blog.ruahverce Vol · 2026 · Issue 013 — A field log of LLMs, RAG, and ML systems

Series · Folio

Series

18 folios

한 주제를 여러 편에 걸쳐 풀어가는 묶음. 각 편은 단독으로도 읽히지만, 한 자리에서 훑고 싶을 때 여기서 시작하세요.

№001 7 parts · 실전

AI 에이전트 운영: Hermes·OpenClaw에서 자율 조직까지

개인 에이전트의 사용·구축·최적화에서 Block의 Agentic Engineering 조직까지 이어지는 7편

대상
Hermes Agent 또는 OpenClaw를 설치해 본 뒤, 데모를 넘어 반복 가능한 개인·팀 업무 시스템으로 운영하려는 개발자와 기술 리더
읽고 나면
Hermes와 OpenClaw의 구조 차이를 설명하고, 한 개의 검증 가능한 작업을 안전하게 배포·최적화하며, 저장소·리뷰·실행 인프라·조직 역할까지 확장할 때 필요한 조건과 인간에게 남는 질문을 판단할 수 있음
추천 진입
01편 → 02편 → 03편 → 04편 → 05편 → 06편 → 07편
전체 보기 →
№002 14 parts · 실전

Embedding 연구와 엔지니어링

벡터 기하부터 학습·평가·검색·2026년 연구까지 이어지는 14편

대상
임베딩을 API 호출 수준에서 넘어 직접 평가·학습하고, 한국어·도메인 RAG와 대규모 검색에 맞게 최적화하려는 개발자와 연구자
읽고 나면
대조 학습과 negative mining, instruction·multitask·distillation, 다국어·긴 문서·멀티모달 표현을 이해하고, 재현 가능한 평가셋과 ANN production pipeline을 직접 설계할 수 있음
추천 진입
01편 → 02편 → 03편 → 04편 → 10편 → 11편 → 13편 → 14편
전체 보기 →
№003 14 parts · 실전

Reranker 엔지니어링

후보 재정렬의 원리부터 학습·평가·서빙·2026년 연구까지 이어지는 14편

대상
BM25·dense·hybrid 검색 뒤 top-k 품질을 높이고, 한국어·도메인 RAG에 맞는 reranker를 선택·학습·운영하려는 개발자와 연구자
읽고 나면
Learning to Rank, Cross-Encoder, monoT5·RankT5, ColBERT, LLM listwise reranking을 구분하고, 데이터·loss·평가·latency·보안까지 포함한 production pipeline을 직접 설계할 수 있음
추천 진입
01편 → 02편 → 03편 → 06편 → 09편 → 11편 → 13편 → 14편
전체 보기 →
№004 10 parts · 실전

Advanced RAG 실전 설계

Graph·멀티홉·멀티모달·학습·평가로 확장하는 초·중급 10편

대상
기본 검색 pipeline과 Agent harness를 만든 뒤 복합 문서·관계 추론·도메인 학습으로 RAG를 확장하려는 개발자
읽고 나면
Knowledge Graph, GraphRAG, multi-hop, hierarchical retrieval, multimodal document RAG, long-context routing, retriever·reranker·generator 학습, learned retrieval policy, 고급 평가를 실험 가능한 architecture로 설계할 수 있음
추천 진입
01편 → 02편 → 05편 → 07편 → 10편
전체 보기 →
№005 10 parts · 실전

Enterprise RAG 지식 파이프라인

원문 수집에서 버전·ACL·신선도·거버넌스까지 이어지는 초·중급 10편

대상
RAG 검색과 Agent를 만든 뒤 문서 변경·권한·삭제·인덱스 교체를 안전하게 운영하려는 초·중급 개발자
읽고 나면
원문을 추적 가능한 지식 자산으로 변환하고, canonical ID·version·metadata·ACL·CDC·index migration·품질 관측·삭제·release gate를 하나의 재실행 가능한 pipeline으로 설계할 수 있음
추천 진입
01편 → 02편 → 03편 → 05편 → 06편 → 10편
전체 보기 →
№006 10 parts · 실전

LLM 추론 시스템 엔지니어링

GPU 병목에서 스케줄링·분산 서빙·용량 계획까지 이어지는 초·중급 10편

대상
LLM과 RAG Agent를 GPU에 배포한 뒤 지연·메모리·동시성 병목을 수치로 진단하고 싶은 초·중급 개발자
읽고 나면
Roofline과 메모리 계산으로 병목을 예측하고, attention kernel·continuous batching·paged KV·speculative decoding·분산 및 저정밀 추론을 조합해 SLO 기반 capacity와 비용을 설계할 수 있음
추천 진입
01편 → 02편 → 04편 → 05편 → 09편 → 10편
전체 보기 →
№007 10 parts · 입문

LLM · RAG Agent 기초부터 만들기

초·중급 개발자를 위한 하루 10편 학습 시리즈

대상
LLM의 기초가 부족하지만 RAG Agent를 직접 설계하고 운영하려는 초·중급 개발자
읽고 나면
토큰·임베딩·Transformer·LLM 추론부터 retrieval·평가·agent harness까지 원리를 설명하고, 단계별 RAG 시스템을 직접 구현할 수 있음
추천 진입
01편 → 02편 → 06편 → 10편
전체 보기 →
№008 10 parts · 실전

LLM 추론·신뢰성·Agent 학습

Reasoning에서 도구·궤적 학습과 모델 라우팅까지 이어지는 초·중급 10편

대상
Transformer·RAG·Agent 기초를 익힌 뒤 추론 품질과 신뢰성을 측정하고 도구 행동을 학습시키려는 초·중급 개발자
읽고 나면
추론문과 실제 근거를 구분하고 inference compute·verifier·불확실성·사실성을 측정하며, 구조화 출력·합성 데이터·도구와 궤적 학습·모델 라우팅을 운영 가능한 RAG Agent에 연결할 수 있음
추천 진입
01편 → 02편 → 04편 → 06편 → 08편 → 10편
전체 보기 →
№009 10 parts · 실전

