한 줄 요약 텍스트는 “다음 토큰 하나 뽑기”를 토큰 수만큼 반복하고, 그림은 “노이즈를 조금 걷어내기”를 수십 번 반복한다. 모델도 다르고 루프도 다르다. 같은 건 하나다. 둘 다 조건이 주어졌을 때의 확률을 학습해 두고 거기서 하나를 뽑는다. 텍스트의 조건은 앞의 텍스트, 그림의 조건은 프롬프트다. 그리고 채팅에서 LLM은 그림을 ...

한 줄 요약 RAG는 코드가 자료를 골라 프롬프트에 push하고, Skills는 LLM이 metadata를 보고 필요한 매뉴얼을 스스로 pull한다. Tool Use는 그 pull의 왕복 통로, MCP는 그 통로의 콘센트 규격. 어느 서버의 도구든 같은 모양으로 꽂힌다. 넷 다 LLM을 바꾸지 않는다. 컨텍스트 창에 무엇을, 누가, 언...

한 줄 요약 LLM은 답을 조회하지 않는다. 프롬프트를 조건으로 “다음 토큰”의 확률을 계산하고 하나 뽑는 일을 답이 끝날 때까지 반복한다. RAG 서빙은 그 확률이 내 자료 쪽으로 기울도록 검색된 원문 조각을 프롬프트에 넣어주는 8단계다. 벡터는 “어느 조각을 꺼낼지” 정하는 색인일 뿐, LLM은 벡터를 보지 않는다. 1편에서 창고(...

한 줄 요약 DAG는 “순환 없는 작업 순서도”. Airflow는 “그 순서도를 cron처럼 돌리되 의존성·재시도·부분 재실행·대시보드까지 챙겨주는 스케줄러”, StarRocks는 “GROUP BY를 억 단위 행에서도 초 단위로 끝내는, MySQL 프로토콜 호환 집계 전용 DB” 이전 글에서 블로그 글을 pgvector에 넣는 RAG 인덱싱...

한 줄 요약 RAG = SELECT 해서 프롬프트에 붙이는 것. 벡터DB는 그 SELECT의 WHERE LIKE를 ORDER BY 의미적 거리로 바꿔주는 인덱스이고, Frontmatter는 그 쿼리의 WHERE 절에 들어갈 메타데이터다. 이 글은 SQL을 다뤄본 대상으로 쓴다. 수학은 최소한, 대신 익숙한 DB 개념에 하나씩 대응시...