에이전트 썸네일형 리스트형 실무에 바로 쓰는 일잘러의 GPT-6 아스트라 활용법 메일 정리부터 웹사이트/영상 제작까지, 말로 시키고 결과로 확인한다 코딩 없이 시작하는 일잘러의 GPT-6 아스트라 실전 활용법AGI 시대를 향한 기대를 모은 GPT-6 아스트라로 업무와 일상의 번거로운 작업을 처리해 보자. AI가 화면을 보고 마우스와 키보드로 프로그램을 직접 조작하는 ‘컴퓨터 사용’ 기능을 통해, 코드를 직접 작성하지 않아도 필요한 내용을 문서에 옮기고 서식을 맞춰 저장하는 작업까지 말로 맡길 수 있다. 이 책은 기본 개념과 작업 환경 설정부터 메일 분류와 회신, 채용 공고 비교, 사진으로 장바구니 채우기, 가계부 분석, 3D 발표 자료와 웹사이트 제작까지 다양한 실습을 담았다. 나아가 Runway, Spotify, Higgsfield를 연결해 가게 홍보 영상과 음악 플레이리스트, 제.. 더보기 아스트라를 데려왔더니, 엑셀을 정리하기 시작했다 ‘아스트라’라고 하면 에 등장하는 아스트라 야오를 떠올리는 분이 계실 겁니다. 없나요? 설마 저밖에 없나요? 왜죠? 다들 게임 안 하고 사나요? 이번에 편집자의 책상에 찾아온 아스트라라는 에이전트는 젠존제의 아스트라는 아니었습니다. 노래 부르는 대신, 메일을 읽고, 엑셀을 정리하고, 파일을 저장합니다. 이쪽도 제법 든든한 에이전트입니다. GPT-6 아스트라의 핵심은 AI가 화면을 보고 프로그램을 직접 조작하는 ‘컴퓨터 사용’ 기능입니다. 이것저것 준 다음에 “방금 올린 파일 이렇게 바꿔줘”라고 시킨 다음 결과물을 다시 내려받아서 내 컴퓨터에서 확인하곤 했던 일들을, 이제는 그냥 “내 컴퓨터 어디에 그거 있지? 그거 바꿔줘. 거기 없으면 브라우저 열고 어디어디 봐줘” 식으로 시킬 수 있습니다. 최상위.. 더보기 업무와 일상을 혁신하는 새로운 방법 노션 AI 챗GPT, 제미나이, 클로드가 노션 안에? ‘진짜’ 일잘러들만 몰래 쓰는 노션 AI 활용법 노션 속 깔끔하게 정리한 정보들을 번거롭게 복사해 챗GPT, 제미나이, 클로드에게 물어보고 있었다면? 사실 노션 AI 안에서 이 작업을 간편하게 할 수 있다. 이 책은 인기 있는 AI 모델을 총망라해 사용할 수 있는 ‘노션 AI’ 사용법을 다룬다. 초보자라도 어렵지 않게 따라 할 수 있도록 실무 예제도 아낌없이 담았다. 여기에서 더 나아가 단계별 작업을 미리 설정하고 정해진 조건에 따라 실행되도록 하는 노션의 업무 자동화 기능인 ‘에이전트’까지 다룬다. 노션 공식 컨설턴트인 ‘시리얼(전시진)’ 저자가 아낌없이 푸는 노하우와 함께 노션을 더욱 잘 쓰는 일잘러로 거듭나 보자. 도서구매 사이트(가나다순) [교보문고] .. 더보기 LUVIT♥ 클로드와 함께하는 LLM 프로젝트 앤트로픽 클로드 모델을 다룬 국내 도서 가운데 가장 폭넓고 깊이 있는 내용!클로드 API부터 RAG와 에이전트까지, 하나의 프로젝트로 끝내는 LLM 실전 개발! 이 책은 클로드 모델을 중심으로 LLM의 핵심 개념부터 실제 서비스 구현까지 이어지는 실전 개발 과정을 제시한다. 클로드 API와 리플릿, 프롬프트 엔지니어링을 통해 기초를 다지고, 박물관 도슨트 봇 프로젝트를 통해 멀티모달, RAG, 도구 사용 등 다양한 기술을 실제로 구현한다. 나아가 MCP와 Agent SDK를 활용해 에이전트를 설계하고 확장하는 방법까지 다루며, LLM을 활용한 AI 서비스 개발의 전체 흐름을 경험할 수 있도록 구성했다. 도서 구매 사이트(가나다순) [교보문고] [도서11번가] [알라딘] [예스이십사] [쿠팡] .. 