<div id="readability-page-1" class="page"><div>
 <div id="SE-c2f206b5-b769-4cec-be53-430967078c01">
 검색 증강 생성(RAG)의 반영 패턴은 시스템이 이전 출력의 피드백을 통합하여 응답을 반복적으로 개선하는 방법을 말합니다. 모델은 한 번에 답변을 생성하는 대신 자체 출력을 평가하고 잠재적인 오류나 격차를 식별하며 정확성과 일관성을 개선하기 위해 관련 정보를 추가로 검색합니다. 이 접근 방식은 자체 수정 및 반복 학습을 가능하게 하여 답변의 품질을 향상시키므로 심층적인 추론이나 높은 사실 정확도가 요구되는 복잡한 쿼리에 특히 유용합니다.
 </div> <div id="SE-d5489d2d-f936-424f-81cb-d33ccf93647f">
 <a href="#" onclick="return false;" data-linktype="img" data-linkdata="{&quot;id&quot; : &quot;SE-d5489d2d-f936-424f-81cb-d33ccf93647f&quot;, &quot;src&quot; : &quot;https://mblogthumb-phinf.pstatic.net/MjAyNTA0MTdfMTA3/MDAxNzQ0ODYwMzc5NDA5.D3qZnDvfKCHi0x3u6NaAClMaYsCkVjQJCX0hCNv5RoQg.nIfCHaIj8ykqUb7cE-ocjEMCkKy1kkF5II5TYb5tA_Mg.PNG/reflection.png&quot;, &quot;originalWidth&quot; : &quot;798&quot;, &quot;originalHeight&quot; : &quot;483&quot;, &quot;linkUse&quot; : &quot;false&quot;, &quot;link&quot; : &quot;&quot;}">
 <img src="https://mblogthumb-phinf.pstatic.net/MjAyNTA0MTdfMTA3/MDAxNzQ0ODYwMzc5NDA5.D3qZnDvfKCHi0x3u6NaAClMaYsCkVjQJCX0hCNv5RoQg.nIfCHaIj8ykqUb7cE-ocjEMCkKy1kkF5II5TYb5tA_Mg.PNG/reflection.png?type=w800" data-width="798" data-height="483" alt="">
 </a>
 
 </div>
 <div id="SE-5d2df31b-dc26-472b-9fda-4fcaaa8c95fd">
 도구 사용 패턴을 사용하면 AI 시스템이 외부 리소스(예: 데이터베이스, API, 전문 모델 또는 소프트웨어 도구)를 호출하여 기능을 보완할 수 있습니다. 이러한 외부 기능을 활용하여 모델은 업데이트된 정보에 액세스하고, 계산이나 번역과 같은 특수한 작업을 수행하고, 자체 결과물의 유효성을 검사할 수 있습니다. 이 접근 방식은 특히 실시간 데이터 검색, 고급 분석 또는 모델의 핵심 지식 기반을 초과하는 도메인별 작업의 경우 시스템의 범위와 정확성을 확장합니다.
 </div> <div id="SE-a1faf609-d333-4a92-90ca-22a7045174fb">
 <a href="#" onclick="return false;" data-linktype="img" data-linkdata="{&quot;id&quot; : &quot;SE-a1faf609-d333-4a92-90ca-22a7045174fb&quot;, &quot;src&quot; : &quot;https://azure.github.io/agent-innovator-lab/1_agentic-design-ptn/images/tooluse.png&quot;, &quot;originalWidth&quot; : &quot;876&quot;, &quot;originalHeight&quot; : &quot;498&quot;, &quot;linkUse&quot; : &quot;false&quot;, &quot;link&quot; : &quot;&quot;}">
 <img src="https://azure.github.io/agent-innovator-lab/1_agentic-design-ptn/images/tooluse.png" alt="">
 </a>
 
