LLM 프로덕션 엔지니어링

모델의 구조를 이해하고, 정확하고 신뢰할 수 있는 생성형 AI 시스템 설계법

 

LLM 상용화가 가속화되면서 정확성, 신뢰성, 확장성을 갖춘 프로덕션 수준의 구현 역량이 핵심 기술로 자리 잡고 있다. 이제 개발자는 LLM 전체 기술 스택에 대한 구조적 이해를 갖춰야 한다. 이 책은 생성형 AI의 핵심 개념부터 시스템 구축과 배포까지의 흐름을 체계적으로 안내하며, 트랜스포머 기반 모델의 작동 원리, 다양한 프롬프트 전략, RAG 설계, 파인튜닝 기법, 랭체인과 라마인덱스 등의 프레임워크 활용까지 폭넓게 다룬다. LLM 기술을 개념부터 응용까지 유기적으로 연결해 배우고자 하는 개발자에게 길잡이가 되어줄 것이다.

 

도서구매 사이트(가나다순)

[교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [쿠팡]

 

출판사 제이펍
저작권사 Independently published
원서명 Building LLMs for Production (9798324731472)
도서명 LLM 프로덕션 엔지니어링
부제 프롬프트, RAG, 파인튜닝으로 설계하는 신뢰성 높은 생성형 AI 시스템 구축 전략
지은이 루이-프랑수아 부샤르(Louis-François Bouchard), 루이 피터스(Louie Peters)
옮긴이 김태헌
감수자 (없음)
시리즈 (없음)
출판일 2025. 09. 11
페이지 516쪽
판 형 46배판변형(188*245*24.5)
제 본 무선(soft cover)
정 가 36,000원
ISBN 979-11-94587-34-7 (93000)
키워드 랭체인, 라마인덱스, 랭스미스, LangSmith, LlamaIndex, LangChain, 대형 언어 모델, 트랜스포머, 에이전트, 프롬프트 엔지니어링, 검색증강생성
분 야 인공지능 / 생성형 AI

 

관련 사이트
■ 아마존 도서 페이지

 

관련 시리즈

■ (없음)

 

관련 포스트

■ 2025.09.02 - [출간 전 책 소식] - AI가 어떻게 진화하든 계속 참고할 LLM 프로덕션 책

 

관련 도서

■ 알아서 잘하는 에이전틱 AI 시스템 구축하기

■ 7가지 프로젝트로 배우는 LLM AI 에이전트 개발

 

관련 파일 다운로드

■ https://towardsai.net/book

■ https://github.com/datakim/build_LLM_for_production

 

강의 보조 자료(교재로 채택하신 분들은 https://jpub.tistory.com/notice/1076을 통해 다음 자료를 요청하실 수 있습니다.)
■ 본문의 그림과 표

 

미리보기(앞부속, 본문 일부)

 

정오표 페이지
■ (등록되는 대로 링크를 걸겠습니다.)

 

도서구매 사이트(가나다순)

[교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [쿠팡]

 

도서 소개

LLM으로 구현하는 실무형 AI 서비스 개발

 

LLM은 빠르게 진화하며 새로운 모델과 기법이 끊임없이 등장하고 있지만 지금 사용되는 개발 도구와 기술이 더 발전된 AI 모델을 다루는 기본 토대가 된다. 이 토대를 깊이 이해한 사람이 앞으로 나올 더 강력한 모델도 가장 효과적으로 활용할 수 있다. AI는 자연어 처리뿐 아니라 알고리즘 설명, 소프트웨어 개발, 학술 개념 해설, 생성형 이미지 제작 등 다양한 분야에서 활용되며, 산업 전반에 혁신을 불러오고 있다.

 

이 책은 LLM과 자연어 처리의 최신 동향을 소개하고, 모델의 작동 원리를 깊이 있게 설명하면서도 실무에 바로 쓸 수 있는 방법을 제시한다. 특히 RAG 파이프라인 구축 프로젝트를 통해 텍스트를 처리하고 맥락에 맞게 상호작용하는 최신 기술을 직접 다룬다. LLM을 특정 용도에 맞춰 정확성과 신뢰성을 높이는 필수 기술 스택인 프롬프트 엔지니어링, 파인튜닝, RAG를 중심으로, 실제 서비스에 적용 가능한 제품 제작 과정을 구체적으로 안내한다. 단순한 개념 설명을 넘어서 한계를 극복하는 전략과 실전 구현 방법까지 제시해 개발자가 직접 애플리케이션과 제품을 완성할 수 있도록 돕는다.

