
적정 8인, 최대 12인 수업이 가능합니다. 모든 학생을 캐어하며 진행하는 수업입니다.
커뮤니티의 극찬을 받은 수업, 이미 수회차 진행되며 다듬어졌습니다.
원데이 커리큘럼, 단 반나절만 투자하면 됩니다!
1) 오리엔테이션 (30분)
오늘 만들 시스템 구조 한 장으로 설명
Ghost CMS → 자료 수집 → 정제/청킹 → 임베딩 → pgvector 저장 → 유사검색 → LLM 답변 → API
2) 프로젝트 개발환경 세팅 : tsdown 기반 Node+TS (40분)
rag-guide 프로젝트 생성
tsdown 기반 빌드/실행 스크립트 세팅 + eslint + prettier
.env 로딩(dotenv) + 환경변수 검증 유틸 만들기
3) Ghost CMS 콘텐츠 수집 파이프라인 (60분)
수집 전략 2가지 소개 (상황에 따라 선택)
- 공개 페이지 크롤링(HTML): sitemap/목록 기반으로 URL 수집 → 본문 파싱
- Ghost Content API(가능하면): 구조화된 JSON으로 글 목록/본문/태그/updated_at 수집
수집 결과를 “원문 문서” 형태로 표준화, 중복/불필요 영역 제거
4) 청킹(Chunking) & 메타데이터 설계 (10분)
RAG 품질을 좌우하는 핵심: 청킹 규칙
chunk에 넣을 메타데이터 정의
검색 품질 위해 임베딩 입력 텍스트 구성 규칙 정의
5) Postgres + pgvector 스키마 만들기 (40분)
임베딩 이론 강의
postgres설치, DB 생성/접속
vector extension 활성화
스키마 제안 (문서/임베딩)
6) 임베딩 생성 & DB Insert 배치 (50분)
데이터 읽기 → text-embedding-3-*로 임베딩 생성
pgvector insert 하기
7) 유사검색 쿼리 & RAG 답변 함수 완성 (60분)
질문 → 임베딩 생성
유사 청크 top-k 검색 SQL
cosine distance 기반 정렬
프롬프트(시스템 인스트럭션) 설계
문서 기반 우선 답변
산출물: answerQuestion(userQuestion): {answer, similarDocs}
8) Express API /ask 만들기 (30분)
POST /ask
- 입력: { question: string }
- 출력: { answer: string, similarDocs: [{theme?, question?, answer? ...}] }
산출물: src/server.ts
9) curl 테스트 & 튜닝 (30분)
curl로 /ask 호출
튜닝 체크리스트
- 시스템 인스트럭션
- k 값(5~10)
- 청킹 길이/헤딩 우선
- “문서에 없음” 케이스에서의 응답 품질
- 산출물: curl_examples.md / Postman request 예시
10) 마무리
회고, 각자 떠오른 응용분야 자유롭게 이야기
전사적으로 역량을 끌어리고, 영감을 주고받는 기회가 되기를 바랍니다. 감사합니다.
연락처 master@anotherclass.co.kr / 010-3612-8285