ⓒheck the Fact, Fake, and Flag.

프롬프트 엔지니어링은 단순히 AI에게 질문하는 것을 넘어, 원하는 결과물을 정확하고 효율적으로 얻기 위해 입력값을 최적화하는 기술입니다.프롬프트 엔지니어링 기법들을 기초(예시 기반), 추론 및 논리, 구조 및 역할, 데이터 및 지식의 4가지 카테고리로 나누어 상세히 설명해 드리겠습니다.1. 예시 기반 학습 (Shot-based Learning)모델에게 데이터를 얼마나 보여주느냐에 따라 답변의 정확도와 형식이 달라집니다.1.1 Zero-shot (제로 샷)개념: 모델에게 아무런 예시도 주지 않고 바로 작업을 수행하도록 지시하는 것입니다. 모델이 사전 학습(Pre-training)된 지식만으로 답변합니다.특징: 가장 일반적인 형태이며, 모델의 기본 능력을 테스트할 때 쓰입니다.예시:"다음 문장의 감정을 분석..

AI 에이전트 시스템은 단순히 하나의 모델이 일하는 것이 아니라, 각기 다른 전문성을 가진 에이전트들이 유기적으로 연결된 **'멀티 에이전트 시스템(Multi-Agent System)'**으로 동작합니다.5가지 핵심 에이전트의 역할과 기능을 정리하고, 이들이 어떻게 상호작용하는지 구조도와 함께 설명해 드리겠습니다. 1. 에이전트별 역할 및 기능 정의에이전트 유형핵심 역할 (Role)주요 기능 (Function)인식 (Perception)외부 데이터의 수용 및 해석이미지/문서 스캔(OCR), 음성 인식(STT), 비정형 데이터의 구조화분류 (Classification)의도 파악 및 작업 라우팅사용자 질문의 카테고리 분류, 감정 분석, 긴급도 판별워크플로우 (Workflow)전체 공정 설계 및 관리전체 작업..

(@) 하나기술(299030.KQ) 투자 행동 보고서하나기술(299030) 투자 행동 보고서작성일: 2025년 12월 27일 (1) 환경·흐름 분석: "캐즘 속의 기회, 그러나 높은 변동성"Macro 흐름: 전기차 수요 둔화(Chasm)로 글로벌 배터리 투자가 위축된 상태이나, 최근 금리 인하 기대감과 인도의 공격적인 배터리 자급화 정책이 상충하고 있습니다.정책·이벤트: 인도는 PLI(생산연계인센티브) 제도를 통해 타타그룹 등 자국 기업의 배터리 생산을 강력히 지원 중입니다. 이번 아그라타스(Agratas) 수주는 이러한 정책적 흐름의 결과물입니다.시장 레짐: KOSDAQ 장비주 전반에 대한 투심이 약화된 '소외 국면'이며, 실적이 뒷받침되지 않는 수주 공시에는 시장이 냉정하게 반응하고 있습니다.산업 전..

(@) 라온텍(418420.KQ) 투자 행동 보고서라온텍(418420.KQ) 투자 행동 보고서작성일: 2025년 12월 27일(1) 환경·흐름 분석: "AI 스마트 안경의 개화기"Macro 흐름: 금리 인하 사이클 진입으로 기술 성장주에 대한 조달 비용 부담이 완화되고 있습니다. 특히 인공지능(AI)과 결합된 웨어러블 기기가 스마트폰 이후의 대안으로 부상하며 XR 산업에 우호적인 환경이 조성되었습니다.정책·이벤트: 2025년 10월 **삼성·구글·퀄컴의 '프로젝트 무한(Galaxy XR)'**이 공개되며 생태계가 구체화되었습니다. 구글의 '안드로이드 XR' OS 탑재 기기가 확대되는 것이 핵심 이벤트입니다.시장 레짐: 장기 소외 구간을 지나 '바닥권 탈출 및 추세 전환' 국면에 진입했습니다. 메타(Met..

(@) POSCO홀딩스에 대한 종합 투자 분석 보고서 - 2025.12.27POSCO홀딩스(005490) 투자 분석 보고서작성일: 2025년 12월 27일📊 Executive Summary현재가: 314,000원 (2025.12.24 기준)52주 범위: 227,500원 ~ 342,000원시가총액: 약 22조원애널리스트 평균 목표가: 411,583원 (상승여력 +30.66%)투자의견 컨센서스: 적극 매수 (22명 매수, 0명 매도)1️⃣ 환경·흐름 분석🌍 Macro 흐름금리 환경한국은행은 2024년 하반기부터 금리 인하 사이클에 진입하여 현재 기준금리 2.50%를 유지하고 있습니다. 2025년 전망치는 2.1%~2.3% 수준으로 점진적 완화가 예상됩니다. 미국은 5.25% 수준에서 2025년 하반기 4..

(@) LLM+RAG Hybrid Query Pipeline(개념 → 단계별 파이프라인 → 의사결정 로직 → 예외/품질 제어까지 포함) Hybrid RAG의 핵심은“검색을 섞는 것”이 아니라, “질문에 맞게 검색 전략을 바꾸는 것”이다. 1️⃣ Hybrid Query Pipeline 개요Hybrid RAG는 단일 검색 방식이 아니라Lexical(키워드) + Semantic(임베딩) + Reranking + LLM Reasoning을 의도 기반으로 조합하는 구조. 🔑 설계 원칙“검색 품질이 응답 품질을 결정한다”Retrieval은 다단계, Generation은 최소화불확실할수록 LLM보다 증거 강화2️⃣ 전체 Hybrid Query Pipeline 구조 3️⃣ 단계별 상세 설계 ① Query Prepr..

(@) LLM + RAG 플랫폼 논리 아키텍처 LLM+RAG 플랫폼은 “모델”이 아니라“데이터·프롬프트·운영·보안이 결합된 시스템”이다. 1️⃣ LLM + RAG 플랫폼 전체 구조도 (Logical Architecture) 2️⃣ 레이어별 상세 설계 포인트 ① Model Layer (모델 계층)🎯 역할실제 AI 추론이 발생하는 핵심 계층RAG의 “생성(Generation)”과 “의미 이해(Semantic)”를 담당🔧 주요 구성요소구성요소설명LLM질의 응답, 요약, 추론 담당Embedding Model문서를 벡터로 변환Reranker검색 결과 재정렬Tool / Function EngineDB조회, 계산, 외부 API 연계 📌 설계 포인트LLM과 Embedding 모델 분리 설계모델 교체 시 API ..

(@) 법률 RAG 시스템 KPI 법률 RAG 시스템을 안심하고 사용하기 위해서는 다음 세 가지 의문이 해소되어야 합니다. 이에 대한 해답을 정량적 수치로 증명하는 것이 본 평가의 목적입니다.신뢰성 (Reliability): "AI가 없는 판례를 지어내거나(Hallucination), 법리를 왜곡하지 않는가?"정확성 (Accuracy): "검색 결과가 내 사건 쟁점과 정확히 일치하는가?"효용성 (Utility): "실제 업무에 도움이 되는 속도와 편의성을 갖추었는가?" RAG 평가의 3요소 (The RAG Triad)RAG에서는 쿼리, 검색된 컨텍스트, 생성된 응답이라는 세 가지 주요 구성 요소를 사용하여 품질을 평가할 수 있습니다. 검색 품질 저하, 잘못된 정보 제공, 관련 없는 답변 등 RAG의 일반..