odenwar.net 운영자의 Agentic RAG 강의 실전 리뷰 및 적용기입니다.
최근 코딩누나(https://codingnoona.kr)에서 제공하는 Agentic RAG 강의를 수강했습니다. 이 강의를 관통하는 핵심은 “LLM이 분석하고, 그 결과를 스스로 재평가하여 출력할 문장을 고치는 순환 구조”를 설계하는 방법입니다.
김용담 강사님의 철학이 이 강의의 방향성을 잘 보여줍니다. 강사님은 AI 에이전트 시대에 필요한 것은 더 많은 기술 이름을 아는 것이 아니라, 지식을 구조화하고 연결하는 방법을 이해하는 것이라고 강조합니다. 삼성전자, LG전자, 네이버 등 기업 AI 교육 경력과 8,000시간 이상의 데이터 사이언스 강의 경험을 바탕으로, Claude Code 등을 활용해 단편적인 기술 설명이 아닌 하나의 흐름 속에서 지식 기반 에이전트를 구현하는 과정을 밀도 있게 전달합니다.
하드웨어의 시선 : PID 제어와의 평행이론
본인은 AI 연구자가 아니지만, 본업으로는 전자 하드웨어의 엔지니어 일뿐입니다.
하지만 이 강의가 제게 깊게 와닿은 이유는 Agentic RAG 의 구조가 하드웨어 설계의 ‘피드백 루프(Feedback Loop)’ 와 본질적으로 완벽히 동일하기 때문입니다.
강의에서 구현한 LLM이 자기 출력을 다시 입력을 넣어 검증하는 구조는 피드백 루프와 다를 바가 없습니다.
한번의 추론으로 완벽한 코드를 짜내는 것이 아니라, 피드백 루프를 반복하며 점진적으로 정확히 튜닝해 나가는 과정
이 관점에서 아주 좋은 의미였던것같습니다.
실전적용 – 제 블로그는 이제 AI 와 함께 합니다.
강의에서 배운 구조를 그저 지식으로 남겨두지 않고, 제 개인 홈랩 서버 인프라를 활용하여 실전 테스트를 진행중에 있습니다.
지금까지는 제가 쓰는 글이 여러분에게 읽는 단방향 구조였지만, 이제는 제 블로그의 모든 글을 AI 가 읽고, 컨텍스트화가 되어 여러분의 질문에 직접 답변받는 구조로 전환이 될 예정입니다.
로컬에서 구동되는 저의 AI 시스템과, 제가 모아둔 디지털 교육자료들.
제가 쌓아온 하드웨어 제어 지식과 로컬 AI 시스템이 만나, 단순한 정보 전달을 넘어 여러분과 실시간으로 소통하는 블로그를 만들어 가겠습니다