 </div>
 <div id="SE-7bdd76bd-430c-407a-b32b-c9fe045bf75a">
 계획하기 패턴은 AI 시스템이 쿼리를 처리하거나 복잡한 문제를 해결하기 위한 단계별 전략을 명시적으로 구조화하는 것을 포함합니다. 작업을 구성하고, 종속성을 결정하고, 논리적 작업 흐름을 설명함으로써 모델은 다면적이거나 긴 형식의 추론 작업을 보다 효과적으로 처리할 수 있습니다. 이 패턴에는 종종 시스템이 각 단계에서 추론을 확인하고 필요에 따라 계획을 업데이트하며 각 단계가 최종적이고 정확한 답을 향해 일관되게 구축되도록 하는 반복적인 개선이 포함됩니다. 계획 및 실행 프레임워크는 복잡한 추론 작업을 계획과 실행이라는 두 가지 단계로 나누는 검색 증강 생성(RAG)을 위한 전략입니다. <strike>기존의 ReAct 에이전트는 한 번에 한 단계씩 생각하는 반면</strike>, 계획 및 실행은 명시적이고 장기적인 계획을 강조합니다.
 </div> <div id="SE-48782045-3a90-43d8-b40f-016fe6f28ed3">
 <a href="#" onclick="return false;" data-linktype="img" data-linkdata="{&quot;id&quot; : &quot;SE-48782045-3a90-43d8-b40f-016fe6f28ed3&quot;, &quot;src&quot; : &quot;https://azure.github.io/agent-innovator-lab/1_agentic-design-ptn/images/planning.png&quot;, &quot;originalWidth&quot; : &quot;928&quot;, &quot;originalHeight&quot; : &quot;507&quot;, &quot;linkUse&quot; : &quot;false&quot;, &quot;link&quot; : &quot;&quot;}">
 <img src="https://azure.github.io/agent-innovator-lab/1_agentic-design-ptn/images/planning.png" alt="">
 </a>
 
 </div>
 <div id="SE-f15c77b0-78b0-497f-9c64-da7107917823">
 멀티 에이전트 패턴은 여러 전문 에이전트가 협업하여 검색 및 생성 프로세스를 개선하는 고급 AI 프레임워크입니다. 단일 모델이 모든 작업을 처리하는 대신 검색, 계획, 추론, 검증 및 생성과 같은 특정 역할을 여러 에이전트에게 할당합니다. 이러한 에이전트는 반복적으로 커뮤니케이션하고 출력을 개선하여 보다 정확하고 컨텍스트를 인식하며 설명 가능한 응답을 도출합니다. 다중 에이전트 RAG는 특히 복잡한 문제 해결, 지식 집약적인 작업, 긴 맥락에서 추론하는 작업에 유용하며, AI가 생성한 콘텐츠의 신뢰성과 효율성을 향상시킵니다.
 </div> <div id="SE-5ee3a0a5-3523-423d-b454-6f38fe633f32">
 <a href="#" onclick="return false;" data-linktype="img" data-linkdata="{&quot;id&quot; : &quot;SE-5ee3a0a5-3523-423d-b454-6f38fe633f32&quot;, &quot;src&quot; : &quot;https://azure.github.io/agent-innovator-lab/1_agentic-design-ptn/images/multiagent.png&quot;, &quot;originalWidth&quot; : &quot;887&quot;, &quot;originalHeight&quot; : &quot;509&quot;, &quot;linkUse&quot; : &quot;false&quot;, &quot;link&quot; : &quot;&quot;}">
 <img src="https://azure.github.io/agent-innovator-lab/1_agentic-design-ptn/images/multiagent.png" alt="">
 </a>
 
 </div>
 
 </div></div>

I ❤ Hands-On

01. 반영(Reflection) 검색 증강 생성(RAG)의 반영 패턴은 시스템이 이전 출력의 피드백을 통합하여 응답을 반복적으로 개선하는 방법을 말합니다. 모델은 한 번에 답변을 생성하는 대신 자체 출력을 평가하고 잠재적인 오류나 격차를 식별하며 정확성과 일관성을 개선하기 위해 관련 정보를 추가로 검색합니다. 이 접근 방식은 자체 수정 및 반복 학습을 가능하게 하여 답변의 품질을 향상시키므로 심층적인 추론이나 높은 사실 정확도가 요구되는 복잡한 쿼리에 특히 유용합니다. 02. 도구 사용 도구 사용 패턴을 사용하면 AI 시스템이 외부 리소스(예: 데이터베이스, API, 전문 모델 또는 소프트웨어 도구)를 호출하여 기능을 보완할 수 있습.......

주요 에이전트 디자인 패턴

댓글