ML 워크플로우 번들은(는) 무엇을 하나요?
개요
LLM 애플리케이션 구축, RAG 시스템 구현, AI 에이전트 생성, 머신러닝 파이프라인 개발을 위한 포괄적인 AI/ML 워크플로우입니다. 이 번들은 생산 환경에서의 AI 개발을 위한 스킬을 조율합니다.
이 워크플로우를 사용해야 하는 경우
다음과 같은 경우 이 워크플로우를 사용하세요:
- LLM 기반 애플리케이션 구축
- RAG(검색 증강 생성) 구현
- AI 에이전트 생성
- ML 파이프라인 개발
- 애플리케이션에 AI 기능 추가
- AI 관측 가능성 설정
워크플로우 단계
1단계: AI 애플리케이션 설계
호출할 스킬
ai-product- AI 제품 개발ai-engineer- AI 엔지니어링ai-agents-architect- 에이전트 아키텍처llm-app-patterns- LLM 패턴
액션
- AI 사용 사례 정의
- 적절한 모델 선택
- 시스템 아키텍처 설계
- 데이터 흐름 계획
- 성공 지표 정의
복사-붙여넣기 프롬프트
@ai-product를 사용하여 AI 기반 기능 설계하기
@ai-agents-architect를 사용하여 멀티 에이전트 시스템 설계하기
2단계: LLM 통합
호출할 스킬
llm-application-dev-ai-assistant- AI 어시스턴트 개발llm-application-dev-langchain-agent- LangChain 에이전트llm-application-dev-prompt-optimize- 프롬프트 엔지니어링gemini-api-dev- Gemini API
액션
- LLM 제공자 선택
- API 접근 설정
- 프롬프트 템플릿 구현
- 모델 매개변수 구성
- 스트리밍 지원 추가
- 오류 처리 구현
복사-붙여넣기 프롬프트
@llm-application-dev-ai-assistant를 사용하여 대화형 AI 구축하기
@llm-application-dev-langchain-agent를 사용하여 LangChain 에이전트 생성하기
@llm-application-dev-prompt-optimize를 사용하여 프롬프트 최적화하기
3단계: RAG 구현
호출할 스킬
rag-engineer- RAG 엔지니어링rag-implementation- RAG 구현embedding-strategies- 임베딩 선택vector-database-engineer- 벡터 데이터베이스similarity-search-patterns- 유사도 검색hybrid-search-implementation- 하이브리드 검색
액션
- 데이터 파이프라인 설계
- 임베딩 모델 선택
- 벡터 데이터베이스 설정
- 청킹 전략 구현
- 검색 구성
- 재순위화 추가
- 캐싱 구현
복사-붙여넣기 프롬프트
@rag-engineer를 사용하여 RAG 파이프라인 설계하기
@vector-database-engineer를 사용하여 벡터 검색 설정하기
@embedding-strategies를 사용하여 최적 임베딩 선택하기
4단계: AI 에이전트 개발
호출할 스킬
autonomous-agents- 자율 에이전트 패턴autonomous-agent-patterns- 에이전트 패턴crewai- CrewAI 프레임워크langgraph- LangGraphmulti-agent-patterns- 멀티 에이전트 시스템computer-use-agents- 컴퓨터 사용 에이전트
액션
- 에이전트 아키텍처 설계
- 에이전트 역할 정의
- 도구 통합 구현
- 메모리 시스템 설정
- 오케스트레이션 구성
- 인간 개입 루프 추가
복사-붙여넣기 프롬프트
@crewai를 사용하여 역할 기반 멀티 에이전트 시스템 구축하기
@langgraph를 사용하여 상태 저장 AI 워크플로우 생성하기
@autonomous-agents를 사용하여 자율 에이전트 설계하기
5단계: ML 파이프라인 개발
호출할 스킬
ml-engineer- ML 엔지니어링mlops-engineer- MLOpsmachine-learning-ops-ml-pipeline- ML 파이프라인ml-pipeline-workflow- ML 워크플로우data-engineer- 데이터 엔지니어링
액션
- ML 파이프라인 설계
- 데이터 처리 설정
- 모델 학습 구현
- 평가 구성
- 모델 레지스트리 설정
- 모델 배포
복사-붙여넣기 프롬프트
@ml-engineer를 사용하여 머신러닝 파이프라인 구축하기
@mlops-engineer를 사용하여 MLOps 인프라 설정하기
6단계: AI 관측 가능성
호출할 스킬
langfuse- Langfuse 관측 가능성manifest- Manifest 텔레메트리evaluation- AI 평가llm-evaluation- LLM 평가
액션
- 추적 설정
- 로깅 구성
- 평가 구현
- 성능 모니터링
- 비용 추적
- 알림 설정
복사-붙여넣기 프롬프트
@langfuse를 사용하여 LLM 관측 가능성 설정하기
@evaluation를 사용하여 평가 프레임워크 생성하기
7단계: AI 보안
호출할 스킬
prompt-engineering- 프롬프트 보안security-scanning-security-sast- 보안 스캐닝
액션
- 입력 검증 구현
- 출력 필터링 추가
- 속도 제한 구성
- 접근 제어 설정
- 남용 모니터링
- 감사 로깅 구현
AI 개발 체크리스트
LLM 통합
- API 키 보안 설정
- 속도 제한 구성
- 오류 처리 구현
- 스트리밍 활성화
- 토큰 사용량 추적
RAG 시스템
- 데이터 파이프라인 작동
- 임베딩 생성
- 벡터 검색 최적화
- 검색 정확도 테스트
- 캐싱 구현
AI 에이전트
- 에이전트 역할 정의
- 도구 통합
- 메모리 작동
- 오케스트레이션 테스트
- 오류 처리 강건함
관측 가능성
- 추적 활성화
- 메트릭 수집
- 평가 실행
- 알림 구성
- 대시보드 생성
품질 게이트
- 모든 AI 기능 테스트 완료
- 성능 벤치마크 충족
- 보안 조치 마련
- 관측 가능성 구성
- 문서화 완료
관련 워크플로우 번들
development- 애플리케이션 개발database- 데이터 관리cloud-devops- 인프라testing-qa- AI 테스트