Jung Do Hyun serithemage

LLM 위키

LLM을 활용하여 개인 지식 베이스를 구축하는 패턴.

이것은 아이디어 문서이며, 여러분이 사용하는 LLM 에이전트(예: OpenAI Codex, Claude Code, OpenCode / Pi 등)에 복사하여 붙여넣을 수 있도록 설계되었습니다. 이 문서의 목표는 상위 수준의 아이디어를 전달하는 것이며, 구체적인 세부 사항은 여러분의 에이전트가 여러분과 협업하여 구현해 나갈 것입니다.

핵심 아이디어

대부분의 사람들이 LLM과 문서를 함께 사용하는 경험은 RAG(검색 증강 생성)와 비슷합니다. 파일 모음을 업로드하면, LLM이 쿼리 시점에 관련 청크를 검색하고 답변을 생성합니다. 이 방식은 동작하지만, LLM은 매 질문마다 지식을 처음부터 다시 발견해야 합니다. 축적이 없습니다. 다섯 개의 문서를 종합해야 하는 미묘한 질문을 하면, LLM은 매번 관련 조각들을 찾아 짜맞춰야 합니다. 아무것도 쌓이지 않습니다. NotebookLM, ChatGPT 파일 업로드, 그리고 대부분의 RAG 시스템이 이런 방식으로 동작합니다.

	cd ~/
	sudo yum install ruby -y
	sudo amazon-linux-extras install epel -y > /dev/null 2>&1
	sudo yum install figlet -y
	echo "ruby version"
	ruby --version

	if [ -f ~/master.zip ]
	then
	echo "lolcat master.zip already download"

	#!/bin/bash

	# Getting list of Availability Zones from target region

	# all
	#target_regions=$(aws ec2 describe-regions --output text --query 'Regions[*].[RegionName]' \| sort)

	# default region
	target_regions=$(aws configure get region)