AI 애플리케이션을 구축하는 것은 더 이상 단순히 LLM을 선택하는 것에 그치지 않습니다.
지능적인 애플리케이션을 구축하고, 연결하며, 검색하고, 평가하고, 배포하려면 올바른 도구 생태계가 필요합니다.
필수 9가지 카테고리를 다루는 개발자 로드맵은 다음과 같습니다:
LLMs: GPT, Gemini, Llama, Claude, DeepSeek, Qwen, Mistral
프레임워크: LangChain, LlamaIndex, Haystack, txtai
벡터 데이터베이스: Chroma, Pinecone, Qdrant, Milvus, Weaviate
데이터 추출: Crawl4AI, Firecrawl, ScrapeGraphAI, Docling
LLM 플랫폼 및 추론(Inference): Hugging Face, Ollama, Groq, Together AI
텍스트 임베딩: Nomic, Sentence Transformers, OpenAI, Voyage AI, Cohere
평가(Evaluation): Giskard, Ragas, DeepEval, Promptfoo, TruLens
관측 가능성(Observability): Langfuse, LangSmith, Arize Phoenix, Helicone
에이전트 프레임워크: CrewAI, AutoGen, LangGraph, OpenAI Agents SDK
가장 먼저 무엇을 배워야 할까요?
Python으로 시작하여 LLM API 작동 방식을 이해하고, RAG 애플리케이션을 구축하며, 벡터 데이터베이스를 탐색한 다음, AI 에이전트 쪽으로 나아가는 것이 좋습니다.
모든 도구를 한 번에 배우려고 하지 마세요. 실제 프로젝트를 구축하고 각 기술을 언제 사용해야 하는지 이해하는 것이 중요합니다.
📚 AI 및 에이전트형 AI 학습:
• 초보자를 위한 AI 기초: https://t.co/fgXUlXFhhI
• 에이전트형 AI 학습 및 멀티 에이전트 시스템 구축: https://t.co/6YL07X3nMO
이 로드맵을 저장하고 생성형 AI를 배우는 사람과 공유하세요!