esmile1 님의 블로그

AI 에이전트 구축: Phidata와 Groq 모델을 활용한 초보자 가이드AI 에이전트에 대한 관심이 높아지고 있습니다. 2025년은 AI 멀티모달 에이전트, 에이전트 RAG 등이 주목받을 것으로 예상됩니다. 이 글에서는 Phidata 프레임워크를 사용하여 간단한 AI 에이전트를 만드는 방법을 소개합니다.프로젝트 설정먼저 프로젝트 환경을 설정해 보겠습니다.새 폴더 생성: agenti_aiUV 사용하여 가상 환경 초기화:uv init --name agenti_phidata --python 3.12필요한 패키지 설치:uv add phidata uv add groq uv add duckduckgo-search웹 검색 에이전트 구현웹 검색 기능을 가진 에이전트를 만들어 보겠습니다.from phidata impo..

E-Book Title: Building Financial AI Agents with Phidata: A Practical Guide(This eBook is structured for text only and does not contain images)Table of ContentsIntroductionWelcome & Introduction to AI AgentsThe Power of AI Agents in FinanceIntroduction to PhidataWhy Phidata is Ideal for FinanceOverview of the e-BookPart 1: Setting Up Your Development EnvironmentPreparing Your SystemCreating a Pro..

Phidata를 사용한 첫 번째 에이전트 AI 구축: 금융 에이전트안녕하세요, 여러분. 제 이름은 크리샥이고 YouTube 채널에 오신 것을 환영합니다. 오늘은 매우 흥미로운 주제인 에이전트 AI 애플리케이션 구축에 대해 이야기하려고 합니다. 이번 비디오에서는 Phidata라는 프레임워크를 사용하여 금융 에이전트를 만들어 볼 것입니다.Phidata 소개Phidata는 에이전트 시스템을 구축, 배포 및 모니터링하기 위한 오픈 소스 플랫폼입니다. 이 프레임워크를 사용하면 AI 에이전트, 멀티모달 에이전트, 복잡한 에이전트 워크플로우 등을 만들 수 있습니다. Phidata의 장점은 다음과 같습니다:원하는 LLM을 선택하여 에이전트로 전환 가능도메인별 정보 추가 가능복잡한 워크플로우 구현 가능다양한 모델(Ope..

e-Book Title: Automate Your Work with AI Agent Teams: A Comprehensive Guide to Building Innovative Workflows with 20+ AgentsTable of ContentsPreface (2 pages)Welcome and IntroductionHow to Use This BookChapter 1: Understanding AI Agent Teams (10 pages)1.1 The Basics of AI Agents1.2 Structure of an AI Agent Team1.3 Key Functions of an AI Agent Team1.4 Core TechnologiesChapter 2: Preparing to Buil..

e-Book 제목: AI 에이전트 팀으로 업무 자동화하기: 20개 이상의 에이전트와 함께하는 혁신적인 업무 프로세스 구축 가이드머리말 (2 페이지) (내용 동일)제1장: AI 에이전트 팀의 이해 (10 페이지) (내용 동일)제2장: AI 에이전트 팀 구축 준비 (10 페이지) (내용 동일)제3장: AI 에이전트 팀 구축 실전 (30 페이지)3.1 디렉터 에이전트 설정 (5 페이지)디렉터 에이전트 프로필 및 역할 설정설정 화면 (텍스트 기반 예시):에이전트 이름: Director_Agent에이전트 설명: 전체 워크플로우를 관리하고 에이전트 간 협업을 조정합니다.역할: 워크플로우 관리자, 에이전트 조정자content_copydownloadUse code with caution.시나리오: "사용자가 '새로운 ..

AI 에이전트 팀으로 업무 자동화하기이 글에서는 20개 이상의 AI 에이전트로 구성된 팀을 만들어 거의 모든 업무와 워크플로우를 자동화하는 방법을 소개합니다. 이는 현재까지 구축한 가장 복잡한 에이전트 시스템 중 하나로, AI 에이전트와 자동화의 미래가 될 것으로 보입니다.시스템 개요이 에이전트 팀은 다음과 같은 기능을 갖추고 있습니다:모든 커뮤니케이션 채널(WhatsApp, LinkedIn, 이메일, 캘린더, Slack, 음성 통화 등) 접근프로젝트 관리 도구(CRM, Notion, Google Docs, Google Drive) 접근주제 및 리드 조사를 위한 3개의 리서치 에이전트소셜 미디어와 블로그에 콘텐츠를 작성하고 게시할 수 있는 전문 콘텐츠 에이전트사용자는 WhatsApp 음성 메시지로 에이전..