 

총 12장으로 구성된 이 책은 LLM의 핵심 개념부터 실무 적용까지 체계적으로 다룬다. 1장은 확장 법칙, 콘텍스트 크기, 창발적 능력 등 LLM이 강력한 이유를 살펴보고, 2장은 트랜스포머 아키텍처와 각 레이어 구성 요소를 중심으로 다양한 모델 설계를 설명한다. 3장은 환각, 레이턴시, 컴퓨팅 제약 같은 한계를 분석하고, 4장은 퓨샷 학습과 체인 프롬프트 등 프롬프트 기술을 코드 예제와 함께 실습한다. 5장은 RAG 기본 원칙과 벡터 데이터베이스 개념, 데이터 저장 및 검색 방법을 다루고, 6장은 LangChain과 LlamaIndex로 LLM 작업을 단순화하는 방법을 설명한다.

 

7장은 다양한 프롬프트 유형과 응답 제어, 추적 기법을, 8장은 인덱스 생성, 데이터 분할, 저장 등 검색 최적화를 다룬다. 9장은 고급 RAG 기법과 잠재적 문제 해결, 챗봇 성능 평가를 다루며 LangSmith 활용법까지 함께 소개한다. 이어 10장은 외부 환경과 상호작용하는 지능형 에이전트를, 11장은 LoRA와 QLoRA를 활용한 파인튜닝 전략을 다룬다. 마지막 12장에서는 모델 증류, 양자화, 가지치기 등으로 성능을 유지하면서 비용을 줄이는 최적화 방법을 제안한다. 각 장에는 RAG 기반 뉴스 요약기, 고객 지원 Q&A 챗봇, Whisper와 LangChain을 활용한 유튜브 영상 요약기, PDF 금융 문서 분석기, LoRA 기반 금융 감정 분석 등 실제 구현이 가능한 19개의 프로젝트가 포함되어 있으며, 개념을 실습과 함께 익히며 실무에 바로 적용할 수 있다.

 

시간이 지나 모델이나 구현 방식이 바뀌더라도 이 책에서 다루는 원칙과 접근 방법은 여전히 유효하다. 지금 필요한 실무 지식일 뿐 아니라 앞으로 등장할 더 발전된 모델을 다루는 데도 그대로 활용할 수 있을 것이다.

 

주요 내용

• LLM 구조 이해와 모델 선택 전략
• 프롬프트 엔지니어링 및 응답 제어 기법
• 벡터 검색 기반 RAG 파이프라인 구축
• 랭체인, 라마인덱스 활용
• LoRA, QLoRA 기반 파인튜닝
• AutoGPT, BabyAGI 등 에이전트 기술
• 랭스미스를 활용한 평가 및 디버깅
• 양자화, 모델 경량화, 최적화, 배포 전략

 

이 책에서 직접 해보는 19가지 실전 LLM 프로젝트

• LLM을 활용한 번역
• 퓨샷 학습을 통한 LLM 출력 제어
• LangChain을 사용한 LLM 기반 애플리케이션 구축
• 뉴스 기사 요약기 구축
• 출력 파서를 사용한 출력 관리
• 뉴스 기사 요약기 개선
• 텍스트 데이터를 활용한 지식 그래프 생성
• 고객 지원 Q&A 챗봇
• Whisper와 LangChain을 이용한 유튜브 비디오 요약기
• 자기 비판 체인을 사용한 원치 않는 출력 방지
• 고객 서비스 챗봇에서 부적절한 출력 방지
• 분석 보고서 작성 에이전트 구축
• LlamaIndex를 사용한 데이터베이스 쿼리 및 요약
• OpenAI 어시스턴트를 활용한 에이전트 구축
• LangChain OpenGPTs
• 멀티모달 금융 문서 분석기로 PDF 파일 분석
• LoRA를 활용한 SFT
• SFT 및 LoRA를 활용한 금융 감정 분석
• 의료 데이터를 활용한 Cohere LLM 파인튜닝
• RLHF를 통한 LLM 성능 향상

 

지은이 소개

루이-프랑수아 부샤르(Louis-François Bouchard)

