LLM과 스크립트의 협업 설계 — 판단은 AI에게, 실행은 코드에게

-
LLM과 스크립트의 협업 설계 — 판단은 AI에게, 실행은 코드에게

토큰 96% 절감을 달성한 AI 에이전트의 역할 분리 아키텍처

핵심 요약

  • LLM은 의미론적 판단에, 스크립트는 규칙 기반 실행에 각각 배치하는 것이 핵심 원칙이다
  • Reflect 파이프라인의 토큰 사용량을 277k에서 5k로 96% 줄였다
  • 12개 자동화 스크립트를 데이터 변환, 검증, 정리, 실시간 호출 4가지로 분류 운용 중이다

배경

AI 에이전트 시스템을 운영하면서 LLM의 한계를 반복적으로 경험했다. 단순 데이터 변환에도 막대한 토큰을 소비하고, 동일 입력에 다른 결과를 내놓으며, 산술 연산에서는 신뢰도가 떨어졌다. "모든 걸 LLM에게 맡기면 된다"는 접근은 비용과 정확도 양쪽에서 실패했다.

설계 철학: 판단과 실행의 분리

본문

12개 자동화 스크립트 분류

설계 철학: 판단과 실행의 분리

내가 도달한 원칙은 단순하다. 의미론적 판단이 필요한 작업은 LLM이, 엄격한 규칙 기반 작업은 Python/Bash 스크립트가 담당한다. 이 분리만으로 세 가지 성과를 얻었다.

  • 비용 절감: Reflect 파이프라인 토큰 277k에서 5k로 감소 (96%)
  • 정확도: 규칙 기반 작업에서 100% 달성
  • 결정론적 운영: 동일 입력에 항상 동일 결과 보장

12개 자동화 스크립트 분류

스크립트는 성격에 따라 네 그룹으로 나뉜다.

  1. 데이터 변환: retain-merge.py, conflict-apply.py 등 — 구조화된 데이터 처리
  2. 검증 감시: confidence-decay.py, bank-lint.py 등 — 규칙 기반 품질 검사
  3. 정리/확장: session-cleanup.py, topics-expand.py — 유지보수 자동화
  4. 실시간 호출: recall-match.py, recall-cleanup.py — 메모리 시스템 연동

하이브리드 검색 전략

메모리 시스템에서는 Recall 기반의 정확한 키워드 매칭과 임베딩(Embedding) 기반의 의미론적 검색을 함께 운용한다. 키워드 매칭은 정확도를, 임베딩 검색은 커버리지를 담당하여 서로의 약점을 보완한다.

시행착오 / 주의사항

초기에는 LLM에게 데이터 변환까지 맡겼다. 결과는 비결정론적이고 비쌌다. "LLM이 잘하는 것"과 "코드가 잘하는 것"의 경계를 명확히 긋는 데 시행착오가 필요했다. 핵심 기준은 하나다 — 판단이 필요한가, 규칙 적용이 필요한가.

마무리

LLM은 만능이 아니다. 판단과 실행을 분리하고, 각각에 최적화된 도구를 배치하는 것이 AI 에이전트 시스템의 비용과 신뢰성을 동시에 잡는 방법이다. 96%의 토큰 절감은 기술적 트릭이 아니라 아키텍처 설계의 결과였다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

