LLM 에이전트 엔지니어 | Multi-Agent · RAG · Agentic Workflow
반복되는 일을 에이전트에게 넘기는 데 집중합니다.
LangGraph로 멀티에이전트를 엮고, RAG로 근거를 붙이고, critic 루프로 스스로 고치게 만듭니다.
"정확도를 올렸다"를 숫자로 증명하고, 모델만큼이나 안 죽는 서비스 구조를 신경 씁니다.
- 🧩 멀티에이전트 — LangGraph로 역할을 나눈 에이전트를 병렬·협업시켜 복잡한 업무를 분해해 처리
- 🔁 Self-RAG / 반성 루프 — critic LLM이 결과를 채점하고, 부족하면 쿼리를 다시 써서 재검색
- 🛠 Tool-calling(ReAct) — LLM이 직접 도구(검색·비전·DB)를 호출할지 스스로 판단하는 파이프라인
- 🧱 고도화된 RAG — Parent-Child 청킹·임베딩 재랭킹으로 검색 품질을 정량적으로 끌어올림
- 🛡 폴백 설계 — 모델·외부 API가 죽어도 대체 경로로 넘어가 서비스가 멈추지 않게 구성
회사에서 LangChain·LangGraph 문서 자동화 에이전트를 만들어 문서 작업 시간을 약 50% 단축했고, 퇴근 후에도 에이전트를 직접 만들어 보며 어디까지 자동화되는지 확인하는 편입니다.
LLM / Agent
ML / Vision
Backend / Infra
※ 실제로 다뤄본 것만 남겼습니다. 면접에서 배지에 적힌 건 다 질문받을 수 있어서요.
신규 점포의 매출·폐업·법률 리스크를 데이터로 미리 검증해 주는 시스템.
- 에이전트 구조 — LangGraph 병렬 멀티에이전트 파이프라인이 예측·해석·법률 검토를 나눠 수행
- 내 역할 — 데이터 파이프라인 · DB · 법률 RAG 담당
- 결과 — 법률 RAG 검색 Hit@10 62% → 100%, 마포구 16개 동 × 10개 업종을 12개월 예측
LangGraphRAGLightGBMTCNSHAPPython- 🔗 https://github.com/Himidea-AI/Final_Project
여러 출처의 뉴스를 모아 재랭킹하고, critic LLM이 결과를 채점해 부족하면 다시 검색하는 반성형 에이전트.
- 에이전트 구조 — LangGraph 멀티소스 병렬 수집 → 임베딩 재랭킹 → critic 재시도(Self-RAG) → ReAct 도구 호출
- 결과 — Flask 웹과 Discord 봇 양쪽으로 자동 브리핑
LangGraphSelf-RAGReActOpenAIFlaskDiscord- 🔗 https://github.com/HiMedia13/ai_news_summarizer
마술 영상에서 '수상한 순간'을 짚고, 에이전트가 직접 그 장면을 들여다보며 기법을 추론·설명.
- 에이전트 구조 — 신호 탐지(MediaPipe·YOLO) → LangGraph ReAct 도구 호출 에이전트가 gpt-4o Vision으로 구간 분석
- 포인트 — 비밀을 단정하지 않고 의심 구간만 골라 사람이 다시 보게 돕는 보조 도구로 설계
LangGraphReActOpenAI VisionMediaPipeYOLOv8- 🔗 https://github.com/HiMedia13/magic-trick-analyzer
아이가 그린 그림으로 AI가 동화 스토리·배경 이미지·음성을 만들어 한 권으로 완성해 주는 웹앱.
- 내 역할 — AI 스토리 생성 + 배경 이미지 생성
- 에이전트/안정성 — 스토리(Gemini→Claude)·이미지(로컬 LCM→Pollinations) 폴백 체인으로 외부 API가 죽어도 멈추지 않게 설계
LLM OrchestrationGeminiClaudeFlaskLCM-DreamShaperCLOVA Voice- 🔗 https://github.com/first-mini-project/mini-project
그 외 — 📸 photo-classifier-pwa (gpt-4o Vision + HDBSCAN 사진 자동 분류 PWA) 등
※ 활동 내역은 아래 contribution 그래프에서 확인하실 수 있어요. (프로젝트가 bat1120 · HiMedia13 · Himidea-AI에 나뉘어 있습니다)
읽어주셔서 감사합니다 — 에이전트로 사람의 시간을 아끼는 일을 함께 하고 싶습니다. 🚀