> ## Content Index
> Fetch the complete content index at: https://blog.everyhelloworld.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# [강의계획서] 우리 회사도 RAG를? RAG 기본개념부터 프로덕션 아웃풋까지
- URL: https://blog.everyhelloworld.com/rag-one-day-class/
- Published: 2026-01-28T03:50:38.000Z
- Updated: 2026-01-28T03:54:57.000Z
- Author: Dave Lee
- Tags: 강의계획서, rag

## 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 

![](https://blog.everyhelloworld.com/content/images/2026/01/251010W1G05.jpg)

## 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.

![](https://blog.everyhelloworld.com/content/images/2026/01/image-6.png)

![](https://blog.everyhelloworld.com/content/images/2026/01/image-8.png)

![](https://blog.everyhelloworld.com/content/images/2026/01/image-5.png)

![](https://blog.everyhelloworld.com/content/images/2026/01/image-3.png)

![](https://blog.everyhelloworld.com/content/images/2026/01/image-4.png)

## 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