{"componentChunkName":"component---src-templates-tags-js","path":"/tags/llm/","result":{"data":{"site":{"siteMetadata":{"title":"Bottlehs Tech Blog"}},"allMarkdownRemark":{"totalCount":15,"nodes":[{"excerpt":"2025년 AI 개발 트렌드 요약 2025년은 AI가 개발자의 일상이 된 해였다. AI 코딩 어시스턴트는 필수 도구가 되었고, LLM은 애플리케이션의 핵심 구성 요소가 되었다. 이 글은 2025년 한 해 동안 AI…","fields":{"slug":"/ai/2025년-AI-개발-트렌드-요약-개발자가-알아야-할-핵심-변화/"},"frontmatter":{"date":"2025년 12월 24일","title":"2025년 AI 개발 트렌드 요약 - 개발자가 알아야 할 핵심 변화","description":"2025년 AI 개발 분야의 주요 트렌드를 요약한다. AI 코딩 어시스턴트, 멀티모달 AI, 소규모 LLM, RAG, AI Agent 등 개발자 생산성에 영향을 미친 핵심 기술과 변화를 분석하고, 2026년 전망을 제시한다."}},{"excerpt":"소규모 LLM의 부상 경량 AI가 만드는 새로운 가능성 GPT-4는 강력하지만 크다. 수백 GB의 용량과 엄청난 연산 능력이 필요하다. 하지만 최근 작고 효율적인 소규모 LLM들이 등장하면서 상황이 바뀌고 있다. Llama 3.1, Phi-…","fields":{"slug":"/ai/소규모-LLM의-부상-경량-AI가-만드는-새로운-가능성/"},"frontmatter":{"date":"2025년 12월 2일","title":"소규모 LLM의 부상 경량 AI가 만드는 새로운 가능성","description":"거대한 GPT-4의 시대가 지나고, 작고 효율적인 소규모 LLM의 시대가 왔다. Llama 3.1, Phi-3, Gemma 같은 경량 모델이 어떻게 AI의 접근성을 높이고 새로운 가능성을 만드는지 설명합니다."}},{"excerpt":"LLM 추론 최적화 - KV Cache, Quantization, Speculative Decoding LLM 추론은 계산 집약적이고 메모리를 많이 사용한다. 프로덕션 환경에서 LLM…","fields":{"slug":"/ai/LLM-추론-최적화-KV-Cache-Quantization-Speculative-Decoding/"},"frontmatter":{"date":"2025년 11월 28일","title":"LLM 추론 최적화 - KV Cache, Quantization, Speculative Decoding","description":"LLM 추론 성능을 최적화하는 핵심 기술들을 실전 예제와 함께 정리합니다. KV Cache, Quantization, Speculative Decoding, 배치 처리, 모델 병렬화 등 모든 최적화 기법을 다룹니다."}},{"excerpt":"생성형 AI…","fields":{"slug":"/ai/AI-레드팀과-모델-평가-생성형-AI-안전성-테스트-실전-가이드/"},"frontmatter":{"date":"2025년 11월 11일","title":"AI 레드팀과 모델 평가 생성형 AI 안전성 테스트 실전 가이드","description":"생성형 AI 서비스에 대한 레드팀 프로세스 설계, 공격 시나리오, 자동화 도구와 평가 지표를 정리하고 조직이 구축해야 할 안전성 테스트 전략을 소개합니다."}},{"excerpt":"LLM 서비스를 배포할 때 항상 고정형 서버 혹은 컨테이너를 사용할 필요는 없다. 이벤트가 발생했을 때만 함수를 실행하는 서버리스(Serverless) 모델은 비용 최적화와 운영 단순화 측면에서 매력적이다. Spring Cloud Function…","fields":{"slug":"/springboot/Spring-Cloud-Function과-Serverless-LLM-이벤트-기반-AI-마이크로서비스-구축/"},"frontmatter":{"date":"2025년 11월 11일","title":"Spring Cloud Function과 Serverless LLM 이벤트 기반 AI 마이크로서비스 구축","description":"Spring Cloud Function과 Serverless 플랫폼을 결합하여 LLM 기반 이벤트 마이크로서비스를 설계하는 방법을 아키텍처, 구현, 운영 관점에서 정리합니다."