https://techllm.github.io/tags/langchain/Recent content in LangChain on TechLLMHugokoThu, 25 Jun 2026 21:05:00 +0900https://techllm.github.io/posts/langchain-fleet-general-purpose-vs-specialized-agents/Thu, 25 Jun 2026 21:05:00 +0900https://techllm.github.io/posts/langchain-fleet-general-purpose-vs-specialized-agents/LangChain Fleet의 두 가지 에이전트 — General Purpose Chat과 Specialized Agents — 가 각각 어떤 일에 맞춰져 있는지, 기억(memory)·도구·트리거가 어디서 갈리는지 정리했습니다.https://techllm.github.io/posts/langchain-rubric-middleware-deep-agents/Thu, 25 Jun 2026 07:21:30 +0900https://techllm.github.io/posts/langchain-rubric-middleware-deep-agents/LangChain Deep Agents에 새로 들어온 RubricMiddleware는 결과물을 별도 채점 서브에이전트에 맡겨서 기준에 못 미치면 알아서 다시 돌립니다. 동작 원리와 실제 코드 예시를 정리합니다.https://techllm.github.io/posts/agent-verification-loop-stack-design/Wed, 24 Jun 2026 19:52:00 +0900https://techllm.github.io/posts/agent-verification-loop-stack-design/xAI /goal, Cisco FAPO, LangChain HITL, OpenAI Codex가 같은 방향을 가리킨다. 이제 진짜 차별점은 코드를 쓰는 능력이 아니라 실패를 감지하고 분류하고 다시 고치는 폐쇄 루프를 얼마나 잘 제품화하느냐다.https://techllm.github.io/posts/langchain-human-judgment-agent-improvement-loop/Wed, 24 Jun 2026 18:25:00 +0900https://techllm.github.io/posts/langchain-human-judgment-agent-improvement-loop/LangChain이 정리한 'Human judgment in the agent improvement loop'. 에이전트의 워크플로·도구·컨텍스트·평가까지, 사람의 판단이 들어가야 할 자리를 어디로 보는지, 그리고 자동 평가와 운영 데이터를 어떻게 다시 학습 루프로 되돌리는지 한국어로 정리했습니다.https://techllm.github.io/posts/langchain-harvey-efficient-verifiers-legal-agents/Wed, 24 Jun 2026 15:15:00 +0900https://techllm.github.io/posts/langchain-harvey-efficient-verifiers-legal-agents/Harvey의 LAB 벤치마크 2,348개 항목을 가지고 LangChain Labs가 직접 돌려본 결과. 검증을 묶음으로 던지고, Opus 4.7 대신 DeepSeek 같은 오픈 모델을 쓰니 비용이 한 자릿수까지 떨어졌습니다.https://techllm.github.io/posts/langchain-fleet-general-chat-specialized-agents/Wed, 24 Jun 2026 14:20:00 +0900https://techllm.github.io/posts/langchain-fleet-general-chat-specialized-agents/한 번 쓰고 끝나는 일과 매주 돌아오는 일은 다른 도구가 필요하다. LangChain Fleet이 General Purpose Chat과 Specialized Agents를 분리한 이유, 그리고 두 모드를 어떻게 갈아 쓰는지 정리.https://techllm.github.io/posts/langsmith-no-code-agent-builder/Wed, 24 Jun 2026 12:27:00 +0900https://techllm.github.io/posts/langsmith-no-code-agent-builder/LangChain이 LangSmith Agent Builder 프라이빗 프리뷰를 공개했습니다. 비주얼 워크플로가 아니라 대화형으로 프롬프트·도구·트리거를 짜고, 메모리까지 가진 에이전트를 코드 없이 만드는 방식을 정리합니다.https://techllm.github.io/posts/langgraph-full-course-bloom-ai-masterclass/Thu, 07 May 2026 22:00:00 +0900https://techllm.github.io/posts/langgraph-full-course-bloom-ai-masterclass/Bloom AI의 9시간짜리 LangGraph V1 마스터클래스를 섹션별로 완전 분석했다. Node·Edge·State 기초부터 Memory, Multi-Agent 시스템까지 실무에 바로 쓸 수 있는 핵심만 정리했다.https://techllm.github.io/posts/langchain-vs-langgraph-difference/Thu, 07 May 2026 14:50:00 +0900https://techllm.github.io/posts/langchain-vs-langgraph-difference/같은 LangChain 생태계 안에 공존하는 LangChain과 LangGraph. 선형 파이프라인과 비선형 그래프라는 구조적 차이를 중심으로, 각 프레임워크의 작동 방식과 적합한 사용 시나리오를 정리합니다.https://techllm.github.io/posts/ibm-ai-agent-memory-explained/Sat, 02 May 2026 23:10:00 +0900https://techllm.github.io/posts/ibm-ai-agent-memory-explained/IBM의 AI agent memory 설명을 바탕으로, 에이전트 메모리의 개념과 단기·장기·에피소드·의미·절차 기억의 실무적 의미를 정리한다.https://techllm.github.io/posts/langchain-agentic-engineering-software-team/Sat, 02 May 2026 09:15:00 +0900https://techllm.github.io/posts/langchain-agentic-engineering-software-team/LangChain의 Agentic Engineering 글을 바탕으로, AI 코딩 도구 이후 소프트웨어 엔지니어링이 왜 다중 에이전트 팀 운영 방식으로 이동하는지 정리한다.https://techllm.github.io/posts/langchain-production-agent-monitoring-observability/Fri, 01 May 2026 21:25:00 +0900https://techllm.github.io/posts/langchain-production-agent-monitoring-observability/LangChain의 production monitoring 글을 바탕으로, LLM 에이전트가 기존 소프트웨어와 왜 다르게 모니터링되어야 하는지, annotation queue, online evaluation, Insights Agent, dashboard/alert 설계를 정리한다.