tag: Rag · 22건
- 근거: AI/LLM 분야 — RAG·임베딩 모델 관련 기술 동향 기사
- 액션: Cohere Embed 5 Pro/Fast 공식 문서 및 벤치마크 읽고 기존 임베딩 모델과 속도/품질 트레이드오프 비교 정리
- 근거: AI/LLM 관심 분야 중 RAG·개인 지식 그래프 영역 — 로컬 퍼스트, 노트/PDF/오디오 처리, self-hosted 구성
- 액션: git clone https://github.com/chenkanglin198904/Personal_External_Brain && docker-compose up 으로 로컬 지식 그래프 구동 확인
- 근거: LLM·RAG·AI 에이전트 시스템 설계를 다루는 AI/LLM 관심 분야이나, 루트 파일이 README.md와 assets뿐인 순수 Markdown 문서 저장소로 실행 가능한 코드가 없어 ‘단순 튜토리얼’ 성격에 해당
- 액션: https://github.com/amitshekhariitbhu/ai-system-design README 읽으며 LLM·RAG·AI 에이전트 시스템 설계 패턴 정리
- 근거: AI/LLM 분야의 Rete 룰 엔진 + RAG 결합 아키텍처 소개 — 감사 가능한 AI 의사결정 패턴으로 관심 분야에 해당하나, 링크가 GitHub 저장소가 아닌 랜딩 페이지이고 오픈소스 레포를 특정할 수 없음
- 액션: ai-rete-rag.com의 라이브 데모(대출·사기탐지·임상 도메인)를 직접 실행해 보고, Show HN 댓글에서 GitHub 저장소 링크를 확인해 오픈소스 여부 파악
- 근거: AI/LLM 관심 분야 — LLM 에이전트·RAG 시스템의 메모리 레이어로, 요약 없이 원본 컨텍스트를 유지하는 개인 AI 메모리 프레임워크
- 액션: git clone https://github.com/aru-labs/lossless-memory 후 README 확인 및 로컬에서 간단한 메모리 저장/조회 PoC 실행해보기
- 근거: AI/LLM 관심 분야 — RAG·Agent·파인튜닝·추론 등 LLM 실전 예제를 담은 ModelScope 공식 Cookbook으로, app.py·Dockerfile·requirements.txt 등 실행 가능한 코드 포함
- 액션: git clone https://github.com/modelscope/ms-cookbook && chapters/ 디렉터리에서 RAG 또는 Agent 예제 하나 골라 로컬 실행해보기
- 근거: AI/RAG 시스템의 권한 관리 아키텍처에 관한 기술 해설 기사 — AI/LLM 관심 분야 중 RAG 설계 주제에 해당
- 액션: 기사 읽고 Enterprise RAG에서 권한을 assembly context에 포함시키는 설계 패턴 정리
- 근거: AI 에이전트 설계 및 RAG/파이프라인 관련 기술 해설 기사
- 액션: 기사 읽고 AI 에이전트 harness(평가·안전장치·파이프라인) 설계 패턴 정리
- 근거: AI 에이전트와 RAG/검색 엔지니어링 트렌드 — AI/LLM 관심 분야에 해당
- 액션: 기사 읽고 retrieval engineering 핵심 개념(dense retrieval, reranking, agentic RAG 등) 정리
- 근거: AI/LLM 분야의 멀티모달 임베딩 모델 — RAG/벡터DB 파이프라인에 활용 가능한 오픈소스 임베딩 패밀리
- 액션: git clone https://github.com/Tencent/WeMM-Embedding 후 examples/ 디렉토리에서 이미지+텍스트 혼합 검색 예제 실행해보기
- 근거: AI 에이전트 메모리 시스템(Muninn) 구축 및 벤치마크 경험 서술 — 관심 분야(AI 에이전트/RAG)에 해당하나 클론 가능한 저장소 없는 개인 블로그 서사
- 액션: Agent Memory Leaderboard(9월 재개) 및 LoCoMo 데이터셋 기반 메모리 벤치마크 방법론 파악해두기
- 근거: AI 에이전트 메모리 시스템(검색/저장 엔진) 구현 경험 서술로, LLM/RAG 관심 분야에 해당하나 클론 가능한 오픈소스 저장소가 명시되지 않은 블로그 글
