Category 1

요청하신 주제인 **"정보 검색 능력을 극대화하는 프롬프트: Open WebUI Tools & RAG 마스터"**에 맞춰, 실무 중심의 15주차 커리큘럼과 강좌 상세 내용을 구성해 드립니다.

이 강좌는 단순한 프롬프트 엔지니어링을 넘어, 최신 오픈소스 도구인 Open WebUI의 강력한 기능을 활용하고, RAG(검색 증강 생성) 기술을 통해 나만의 지식 베이스를 구축하는 것을 목표로 설계했습니다.

강좌 개요서

강좌명

정보 검색 능력을 극대화하는 프롬프트: Open WebUI Tools & RAG 마스터

강좌 목표

본 강좌는 수강생이 LLM(대규모 언어 모델)을 로컬 및 클라우드 환경에서 자유롭게 운용하고, 외부 데이터를 연동(RAG)하여 환각(Hallucination) 없는 정확한 정보 검색 시스템을 구축하는 능력을 배양합니다. 특히 Open WebUI의 'Tools(도구)' 기능을 활용하여 웹 검색, API 연동, 코드 실행 등 에이전트(Agent) 수준의 워크플로우를 설계하는 방법을 마스터합니다.

수강 대상

• 단순 챗봇 사용을 넘어, 업무에 특화된 AI 검색 환경을 구축하고 싶은 직장인

• 나만의 로컬 LLM 서버를 구축하고 문서를 효율적으로 관리하고 싶은 연구자/개발자

• RAG 기술과 프롬프트 엔지니어링을 결합하여 정보 처리 속도를 높이고 싶은 분

기대 효과

1. 프롬프트 최적화: 원하는 정보를 정확히 추출하는 구조화된 프롬프트 설계 능력 습득

2. 도구 활용(Tool Use): Open WebUI를 통해 LLM이 실시간 웹 검색 및 코드 실행을 하도록 제어

3. 지식 베이스 구축: PDF, 문서 등을 벡터화하여 개인화된 RAG 검색 시스템 완성

주차별 커리큘럼 (15주 완성)

강좌 상세 내용 (주요 모듈별)

Module 1. 프롬프트 엔지니어링과 검색의 기초 (1~3주차)

이 모듈에서는 AI에게 질문하는 법을 다시 배웁니다. 단순히 "알려줘"가 아니라, LLM이 사고하는 과정을 유도하여 정보의 정확도를 높이는 Chain of Thought(CoT) 기법과 복잡한 문제를 해결하는 ReAct 프롬프팅을 집중적으로 다룹니다. 이는 이후 Tools 사용의 기반이 됩니다.

Module 2. Open WebUI와 로컬 LLM 마스터 (4~5주차)

Open WebUI는 현재 가장 강력한 오픈소스 LLM 인터페이스 중 하나입니다.

• 설치 및 세팅: Docker를 이용한 안전한 설치 및 Ollama와의 연동.

• Modelfile: 나만의 시스템 프롬프트가 적용된 커스텀 모델을 만들고 저장하는 방법.

• 파라미터 튜닝: 창의적인 글쓰기와 정확한 정보 검색에 필요한 Temperature 값 조절 노하우.

Module 3. RAG(Retrieval-Augmented Generation) 심화 (6~8주차)

LLM의 가장 큰 약점인 '할루시네이션'을 잡기 위해 사용자가 가진 데이터를 학습 없이 참조하게 만드는 RAG 기술을 배웁니다.

• 임베딩 모델 선택: 한글 처리에 강한 임베딩 모델 적용법.

• 하이브리드 검색: 키워드 검색과 벡터 검색을 결합하여 검색 정확도를 극대화하는 방법.

Module 4. Tools & Agentic Workflow (9~12주차)

이 강좌의 하이라이트입니다. LLM이 텍스트만 생성하는 것이 아니라, 실제로 도구를 사용하게 만듭니다.

• Web Search: "오늘 서울 날씨 어때?"라고 물으면 LLM이 검색 엔진을 돌려 실시간 정보를 가져오게 설정합니다.

• Python Tool: "이 엑셀 파일 분석해줘"라고 하면 내부적으로 파이썬 코드를 짜서 실행하고 그래프를 그려주는 기능을 구현합니다.

Module 5. 종합 프로젝트 (13~15주차)

수강생은 배운 내용을 종합하여 **'자동화된 리서치 에이전트'**를 만듭니다. 사용자가 "최신 AI 트렌드 조사해줘"라고 입력하면, 1) 웹 검색 수행, 2) 주요 기사 스크랩, 3) 내용 요약, 4) 최종 보고서 생성을 한 번에 수행하는 워크플로우를 완성합니다.

강의 형식 및 준비물

• 강의 형식: 이론 30% + 실습 70% (매주 실습 과제 부여)

• 준비물:

  • PC/노트북 (RAM 16GB 이상 권장, GPU 있으면 좋으나 CPU 모드로도 실습 가능)

  • Docker 설치 가능 환경 (Windows/Mac/Linux)

  • 기초적인 Python 지식이 있으면 11~12주차에 유리하나 필수 아님

이 커리큘럼으로 강좌를 개설하거나 학습 계획을 세우시는 데 도움이 되시길 바랍니다! 추가로 수정하고 싶은 부분이 있다면 말씀해 주세요.