}},{"excerpt":"AI 보안과 모델 공급망 위험 관리 대형 언어 모델과 생성형 AI…","fields":{"slug":"/ai/AI-보안과-모델-공급망-위험-관리/"},"frontmatter":{"date":"2025년 11월 7일","title":"AI 보안과 모델 공급망 위험 관리","description":"고도화된 LLM과 멀티모달 모델이 늘어나면서 등장한 보안 위협과 모델 공급망 리스크를 분석하고, 대응 전략과 거버넌스 수립 방법을 정리합니다."}},{"excerpt":"LangChain을 활용한 LLM 애플리케이션 개발 LLM을 활용한 애플리케이션을 만들 때는 프롬프트 관리, 메모리 처리, 외부 도구 연결 등 복잡한 작업이 필요하다. LangChain…","fields":{"slug":"/ai/LangChain을-활용한-LLM-애플리케이션-개발/"},"frontmatter":{"date":"2025년 11월 6일","title":"LangChain을 활용한 LLM 애플리케이션 개발","description":"LangChain 프레임워크의 개념과 활용 방법을 설명합니다. Chain, Agent, Memory의 개념과 실무 예시까지 알아봅니다."}},{"excerpt":"AI 모델 양자화 스마트폰에서도 돌아가는 AI의 비밀 GPT-4는 강력하지만 수백 GB의 메모리와 고성능 GPU가 필요하다. 일반 스마트폰이나 작은 서버에서는 실행하기 어렵다. 양자화(Quantization…","fields":{"slug":"/ai/AI-모델-양자화-스마트폰에서도-돌아가는-AI의-비밀/"},"frontmatter":{"date":"2025년 11월 5일","title":"AI 모델 양자화 스마트폰에서도 돌아가는 AI의 비밀","description":"AI 모델 양자화의 개념과 작동 원리를 설명합니다. QAT, PTQ, GPTQ, AWQ 비교와 실무 적용, 성능 분석까지 알아봅니다."}},{"excerpt":"Fine-tuning과 LoRA 나만의 AI 모델을 만드는 방법 채팅GPT는 일반적인 지식은 풍부하지만, 특정 회사의 정책이나 전문 분야 지식은 부족하다. 이런 한계를 극복하는 방법 중 하나가 Fine-tuning…","fields":{"slug":"/ai/Fine-tuning과-LoRA-나만의-AI-모델을-만드는-방법/"},"frontmatter":{"date":"2025년 11월 5일","title":"Fine-tuning과 LoRA 나만의 AI 모델을 만드는 방법","description":"Fine-tuning과 LoRA의 개념과 작동 원리를 설명합니다. Full Fine-tuning vs LoRA 비교, 실무 적용 방법, 비용과 성능 분석까지 알아봅니다."}},{"excerpt":"프롬프트 엔지니어링 LLM을 제대로 쓰는 방법 프롬프트 엔지니어링은 LLM에 효과적인 지시를 작성하여 원하는 결과를 얻는 기술 이다. 같은 LLM이라도 프롬프트에 따라 출력 품질이 크게 달라진다. “요약해줘”보다 “…","fields":{"slug":"/ai/프롬프트-엔지니어링-LLM을-제대로-쓰는-방법/"},"frontmatter":{"date":"2025년 11월 2일","title":"프롬프트 엔지니어링 LLM을 제대로 쓰는 방법","description":"프롬프트 엔지니어링의 핵심 기법과 실무 활용 가이드를 설명합니다. Zero-shot, Few-shot, Chain of Thought부터 실전 예시까지 알아봅니다."}},{"excerpt":"채팅GPT를 사용해본 사람이라면 한 번쯤 이렇게 생각했을 것이다. “이 AI는 왜 지식만 있고 행동은 못할까?” 채팅GPT는 질문에 답변만 할 뿐, 실제로 무엇을 하지는 못한다. 