더보기 튜토리얼을 넘어 실제 서비스로, 클로드와 함께 LLM 프로젝트 제대로 만드는 책 요즘 LLM 공부 방법이 여기저기에 넘쳐납니다. 튜토리얼은 많고, API 호출 예제도 금방 찾을 수 있고, 심지어 생성형 AI가 코드까지 대신 짜줍니다. 그런데 막상 내가 하나의 서비스를 끝까지 만들어보려고 하면 어디서부터 어떻게 이어야 할지 막막합니다. 개념은 알겠는데 흐름이 안 잡히는 상태죠. 《LUVIT♥ 클로드와 함께하는 LLM 프로젝트 》는 바로 그 지점을 정면으로 파고듭니다. 클로드를 중심으로 LLM의 핵심 개념부터 실제 서비스 구현까지, 흩어진 지식을 하나의 프로젝트로 묶어서 끝까지 끌고 갑니다. 이 책의 핵심은 박물관 도슨트 봇 프로젝트입니다. 단순히 API를 호출해 응답을 받는 수준이 아니라, 챗봇을 만들고, 이미지를 이해하고, 외부 도구를 쓰고, 검색으로 지식을 보강하고, 나아가 예약을.. 더보기 라마인덱스로 배우는 데이터 기반 AI 애플리케이션 데이터와 LLM을 연결해서 진짜 쓸모 있는 AI 애플리케이션을 만들자 생성형 AI와 대형 언어 모델(LLM)은 막대한 가능성을 지닌 강력한 도구지만, 잘못된 정보 생성이나 짧은 문맥 처리, 최신 데이터 반영의 어려움 같은 약점도 분명히 존재한다. 이 책은 그 한계를 극복할 수 있는 검색 증강 생성(RAG)과 LlamaIndex 활용법을 구체적으로 안내하며, 파이썬과 Streamlit으로 직접 프로젝트를 만들면서 데이터 수집, 색인, 검색, 쿼리, 프롬프트 엔지니어링, 배포까지 AI 애플리케이션 개발의 전 과정을 실습할 수 있도록 돕는다. 기본 개념에서 출발해 챗봇과 에이전트 구축, 사용자 정의와 실제 배포 전략까지 한 권에 담았다. 이 책을 통해 단순한 실습을 넘어 데이터를 다루고 최적화하는 전 과정을 .. 더보기 내 데이터를 이해하는 나만의 AI를 만든다 ChatGPT는 뛰어나지만, ‘내 데이터’를 알지는 못합니다. 기업 문서, 연구자료, 내부 데이터베이스 등 우리가 다루는 실제 정보는 공개 모델의 학습 범위 밖에 있죠. 그래서 AI에게 질문을 던져도, 정작 우리가 가진 구체적인 문서나 업무 지식을 기반으로 한 답변은 얻기 어렵습니다. 결국 AI의 잠재력을 제대로 활용하려면, 내 데이터를 이해하고 활용할 수 있는 AI가 필요합니다. 이제 중요한 건 모델의 크기가 아니라, 데이터를 얼마나 잘 연결하고 활용하느냐입니다. 그것이 바로 지금 RAG(retrieval-augmented generation, 검색 증강 생성)가 주목받는 이유입니다. 이번에 출간 예정인 《라마인덱스로 배우는 데이터 기반 AI 애플리케이션》은 그 한계를 넘어, LlamaIndex를 활용.. 더보기 AI가 어떻게 진화하든 계속 참고할 LLM 프로덕션 책 책을 번역하다 보면 늘 변수가 생기기 마련입니다. 슬픔 예감은 왜 틀리지 않는지, 《LLM 프로덕션 엔지니어링》 도 그 변수를 피해갈 수 없었습니다. 한창 번역이 진행되고 있을 때 원서의 개정판이 나온 거죠. 내적 비명이 절로 나왔지만, 기회로 만들자고 생각했습니다. 새로 추가된 내용을 담고, 더는 쓸 수 없는 기술은 덜어내고, 코드까지 다시 검증했습니다. 그렇게 《LLM 프로덕션 엔지니어링》 은 지금 당장 현업에서 써먹을 수 있는 책으로 완성되었습니다. 《LLM 프로덕션 엔지니어링》 이 출간되기까지의 과정이 보여주듯이 LLM 분야는 그야말로 숨가쁘게 변하고 있습니다. 불과 몇 년 전만 해도 딥러닝, 머신러닝이 대화의 중심이었는데, 이제는 모든 화제가 LLM으로 흘러갑니다. 이제는 'AI가 과연 도움.. 더보기 이전 1 2 3 다음