엔비디아의 독주와 AI 반도체 시장의 미래인공지능의 발전과 GPU의 역할인공지능 기술의 급속한 발전으로 우리 삶은 크게 변화하고 있습니다. 특히 ChatGPT와 같은 대화형 AI의 등장으로 많은 사람들이 AI의 잠재력을 실감하게 되었습니다. 이러한 AI 혁명의 중심에는 GPU(Graphics Processing Unit)라는 특별한 반도체가 있습니다.GPU의 탄생과 진화GPU는 원래 게임의 그래픽 처리를 위해 개발되었습니다. 수천 개의 코어를 가진 GPU는 동시에 많은 수학 연산을 수행할 수 있어, 복잡한 3D 그래픽을 빠르게 렌더링할 수 있었습니다. 그러나 약 10년 전, 연구자들은 이 GPU의 병렬 처리 능력이 AI 학습에도 매우 유용하다는 것을 발견했습니다.NVIDIA의 성공 요인NVIDIA는 GP..

AI 검색과 생성 AI의 미래: 구글과 네이버의 도전과 기회서론인공지능 기술의 급속한 발전으로 검색 시장에 큰 변화가 일어나고 있습니다. 전통적인 키워드 기반 검색에서 AI 기반 검색으로의 전환이 이루어지면서, 구글과 네이버 같은 기존 검색 거인들은 새로운 도전에 직면하고 있습니다. 이 글에서는 AI 검색의 현재와 미래, 그리고 이로 인한 비즈니스 모델의 변화에 대해 살펴보겠습니다.AI 검색의 등장AI 검색의 정의AI 검색은 기존의 키워드 기반 검색과는 달리, 사용자의 질문을 이해하고 관련 정보를 종합하여 직접적인 답변을 제공합니다. 이는 단순히 관련 문서 목록을 나열하는 것이 아니라, 사용자가 원하는 정보를 정확하게 추출하여 제시하는 것을 의미합니다[1].AI 검색의 작동 원리AI 검색은 RAG(Ret..

Unsupervised Information Refinement Training of LLMs for RAG소개본 논문은 ACL 2024 메인 컨퍼런스에서 발표된 "Unsupervised Information Refinement Training of Large Language Models for Retrieval-Augmented Generation"에 대한 리뷰입니다. 이 연구는 Retrieval-Augmented Generation (RAG) 상황에서 다양한 검색된 텍스트에 대처할 수 있도록 언어 모델의 파인튜닝 방법을 제안합니다.RAG의 개요RAG는 사용자의 쿼리에 적합한 출력을 생성하기 위해 다음과 같은 3단계 파이프라인을 구성합니다:검색 (Retrieval): 쿼리가 주어졌을 때 지식 베이스에서..

ChatGPT를 활용한 효율적인 논문 작성법인공지능 기술의 발전으로 학술 연구 분야에서도 혁신적인 변화가 일어나고 있습니다. 특히 ChatGPT와 같은 대화형 AI 모델을 활용하여 논문 작성 과정을 더욱 효율적으로 만들 수 있게 되었습니다. 이 글에서는 ChatGPT를 활용하여 고품질 논문을 작성하는 방법, 논문 내용을 요약하고 분석하는 방법, 그리고 윤리적 문제 및 학술적 문제를 인식하고 대응하는 방법에 대해 상세히 알아보겠습니다.ChatGPT를 활용한 논문 작성 개요ChatGPT를 사용하여 논문을 작성할 때는 크게 네 가지 단계를 거치게 됩니다: 구조화, 내용 생성, 수정, 그리고 최적화입니다.1. 논문의 구조화논문의 구조를 잡는 것은 전체 논문 작성 과정의 기초가 됩니다. ChatGPT를 활용하여 ..