랩: 개발자를 위한 AI 기초
랩: 개발자를 위한 AI 기초
AI 어플리케이션 개발의 네 가지 핵심 기둥을 배우는 실습 랩이에요. Chat Completions API, 프롬프트 엔지니어링, 도구 호출, RAG를 대화형 실습을 통해 익혀볼게요.
출처: 문서
본문
AI 어플리케이션 개발의 네 가지 핵심 기둥인 모델, 프롬프트 엔지니어링, 도구 호출, RAG를 직접 체험해볼게요. 이 랩은 Docker Model Runner를 사용해 완전히 내 컴퓨터에서만 실행되며, API 키나 클라우드 계정이 전혀 필요 없어요.
랩 시작하기
랩스페이스를 시작해볼게요:
$ docker compose -p labspace -f oci://dockersamples/labspace-ai-fundamentals up -d
참고: 이 랩은 AI 모델을 사용하므로 Docker Model Runner를 활성화해야 해요. 모델을 다운로드하는 데 시간이 조금 걸릴 수 있어요.
브라우저에서 http://localhost:3030 을 열어주세요.
실습을 마치면 랩스페이스를 정리해요:
$ docker compose -p labspace down
배우게 될 내용
이 Labspace를 마치면 다음과 같은 것들을 완료하게 돼요:
- Chat Completions API와 모델에 메시지를 구성하는 방법 이해하기
- 시스템 프롬프트, few-shot 예제, 구조화된 출력을 포함한 프롬프트 엔지니어링 기법 사용하기
- 코드에서 도구 호출과 에이전트 루프(agentic loop) 구현하기
- 모델 응답을 내 데이터에 근거시키는 RAG 파이프라인 구축하기
모듈
| # | 모듈 | 설명 |
|---|---|---|
| 1 | Welcome & Setup | 랩 소개 및 환경 확인 |
| 2 | Talking to Models | Chat Completions API, 메시지 역할, 상태 없는 모델 동작 |
| 3 | Prompt Engineering | 시스템 프롬프트, few-shot 예제, 구조화된 출력 |
| 4 | Tool Calling | 도구 정의, 에이전트 루프, 코드에서 도구 실행 |
| 5 | Retrieval Augmented Generation (RAG) | 내 지식 기반으로 검색·보강·생성하기 |
| 6 | Wrap-up | 개념 요약 및 다음 단계 |
더 알아보기 (Learn more)
- Docker Model Runner
- Chat Completions API
- RAG(검색 증강 생성)