2019년 시스템 엔지니어링 학위 과정 중 AI에 입문했다. 이모지 이미지 분류 대회 우승과 발표를 계기로 연구와 발표에 흥미를 느꼈으며, 2020년 AI 석사 과정 진학 후 스타트업에서 AI 팀 리더로 활동했다. 컴퓨터 비전 프로젝트를 주도하는 한편, 유튜브를 통해 AI 개념을 쉽게 전달하고자 했다. 2022년 밀라에서 의료 AI 박사 과정을 시작했으며, 2024년 실용적 문제 해결에 집중하기 위해 과정을 중단했다. 현재는 Towards AI 공동 창립자이자 교육자로서 AI의 실질적 활용에 주력하고 있다.

 

루이 피터스(Louie Peters)

SF 영화와 소설에서 영감을 받아 AI에 관심을 갖게 되었으며, 2012년 AlexNet을 계기로 머신러닝의 발전을 본격적으로 추적하기 시작했다. 2018년에는 AI의 잠재력을 확신하고 커리어를 전환했다. 현재는 Towards AI의 CEO이자 공동 창립자로, 누구나 쉽게 AI를 이해하고 활용할 수 있도록 돕는 데 집중하고 있다. AI 관련 콘텐츠 제작과 강의 외에도 12만 명 이상의 구독자에게 전달되는 AI 뉴스레터를 매주 발행하고 있다. 임페리얼 칼리지 런던에서 물리학을 전공했으며, JP모건 체이스에서 투자 리서치 업무를 수행한 경력이 있다. 그는 AI가 사회와 경제에 미치는 변화와 이를 현실에 적용하는 기술 혁신에 깊은 관심을 가지고 있다.

 

옮긴이 소개

김태헌

외국계 IT 기업, 국내 금융사 AI 연구소, 글로벌 소비재 기업 등에서 다양한 AI 프로젝트를 수행했으며, 현재는 이커머스 기업의 핀테크 조직에서 수석 데이터 과학자 겸 머신러닝 알고리즘 엔지니어로 일하고 있다. 베이징 대학을 졸업한 후 캘리포니아 대학교 샌디에이고(UCSD)에서 국제경제학 석사 학위를 받았다. 또한, 세계 최대 규모의 데이터 과학 커뮤니티이자 경진대회 플랫폼인 캐글에서 그랜드 마스터로 활동 중이다. 저서로는 《금융 AI의 이해》(제이펍, 2024), 《AI 소사이어티》(미래의창, 2022/2022년 세종도서 교양부문 선정), 《퀀트 전략을 위한 인공지능 트레이딩》(한빛미디어, 2020)이 있으며, 역서로는 《그림으로 배우는 StatQuest 머신러닝 강의》, 《단단한 머신러닝》, 《데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집》(이상 제이펍) 등이 있다.

 

차례

지은이·옮긴이 소개 xi

옮긴이 머리말 xiii

추천의 글 xv

베타리더 후기 xvii

추천사 xix

시작하며 xxii

감사의 글 xxvii

이 책에 대하여 xxviii

 

CHAPTER 1 LLM 소개 1

1.1 언어 모델의 짧은 역사 1

1.2 LLM이란 무엇인가? 2

1.3 LLM의 기본 구성 요소 3

1.4 실습 ❶ LLM을 활용한 번역(GPT-3.5 API) 19

1.5 실습 ❷ 퓨샷 학습을 통한 LLM 출력 제어 20

1.6 요약 22

 

CHAPTER 2 LLM 아키텍처와 환경 23

2.1 트랜스포머 이해하기 23

2.2 트랜스포머 모델의 설계와 선택 33

2.3 트랜스포머 아키텍처 최적화 기법 41

2.4 GPT 아키텍처 43

2.5 대형 멀티모달 모델 소개 46

2.6 상용 모델 vs. 공개 모델 vs. 오픈소스 언어 모델 52

2.7 LLM의 응용 및 사용 사례 59

2.8 요약 67

 

CHAPTER 3 LLM의 실제 응용 69

3.1 환각과 편향 이해하기 69

3.2 LLM 출력에서 환각을 줄이는 방법 71

3.3 LLM 성능 평가 79

3.4 요약 84

 

CHAPTER 4 프롬프트 엔지니어링 소개 86

4.1 프롬프팅과 프롬프트 엔지니어링 86

4.2 프롬프트 테크닉 91

4.3 프롬프트 인젝션과 보안 97

4.4 요약 100

 