하지만 AI Agent…","fields":{"slug":"/ai/AI가-스스로-행동한다-LLM과-AI-Agent의-충격적인-차이/"},"frontmatter":{"date":"2025년 11월 1일","title":"AI가 스스로 행동한다? LLM과 AI Agent의 충격적인 차이","description":"AI Agent의 정의와 작동 원리를 비유로 설명합니다. 단순 LLM과 Agent의 차이, Agent가 어떻게 목표를 달성하는지 알아봅니다."}},{"excerpt":"채팅GPT를 사용하다 보면 “이 정보가 맞나?”라는 의심이 든다. AI는 매우 확신에 차 있는 어조로 가짜 정보를 만들기도 한다. 이를 “AI 환각(Hallucination)“이라고 한다. RAG(Retrieval-Augmented Generation…","fields":{"slug":"/ai/AI-환각을-막는다-RAG가-만드는-신뢰할-수-있는-AI/"},"frontmatter":{"date":"2025년 11월 1일","title":"AI 환각을 막는다? RAG가 만드는 신뢰할 수 있는 AI","description":"RAG(검색 기반 생성)가 LLM의 한계를 어떻게 극복하는지 설명합니다. 검색과 생성의 결합, 실무 적용 예시까지 알아봅니다."}},{"excerpt":"채팅GPT가 등장하면서 인공지능에 대한 대중의 관심이 급증했다. 많은 사람들이 채팅GPT에게 질문하고 답변을 받지만, 정작 그 뒤에서 무엇이 일어나는지는 모른다. 이 글은 LLM(Large Language Model…","fields":{"slug":"/ai/채팅GPT의-비밀-공개-LLM이-당신과-대화하는-진짜-원리/"},"frontmatter":{"date":"2025년 11월 1일","title":"채팅GPT의 비밀 공개 LLM이 당신과 대화하는 진짜 원리","description":"채팅GPT의 핵심 기술인 LLM이 어떻게 우리와 대화하는지 쉽게 설명합니다. 트랜스포머 아키텍처부터 다음 단어 예측까지, AI의 언어 이해 원리를 알아봅니다."}},{"excerpt":"Function Calling과 Tool Use - LLM이 실제 도구를 사용하는 방법 채팅GPT나 클로드 같은 LLM을 사용해본 사람이라면 한 가지 아쉬운 점을 느꼈을 것이다. 이 AI…","fields":{"slug":"/ai/Function-Calling과-Tool-Use-LLM이-실제-도구를-사용하는-방법/"},"frontmatter":{"date":"2025년 1월 15일","title":"Function Calling과 Tool Use - LLM이 실제 도구를 사용하는 방법","description":"Function Calling과 Tool Use를 통해 LLM이 API 호출, 데이터베이스 조회, 코드 실행 등 실제 도구를 사용하는 방법을 설명합니다. OpenAI, Anthropic, Google의 구현 방식과 실전 활용 예시를 알아봅니다."}},{"excerpt":"AI Agent 프레임워크 비교 - AutoGPT vs CrewAI vs LangGraph 실전 가이드 AI Agent를 처음 만들어보려는 개발자라면, 그 복잡함에 놀랄 수 있다. 단순히 AI에게 질문하고 답변을 받는 것이 아니라, AI…","fields":{"slug":"/ai/AI-Agent-프레임워크-비교-AutoGPT-vs-CrewAI-vs-LangGraph-실전-가이드/"},"frontmatter":{"date":"2025년 1월 15일","title":"AI Agent 프레임워크 비교 - AutoGPT vs CrewAI vs LangGraph 실전 가이드","description":"AI Agent를 구축하기 위한 주요 프레임워크인 AutoGPT, CrewAI, LangGraph를 비교 분석합니다. 각 프레임워크의 특징, 장단점, 실전 활용 방법을 알아봅니다."}}]}},"pageContext":{"tag":"LLM","noindex":false}},"staticQueryHashes":["213619243","3262363727"]}