Python, TypeScript, Rust, Julia로 AI 엔지니어링 개념을 기초부터 익히는 MIT 라이선스 무료 강의로, 542개 레슨으로 구성되어 있습니다.
patchy631/ai-engineering-hub
LLM, RAG 파이프라인, AI 에이전트를 다루는 90개 이상의 실습형 튜토리얼 프로젝트를 난이도별로 모았습니다.
- 스타
- 41,269
- 포크
- 6,586
- 열린 이슈
- 133
- 마지막 커밋
- 6일 전
어떤 프로젝트인가요?
AI Engineering Hub는 대규모 언어 모델을 활용한 개발을 위한 실행 가능한 튜토리얼 프로젝트 모음입니다. 프로젝트는 초급, 중급, 고급 단계로 나뉘며, 로컬 채팅 인터페이스, 비전 모델을 이용한 OCR, 문서 기반 검색 증강 생성, 오디오 및 비디오 RAG, CrewAI, LlamaIndex, AutoGen 같은 프레임워크로 구축하는 멀티 에이전트 워크플로 등의 주제를 다룹니다.
상당수 프로젝트는 MCP(Model Context Protocol) 통합, 에이전트 메모리, 추론 모델 간 성능 평가와 같은 모델 비교에 중점을 둡니다. DeepSeek, Gemini, AssemblyAI 같은 제공업체의 호스팅 API를 사용하는 프로젝트가 많고, Ollama를 통해 로컬 모델을 사용하는 프로젝트도 있습니다.
각 프로젝트는 코드와 함께 별도의 폴더에 들어 있어, 독자는 자신의 현재 실력에 맞는 튜토리얼 하나를 골라 독립적으로 실행할 수 있습니다.
핵심 기능
- 01LLM, RAG, AI 에이전트를 하나의 저장소에서 다룹니다.
- 02프로젝트를 초급, 중급, 고급 단계로 분류합니다.
- 03OCR, 음성, 멀티모달 RAG 예제를 제공합니다.
- 04다양한 MCP 서버 및 클라이언트 구현을 포함합니다.
- 05각 튜토리얼은 별도의 폴더에 독립적으로 구성되어 있습니다.
활용 사례
- 작동하는 문서 채팅 애플리케이션을 만들며 RAG를 학습합니다.
- CrewAI나 AutoGen 같은 에이전트 프레임워크를 연결하는 방법을 살펴봅니다.
- 동일한 작업에서 여러 LLM의 출력 품질을 비교합니다.
- MCP 기반 도구 통합을 위한 시작 템플릿을 찾습니다.
사용 전 알아둘 점
- README에는 공통 설치 명령이 안내되어 있지 않습니다. 컬렉션에 포함된 각 프로젝트마다 설정 방법이 다릅니다.
포함된 컬렉션
토픽
자주 묻는 질문
- ai-engineering-hub은(는) 무엇인가요?
- LLM, RAG 파이프라인, AI 에이전트를 다루는 90개 이상의 실습형 튜토리얼 프로젝트를 난이도별로 모았습니다. AI Engineering Hub는 대규모 언어 모델을 활용한 개발을 위한 실행 가능한 튜토리얼 프로젝트 모음입니다. 프로젝트는 초급, 중급, 고급 단계로 나뉘며, 로컬 채팅 인터페이스, 비전 모델을 이용한 OCR, 문서 기반 검색 증강 생성, 오디오 및 비디오 RAG, CrewAI, LlamaIndex, AutoGen 같은 프레임워크로 구축하는 멀티 에이전트 워크플로 등의 주제를 다룹니다.
- ai-engineering-hub은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- ai-engineering-hub은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- ai-engineering-hub은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. ai-engineering-hub의 마지막 커밋은 2026년 11월 1일입니다.
- ai-engineering-hub은(는) 어디에 사용할 수 있나요?
- 작동하는 문서 채팅 애플리케이션을 만들며 RAG를 학습합니다. CrewAI나 AutoGen 같은 에이전트 프레임워크를 연결하는 방법을 살펴봅니다. 동일한 작업에서 여러 LLM의 출력 품질을 비교합니다. MCP 기반 도구 통합을 위한 시작 템플릿을 찾습니다.
- ai-engineering-hub은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/patchy631/ai-engineering-hub
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
Claude, Gemini, GPT, DeepSeek, Llama, Qwen 모델을 기반으로 만든 오픈소스 AI 에이전트, 에이전트 스킬, RAG 앱 모음입니다.
AI 수학 기초부터 머신러닝, 딥러닝, Transformer, BERT, 대회 사례까지 다루는 중국어 강의형 저장소로, 주석이 달린 코드와 데이터셋을 제공합니다.
로컬 LLM과 클라우드 API 없이 JavaScript로 RAG를 처음부터 구현하는 단계별 학습 프로젝트입니다.
플러그인 방식으로 모델 제공자, RAG, 에이전트를 지원해 LLM 기반 앱을 만들 수 있는 LangChain의 Dart 및 Flutter 포트입니다.
API 호출부터 로컬 배포와 파인튜닝까지, Kaggle/Colab 버전과 함께 LLM을 익힐 수 있는 중국어 단계별 가이드와 데모 코드입니다.