AI 엔지니어링
#NL-to-SQL
#AI-Agent
Text-to-SQL은 시작일 뿐 — 워크플로우형 데이터 분석 에이전트를 만들어본 회고
자연어 질문을 SQL·차트·인사이트로 잇는 멀티 에이전트를 직접 만들며 배운 것들. 결정론적인 건 코드로, 비결정론적인 것만 LLM에 맡기는 하이브리드 워크플로우로 값싼 모델로도 고성능 LLM+ReAct 구성과 거의 동등한 결과를 낸 개발 회고.
Tag
'AI-Agent' 태그가 포함된 6개의 글입니다.
자연어 질문을 SQL·차트·인사이트로 잇는 멀티 에이전트를 직접 만들며 배운 것들. 결정론적인 건 코드로, 비결정론적인 것만 LLM에 맡기는 하이브리드 워크플로우로 값싼 모델로도 고성능 LLM+ReAct 구성과 거의 동등한 결과를 낸 개발 회고.
Quest 2의 Textual TUI를 Quest 3 RAG 비교 들어가기 전에 Jupyter Notebook으로 옮긴 이유와 노트북 셀 구성 정리. 직관성·실험 반복성·공유성 세 축으로 결정.
RAG 없이 전체 스키마를 프롬프트에 주입해서 SQL을 생성하는 Naive Baseline 구축. Textual TUI로 반복 테스트 환경까지 만들고, 20개 질문에서 Execution Accuracy 100%를 기록했습니다.
PostgreSQL + pgvector 환경을 만들고, Snowflake 스타일 시맨틱 레이어 YAML을 엔티티 단위로 분해해서 Solar Embedding으로 적재하기까지
공공데이터를 PostgreSQL에 적재하고, 시맨틱 레이어 + pgvector RAG + LLM으로 자연어를 SQL로 변환하는 에이전트를 단계적으로 구현하는 프로젝트 시작
공공데이터포털 API를 활용한 RAG 에이전트 개발 프로젝트 시작
읽어주셔서 고맙습니다.