오프라인에서 작동하며 API 키가 필요 없는 100개 주제의 AI 엔지니어 로드맵을 만들었습니다

제가 RAG, 에이전트(agents) 또는 MCP를 제대로 배우고 싶을 때마다 브라우저 탭만 열두 개씩 생기고 어떤 순서로 읽어야 할지 알 수 없었습니다. 그래서 제가 학습할 순서를 정리했고, 그 다음으로 강의 내용을 작성했습니다.

ai-engineer-roadmap은 'RAG란 무엇인가?'부터 프로덕션 AI까지 이어지는 7개 단계의 100가지 주제를 다루고 있습니다. 기본 Python을 알고 있다면 오늘 바로 시작할 수 있습니다.

Repo: https://github.com/techsaurabh-394/ai-engineer-roadmap

무엇이 포함되어 있나요

모든 주제는 동일한 구조를 가지고 있습니다:

일상적인 비유가 담긴 쉬운 영어 설명
다이어그램
Python 코드
답변이 포함된 3가지 인터뷰 질문
원본 논문 또는 공식 문서 링크

7개 단계는 RAG Foundations (20개 주제), Advanced RAG (20개), LLM Concepts (14개), Agentic AI (16개), Frameworks (8개), MCP (7개) 및 Production AI (15개)로 구성되어 있습니다. 주제별로 초급(beginner), 중급(intermediate), 고급(advanced)으로 표시되어 있어 아는 내용은 건너뛸 수 있습니다.

5분 만에 사용해 보세요

git clone https://github.com/techsaurabh-394/ai-engineer-roadmap.git
cd ai-engineer-roadmap
python3 -m venv .venv && source .venv/bin/activate
...

마지막 명령어는 완전하고 작은 RAG 파이프라인을 실행합니다. 이 파이프라인은 세 개의 샘플 문서를 청크(chunks)로 나누고, 질문과 비교하여 점수를 매긴 다음, 가장 좋은 구절과 그 출처 파일을 출력합니다. 각 code/ 폴더에 있는 데모 스크립트는 Python 표준 라이브러리만을 사용하므로 API 키나 네트워크 연결이 필요 없습니다. 만약 ANTHROPIC_API_KEY를 설정하고 anthropic을 설치하면, Claude가 검색된 구절(retrieved passages)로부터 답변을 작성합니다.

무엇을 하지 않나요

데모는 의도적으로 작게 만들었습니다. mini_rag.py는 실제 임베딩 모델(embedding model)을 사용하는 것이 아니라 단순 매칭으로 텍스트 점수를 계산합니다. 이는 파이프라인 자체를 가르치기 위한 것이지, 프로덕션 수준의 리트리버(retriever)가 아닙니다.
토픽 페이지 내부 코드 스니펫은 sentence-transformers, chromadb, langgraph와 같은 실제 라이브러리를 사용합니다. 이들은 설치가 필요하며, 일부는 API 키가 필요합니다. 각 항목에 표시되어 있습니다.
Phase 7에는 Dockerfile과 Kubernetes YAML 예제가 포함되어 있지만, 데모에서는 작은 인-프로세스(in-process) 대체품을 사용하므로, 단순히 내용을 읽기만 하려면 Docker나 Redis가 필요하지 않습니다.

투명성 유지 과정 (How I kept it honest)

CI(지속적 통합) 검사는 마크다운 페이지의 모든 로컬 링크가 존재하는 파일로 연결되는지 확인하고, SVG 다이어그램을 유효성 검사하며, 테스트를 실행하고 TypeScript MCP 예제를 빌드합니다. 또한 리포지토리와 일치하지 않는 저 자신의 주장도 되돌아가서 수정했습니다: 이전 버전에서는 47개의 인터뷰 질문이라고 했지만, 실제 개수는 43개에 시스템 설계 프롬프트(system-design prompts) 4개를 더한 것입니다.

누가 이 로드맵을 위한 것인가 (Who it is for)

'RAG', 'agents', 'MCP'라는 용어를 계속 듣게 되어 이해하고 싶은 초보자
무작위 튜토리얼 대신 명확한 경로를 원하는 AI 엔지니어링 분야로 진출하는 개발자
인터뷰를 준비하는 사람. 별도의 인터뷰 준비 폴더가 있습니다.

수정에 도움 주기 (Help me fix it)

오류, 깨진 링크 또는 누락된 토픽을 발견하면 이슈(issue)나 풀 리퀘스트(pull request)를 여세요. [glossary]와 [study guide]는 시작하기 좋은 곳입니다. 이 자료가 도움이 된다면, 별점(star)은 다른 사람들이 이 자료를 찾도록 도와줍니다.