- 액션: Agent Memory Leaderboard(https://github.com/AgentMemLeaderboard 또는 공식 사이트) 확인 후 Mem0·Cognee 등 상위 오픈소스 구현체 저장소 클론해 Add/Search API 구조 비교
- 근거: AI/LLM 엔지니어링 전반(RAG, 파인튜닝, 에이전트, MCP)을 다루는 자기주도 학습 커리큘럼으로, 실무 도구가 아닌 교육 자료에 해당
- 액션: README/START-HERE.md를 훑어보고 관심 있는 주차(예: RAG, MCP 에이전트 파트)의 노트북 1개를 실행해보기
- 근거: LangChain/LangGraph·RAG·벡터DB·FastAPI를 실제 프로젝트에 적용한 AI+프론트엔드 풀스택 예제로 AI/LLM 및 프론트엔드 관심 분야에 해당
- 액션: git clone https://github.com/liyupi/yu-ai-learn 후 backend/ 디렉터리에서 FastAPI+LangChain+Chroma RAG 구성 확인
- 근거: LLM + 벡터 임베딩을 활용한 태그 자동 분류 기법 — AI/LLM 활용 패턴
- 액션: 블로그 글 읽고 hallucinate-then-embed 태그 분류 패턴을 RAG/검색 프로젝트에 적용 가능성 검토
- 근거: AI/LLM 관심 분야 — 셀프호스팅 RAG·지식 관리·에이전트 런타임을 통합한 워크벤치로, backend/frontend/sdk 디렉터리와 docker-compose 파일이 모두 존재해 실체 있는 프로젝트임. 단, 스타 111개·Public Preview 단계·프로덕션 에이전트 런타임 미공개로 즉시 도입보다는 주시 대상
- 액션: git clone https://github.com/lss100200/omnibase && docker compose up -d 로 로컬 기동 후 RAG 파이프라인 구성과 에이전트 빌더 UI 확인
- 근거: 문서를 AI 학습/RAG용 Markdown으로 변환하는 Go 기반 도구 — AI/LLM·RAG 파이프라인 관심 분야에 직접 해당, 727스타에 실제 Go 소스코드 및 Dockerfile 완비
- 액션: git clone https://github.com/magicrew/doc7 && docker compose up 후 샘플 PDF/이미지 문서를 Markdown으로 변환해 RAG 파이프라인 입력 품질 확인
- 근거: AI 에이전트 + RAG + LLM을 결합한 웹 게임 테스트 자동화 플랫폼으로 AI/LLM 에이전트 분야에 해당
- 액션: git clone https://github.com/waiterve/wai-play && docker compose up 또는 pip install -r requirements.txt 후 streamlit run app.py로 데모 게임 프로필 하나 실행해보기
- 근거: AI/LLM 관심 분야 — 노트북·에이전트·RAG·음성·이미지를 멀티모델(OpenAI, Anthropic, Ollama 등)로 통합한 셀프호스팅 AI 워크벤치
- 액션: git clone https://github.com/Bike4Mind/bike4mind 후 .env.example 참고해 Ollama 로컬 모델로 Docker 기반 셀프호스팅 구동 테스트
- 근거: AI/LLM 프레임워크 — RAG 파이프라인 및 프로덕션 에이전트 구축 도구로 AI/LLM 관심 분야에 해당
- 액션: Haystack GitHub(github.com/deepset-ai/haystack) 클론 후 공식 RAG 파이프라인 예제 실행해보기
- 근거: AI 에이전트/RAG 아키텍처 관련 기술 해설 기사 — AI/LLM 관심 분야에 해당
- 액션: 기사 읽고 retrieval 품질 개선 패턴(re-ranking, hybrid search 등) 정리해두기
- 근거: AI/LLM 파이프라인에서 RAG·벡터DB 데이터 오염 패턴 — AI 에이전트 및 RAG 아키텍처 관심 분야에 해당
- 액션: 자율 데이터 파이프라인에 LLM 출력 검증 단계(hallucination 감지 휴리스틱 또는 cross-encoder re-ranking) 도입 방안 아티클 정독 후 체크리스트 작성