Coding Agent로 결과물을 만들어봤더라도, 모델이 생성한 것과 애플리케이션이나 도구가 실행한 것을 구분하지 못하면 오류의 원인과 책임 경계를 추적하기 어렵습니다.
이 시리즈는 LLM의 기초 작동 구조에서 출발해 Context·Token·Sampling·평가를 살펴보고, Coding Agent·RAG·Tool Calling·Agent/Harness의 실행과 검증으로 이어집니다. 특정 프레임워크 사용법보다 도구가 바뀌어도 유지되는 구조와 판단 기준을 다룹니다.
이런 분에게 맞습니다
- 일반적인 개발·Git·테스트 경험이 있고 AI 개발 도구를 사용해본 분
- LLM의 기본 개념과 실제 도구 실행 경계를 연결하고 싶은 분
- Coding Agent의 결과물을 코드·테스트·Diff로 검증하고 싶은 분
- RAG·Tool Calling·Agent/Harness를 사용법이 아닌 시스템 구조로 이해하고 싶은 분
완독 후 할 수 있게 되는 것
- 샘플링을 사용하는 LLM의 생성과 입력·환경을 통제한 기준 프로그램의 실행을 구분합니다.
- Model·Context·Token·Sampling이 결과에 미치는 영향을 설명합니다.
- Coding Agent 변경을 요구사항·코드·테스트·검토로 관리합니다.
- Embedding·RAG·Tool Calling의 위치와 한계를 설명합니다.
- Agent/Harness의 논리적 경계와 실제 권한 강제를 구분합니다.
전체 목차
첫 챕터를 준비하고 있습니다. 발행되면 이곳에 표시됩니다.