📚 블로그

856

[실습] CLI 챗봇 개발 환경 아키텍처 미리보기

✅ 1. 개발 환경 아키텍처 미리보기

✅ 1. Advisors 프로세스 사용자가 입력한 순수한 형태의 질문을 Spring AI 내부에서 처리하고 다루기 쉬운 ChatClientRequest 객체로 변환 이곳에 등록된 여러 Advisor들이 개입하여 요청 데이터를 검사하거나 변경함 Advi

✅ 1. call() 메서드 생성 ChatService.java public @Nullable ChatResponse call(Prompt prompt, String conversationId){ return prepareRequest(prompt

✅ 1. Structured Output Converter란? AI가 뱉어내는 일반 텍스트(String) 답변을, 우리 백엔드 서버에서 원하는 자바 객체로 자동 변환해주는 번역기 ✅ 2. enum, record 정의 ChatService.java //

✅ 1. Spring AI Prompts란 무엇일까? 흔히 AI에게 질문을 던질 때 하나의 긴 텍스트 문장만 보낸다고 생각하기 쉬움. 하지만 Spring AI에서 AI 모델로 전달되는 최종 형태는 문자열이 아니라 Prompt라는 전용 객체임 Promp

✅ 1. Metadata Filters란 무엇일까? Vector DB에서 유사도 검색을 할 때, 단순히 의미(벡터)만 비슷한 문서를 찾는 것이 아니라 우리가 원하는 특정 조건(메타데이터)에 맞는 문서들 속에서만 유사도를 검색하도록 대상을 좁혀주는 기

✅ 1. Spring Boot에서 CLI 기능 구현하기 package com.jscode.chat; @Configuration public class CliConfig { @ConditionalOnProperty(prefix = "spring

✅ 1. Similarity란 무엇일까? AI가 텍스트를 숫자로 된 좌표(Vector)로 바꿨다면, 이제 "어떤 단어들이 서로 비슷한 의미를 가질까?"를 수학적으로 계산할 수 있게 됨 이것이 바로 유사도(Similarity)임 ✅ 2. 두 벡터 사이의

✅ 1. ChatService 구현 이전 시간에 구현한 Advisor들을 Chat Service에 등록하기 ChatService.java package com.jscode.chat.service; @Service public class ChatSe

✅ 1. Vector Database란 무엇일까? 과거의 백엔드 개발은 텍스트, 숫자 데이터를 관계형 DB에 저장하는 것이 전부였음 하지만, AI 시대가 오면서 데이터를 저장하고 검색하는 패러다임 자체가 완전히 바뀜 그 중심에 있는 것이 바로 Vect