CHAPTER 5 RAG 102

5.1 왜 RAG인가? 102

5.2 밑바닥부터 시작하는 기본 RAG 파이프라인 구축 106

5.3 요약 119

 

CHAPTER 6 LangChain 및 LlamaIndex 소개 120

6.1 LLM 프레임워크 120

6.2 LangChain 소개 121

6.3 실습 ❶ LangChain을 사용한 LLM 기반 애플리케이션 구축 126

6.4 실습 ❷ 뉴스 기사 요약기 구축 130

6.5 LlamaIndex 소개 137

6.6 LangChain vs. LlamaIndex vs. OpenAI Assistant 145

6.7 요약 147

 

CHAPTER 7 LangChain을 사용한 프롬프트 작성 148

7.1 LangChain 프롬프트 템플릿이란 148

7.2 퓨샷 프롬프트와 예시 선택기 156

7.3 LangChain에서 체인이란 163

7.4 실습 ❶ 출력 파서를 사용한 출력 관리 171

7.5 실습 ❷ 뉴스 기사 요약기 개선 183

7.6 실습 ❸ 텍스트 데이터를 활용한 지식 그래프 생성: 숨겨진 연결 고리 발견하기 191

7.7 요약 197

 

CHAPTER 8 인덱스, 검색기, 그리고 데이터 준비 199

8.1 LangChain의 인덱스와 검색기 199

8.2 데이터 수집 205

8.3 텍스트 분할기 209

8.4 유사도 검색과 벡터 임베딩 219

8.5 실습 ❶ 고객 지원 Q&A 챗봇 225

8.6 실습 ❷ Whisper와 LangChain을 이용한 유튜브 비디오 요약기 232

8.7 실습 ❸ 지식 베이스를 위한 음성 비서 243

8.8 실습 ❹ 자기 비판 체인을 사용한 원치 않는 출력 방지 255

8.9 실습 ❺ 고객 서비스 챗봇에서 부적절한 출력 방지 260

8.10 요약 265

 

CHAPTER 9 고급 RAG 268

9.1 개념 증명에서 제품으로: RAG 시스템의 도전 과제 268

9.2 고급 RAG 기법과 LlamaIndex 269

9.3 RAG의 지표 및 평가 284

9.4 LangChain, LangSmith 및 LangChain Hub 299

9.5 요약 304

 

CHAPTER 10 에이전트 306

10.1 에이전트: 추론 엔진으로서의 대형 모델 306

10.2 AutoGPT와 BabyAGI 한 눈에 보기 312

10.3 LangChain의 에이전트 시뮬레이션 프로젝트 327

10.4 실습 ❶ 분석 보고서 작성 에이전트 구축 332

10.5 실습 ❷ LlamaIndex를 사용한 데이터베이스 쿼리 및 요약 340

10.6 실습 ❸ OpenAI 어시스턴트를 활용한 에이전트 구축 350

10.7 실습 ❹ LangChain OpenGPTs 354

10.8 실습 ❺ 멀티모달 금융 문서 분석기로 PDF 파일 분석하기 357

10.9 요약 371

 

CHAPTER 11 파인튜닝 372

11.1 파인튜닝에 대한 이해 372

11.2 LoRA 373

11.3 실습 ❶ LoRA를 활용한 SFT 376

11.4 실습 ❷ SFT 및 LoRA를 활용한 금융 감정 분석 389

11.5 실습 ❸ 의료 데이터를 활용한 Cohere LLM 파인튜닝 398

11.6 RLHF 408

11.7 실습 ❹ RLHF를 통한 LLM 성능 향상 411

11.8 요약 433

 

CHAPTER 12 배포 및 최적화 435

12.1 모델 증류와 교사-학생 모델 435

12.2 LLM 배포 최적화: 양자화, 가지치기, 추측적 디코딩 441

12.3 실습: GCP에서 CPU로 양자화된 LLM 배포하기 452

12.4 오픈소스 LLM을 클라우드 환경에 배포하기 461

12.5 요약 463

 

나가며 465

용어집 468

찾아보기 472

 

제이펍 소식 더 보기(제이펍의 소통 채널에서 더욱 다양한 소식을 확인하세요!)

블로그  유튜브  인스타그램  트위터  페이스북