Python으로 만드는 Production RAG Agent

프로젝트 구조에서 API·테스트·배포까지 이어지는 초·중급 10편

대상
RAG와 Agent 원리를 익힌 뒤 실제 Python 서비스로 조립하고 장애·상태·테스트·배포까지 책임지려는 초·중급 개발자
읽고 나면
Port·Adapter 경계, LLM·retrieval client, context builder, typed runtime, session persistence, FastAPI streaming, software test와 CI release를 하나의 Production RAG Agent로 연결할 수 있음
추천 진입
01편 → 02편 → 03편 → 05편 → 06편 → 08편 → 09편 → 10편
전체 보기 →
№010 10 parts · 실전

LLM 학습·구조·서빙 기초

데이터에서 분산 추론까지 이어지는 초·중급 10편

대상
RAG Agent를 만들며 기반 LLM이 어떻게 학습되고 GPU에서 실행되는지 이해하려는 초·중급 개발자
읽고 나면
pretraining data와 scaling, 현대 decoder 구조, SFT·preference optimization·LoRA, quantization, 분산 학습과 효율적 serving을 연결하고 RAG Agent에 맞는 model을 선택·배포할 수 있음
추천 진입
01편 → 02편 → 04편 → 07편 → 09편 → 10편
전체 보기 →
№011 10 parts · 실전

RAG 검색 계층 제대로 만들기

문서 파싱부터 검색 평가까지 이어지는 초·중급 10편

대상
첫 RAG를 만든 뒤 검색 누락과 엉뚱한 근거의 원인을 단계별로 진단하고 싶은 개발자
읽고 나면
파싱·청킹·BM25·dense retrieval·ANN·hybrid·reranking·query 변환·context 선택을 설계하고, 같은 평가셋으로 개선 효과를 검증할 수 있음
추천 진입
01편 → 03편 → 05편 → 06편 → 10편
전체 보기 →
№012 10 parts · 실전

RAG Agent · Harness 제대로 만들기

상태 루프부터 안전한 운영 하네스까지 이어지는 초·중급 10편

대상
검색 pipeline을 만든 뒤 도구·메모리·복구·평가를 갖춘 RAG Agent로 확장하려는 개발자
읽고 나면
Agent 상태 머신, tool contract, routing, planning, corrective retrieval, memory, durable execution, tracing, authorization, trajectory evaluation을 하나의 운영 가능한 harness로 연결할 수 있음
추천 진입
01편 → 02편 → 05편 → 07편 → 10편
전체 보기 →
№013 1 parts · 실전

LLM Serving / Inference System

vLLM부터 Triton·SGLang·TensorRT-LLM까지 이어지는 서빙 층위 정리

대상
LLM API 서버, TTS 모델, GPU inference 최적화의 층위를 구분해야 하는 개발자
읽고 나면
API 서버, serving engine, 모델 실행, KV cache, Triton kernel, CUDA Graph가 어느 층에서 작동하는지 구분할 수 있음
추천 진입
01편
전체 보기 →
№014 1 parts · 실전

Retrieval 성능의 한계에 부딪쳤을 때

도메인 RAG 검색 개선 기록

대상
도메인 문서 검색에서 dense·sparse·hybrid·reranker를 운영하며 성능 한계를 만난 개발자
읽고 나면
검색 실패를 dense, sparse, fusion, rerank 단계로 분해하고, 모델 학습 전에 먼저 고쳐야 할 병목을 판단할 수 있음
추천 진입
01편
전체 보기 →
№015 1 parts · 실전

RAG Techniques

GraphRAG·RAPTOR·hybrid retrieval을 실무 질문 유형별로 정리하는 시리즈

대상
평면 chunk RAG 이후의 인덱싱·검색 구조를 선택해야 하는 개발자
읽고 나면
통합형 질문, 관계 추론, 정확 조회처럼 질문 유형별로 어떤 RAG 구조를 써야 하는지 판단할 수 있음
추천 진입
01편
전체 보기 →
№016 2 parts · 입문

[책리뷰]-개발함정을 탈출하라

Melissa Perri 『Escaping the Build Trap』 회고 (진행 중)

대상
실 사용자 요구를 그대로 받아 만들고 있는 PM·기획자·1인 개발자
읽고 나면
나쁜 PM 3유형(미니 CEO·웨이터·전직 프로젝트 매니저)을 자기 진단하고, "요구사항 수신자"에서 "결과 책임자"로 이동할 신호를 잡는다
추천 진입
01편
전체 보기 →
№017 3 parts · 입문

개인 도메인 블로그 운영기

티스토리에서 git push로 3편

대상
플랫폼 블로그에서 개인 도메인으로 이전을 고민하는 개발자
읽고 나면
티스토리 자동화 한계 → Astro + Railway + Cloudflare 셋업 → Google·네이버 검색 등록까지의 전체 흐름
추천 진입
01편 → 02편 → 03편
전체 보기 →
№018 8 parts · 실전

하네스 엔지니어링

AI 에이전트 환경 설계 8편

대상
Claude Code · OpenCode · Codex CLI를 실무에 쓰려는 개발자
읽고 나면
CLAUDE.md · 권한 설정 · PROGRESS.md · subagent · hooks 기반 검증 루프를 직접 설계할 수 있음
추천 진입
01편 → 02편 → 05편 → 08편
전체 보기 →