OpenAI와 같은 LLM을 여러분의 코드나 서비스에 적용한다면, 단순히 ChatGPT와 같은 형태로 사용하는 데 그치지 않을 것입니다. 여러분의 데이터와 로직을 연결해야 비로소 여러분만의 AI 에이전트를 만들 수 있는데요, 이를 가능하게 하는 도구가 바로 Semantic Kernel입니다. 이번 워크숍에서는 Semantic Kernel을 활용해 RAG(Retrieval-Augmented Generation)나 함수호출과 같은 개념을 통해 여러분의 데이터와 로직을 결합하여 여러분들만의 고유하고 똑똑한 AI 에이전을 만드는 방법을 다뤄볼 예정입니다.
- LLM 관련 애플리케이션 개발에 필요한 기본적인 내용 알아보기
- 페르소나 및 컨텍스트 기반 대화: 대화의 개인화와 문맥 유지 기법.
- 함수 호출(Function Calling): LLM과 외부 기능을 연동하는 기술.
- RAG(Retrieval-Augmented Generation): 데이터 검색 기반 응답 생성의 구현 및 활용.
- Blazor를 이용한 AI 앱 개발 기본 학습
- 채팅 UI 구현: 사용자 인터페이스 설계 및 데이터 흐름.
- 스크롤 및 Markdown: LLM 기반 애플리케이션에서 필수적인 UI 기능 구현.
-
.NET SDK 9 설치
- 아래 단계별로 워크샵을 진행합니다. 각 단계별로 자기주도형 학습을 하며, 단계별 시작 전 진행자가 간단한 안내 후 시작합니다.
| 순서 | 제목 |
|---|---|
| STEP 00 | 개발 환경 설정하기 |
| STEP 01 | Semantic Kernel 사용해보기 |
| STEP 02 | Blazor로 AI 웹 앱 만들어보기 |
| STEP 03 | 페르소나 설정하기 |
| STEP 04 | 함수 호출해보기(Function Calling) |
| STEP 05 | 메모리 추가해보기 |
- 각 단계별 중간 결과물은 세이브 포인트에서 확인할 수 있습니다.