kennethlaw325/awesome-llm-knowledge-systems

awesome-llm-knowledge-systems은(는) 무엇을 하나요?

모두가 놓치고 있는 지도: 2026년 LLM 지식 엔지니어링 — RAG, 컨텍스트 엔지니어링, 하네스 엔지니어링, 스킬 시스템, 에이전트 메모리, MCP 및 점진적 공개를 연결하는 첫 번째 통합 가이드

개요

이 저장소는 LLM 기반 시스템의 지식 엔지니어링 분야를 체계적으로 정리한 최초의 통합 가이드입니다. 현재 각 분야가 독립적으로 발전하면서 놓치고 있는 전체적인 그림(The Map) 을 제공합니다.

포함된 핵심 분야

• RAG (검색 증강 생성): 외부 지식 소스에서 관련 정보를 검색하여 LLM의 응답을 강화
• 컨텍스트 엔지니어링: LLM의 컨텍스트 윈도우를 최적으로 활용하는 방법
• 하네스 엔지니어링: LLM 호출을 위한 구조화된 템플릿 시스템
• 스킬 시스템: AI 에이전트가 사용할 수 있는 재사용 가능한 기능 모듈
• 에이전트 메모리: 장기 및 단기 메모리 관리 기법
• MCP (모델 컨텍스트 프로토콜): 표준화된 컨텍스트 교환 프로토콜
• 점진적 공개(Progressive Disclosure): 사용자에게 정보를 단계적으로 제공하는 설계 원칙

사용 방법

이 가이드는 AI 에이전트(Claude Code, Cursor, Codex 등)의 스킬로 사용할 수 있도록 설계되었습니다. 저장소를 복제하거나 직접 참조하여 LLM 지식 엔지니어링의 전체 아키텍처를 이해하고 구현할 수 있습니다.

기여

이 프로젝트는 오픈 소스로 운영되며, LLM 지식 엔지니어링 분야의 발전을 함께 만들어가고자 하는 모든 분의 기여를 환영합니다.

라이선스

이 프로젝트는 MIT 라이선스 하에 제공됩니다.