Vibe to Production : 바이브코딩 기반 풀스택 AI 에이전트 구축
바이브 코딩과 AI 코딩 도구로 LLM 웹 서비스를 만들고, RAG·에이전트로 확장한 뒤 AWS에 배포합니다. LLM · 벡터 저장소 · 품질 평가 · 배포는 모두 AWS 서비스(Amazon Bedrock · RDS for PostgreSQL · Bedrock Evaluations · EC2)로 구성합니다. 학습 모듈은 서로 독립적으로 구성되어 있어, 모듈마다 제공하는 시작 코드로 바로 시작할 수 있습니다. 마지막에는 팀별 AI Agent 서비스를 시연합니다.
학습 진행 방법
- 왼쪽 목차를 위에서부터 진행합니다. 모듈마다 이론 → 실습 순서입니다.
- 가운데 화면에서 슬라이드를 넘기며 학습합니다. 방향키(← →)로 넘기고,
F키로 전체 화면을 씁니다. - 오른쪽 메뉴
- 이론: 섹션별 슬라이드 목록 — 누르면 바로 그 장으로 이동합니다.
- 실습: 실습 파일 — 단계마다 필요한 파일을 내려받아 사용합니다.
실습은 모듈마다 자기 폴더와 시작 코드를 가지므로 앞 모듈을 끝내지 못했어도 그대로 시작할 수 있습니다. 팀은 각 모듈에서 배운 기능을 자기 서비스에 적용해 AI Agent 서비스를 완성합니다.
일정 (1일 3시간 × 10일)
| 일차 | 내용 |
|---|---|
| 1 | 생성형 AI와 바이브 코딩 시작 |
| 2 | 서비스 설계와 LangChain 기초 |
| 3 | 대화 메모리와 문서 파이프라인 |
| 4 | 기본 RAG 파이프라인 |
| 5 | RAG 검색 품질 개선 |
| 6 | Bedrock Evaluations로 RAG 평가하기 |
| 7 | AI 에이전트와 LangGraph 기초 |
| 8 | LangGraph 심화와 RAG 에이전트 |
| 9 | AWS 배포와 서비스 다듬기 |
| 10 | 팀 발표·시연 |