"LLM 핵심 학습 (1/6) — 기본: 토큰화·임베딩·어텐션·위치 인코딩"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/6 파인튜닝 → 트랜스포머 한 블록의 데이터 흐름을 문자열 → 토큰 → 임베딩 → 어텐션 → 출력 표현 까지 손으로 풀어 본다. 이번 편이 끝나면 "왜 \(\sqrt{d_k}\)로 나누는가", "RoPE는 무엇을 회전시키는가", "한국어가 영어보다 토큰이 많은 까닭은 무엇인가"가 한 줄로 설명될 수 있다. 0. 학습 목표 이 편을 마치면 다음을 직접 할 수 있다. BPE 토크나이저 가 어휘를 어떻게 학습하고 새 문자열을 어떻게 자르는지 종이 위에서 시뮬레이션한다. 임베딩 행렬 의 모양과 초기화, weight tying의 의미를 한 줄로 설명한다. Scaled Dot-Product Attention 의 식을 차원 단위로 추적하고 PyTorch 30줄로 재현한다. Multi-Head Attention 이 한 헤드와 비교해 무엇이 다른지, 헤드 수가 늘면 어디가 비싸지는지 답한다. Sinusoidal·RoPE·ALiBi 세 위치 인코딩의 식과 외삽 성질을 구분한다. 컨텍스트 확장이 왜 \(O(N^2)\)인지, "Lost in the Middle"이 왜 발생하는지 설명한다. 1. 핵심 요약 트랜스포머의 입력은 문자열 이 아니라 정수 ID 시퀀스 다. 토크나이저가 문자열 → ID로 자른다. 임베딩은 정수 ID를 \(d\)차원 벡터로 lookup하는 학습 가능한 테이블이다. Self-Attention은 \(\text{softmax}(QK^\top / \sqrt{d_k}) V\) 한 줄이 핵심이고, 멀티헤드는 같은 연산을 여러 부분 공간에서 병렬화한 것이다. 위치 정보는 임베딩에 직접 더하거나(Sinusoidal), Q·K에 회전을 가하거나(RoPE), 어텐션 스코어에 거리 패널티를 더해서(ALiBi) 주입한다. 컨텍스트 길이 \(N\)에 대해 표준 어텐션은 \(O(N^2)\) 비용을 갖고, 긴 컨텍스트에서는 중간 위...
Read more »

"LLM 핵심 학습 (2/6) — 파인튜닝: LoRA·QLoRA·증류·Adapter"

-
이미지
← 1/6 기본 📚 시리즈 목차 3/6 디코딩과 생성 → 사전학습된 LLM을 내 데이터 에 적응시키는 방법을 비용·메모리·일반화 관점에서 정리한다. Full FT의 한계 → Adapter → LoRA → QLoRA → Distillation 순으로 같은 그림을 점점 확대해 본다. 0. 학습 목표 Full fine-tuning의 메모리 병목을 옵티마이저 상태·그래디언트·가중치·활성화 의 4분할로 설명한다. Adapter(Houlsby 2019)와 LoRA(Hu 2021)의 식 차이를 한 줄로 적는다. LoRA의 \(A, B\) 행렬이 왜 저랭크 이고, rank \(r\) 선택이 무엇을 결정하는지 답한다. QLoRA(Dettmers 2023)의 NF4·double-quant·paged optimizer를 분리해서 설명한다. Catastrophic Forgetting을 분포 시프트 관점에서 정의하고 완화 기법을 두 개 이상 든다. Hinton 2015의 Knowledge Distillation 식을 손으로 유도한다. 1. 핵심 요약 Full FT는 메모리/디스크/시간 모두 비싸다. 7B 모델 full FT는 V100 8장 + A100 1장으로도 큰 부담이다. PEFT(파라미터 효율 파인튜닝) 일가족은 극히 일부 파라미터만 학습 해 같은 효과를 얻는다. LoRA: \(\Delta W = BA\) (rank \(r \ll \min(d_{\text{in}}, d_{\text{out}})\))로 가중치 업데이트를 저랭크 분해. QLoRA: 베이스 모델을 4-bit(NF4)로 양자화한 채 LoRA만 풀-정밀(BF16)으로 학습. Catastrophic Forgetting: 새 분포에 적응하느라 이전 능력이 무너지는 현상. PEFT 자체가 부분 완화책. Distillation: 큰 교사 모델의 soft target 을 학습 신호로 써서 작은 학생 모델 을 만든다. 2. 직관: 왜 사전학습만으로는 부족한가 사전학습은 일반...
Read more »

"ML 기초 학습 (1/9) — 머신러닝과 sklearn: 학습의 좌표계"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/9 이웃 알고리즘 → 이 시리즈는 신경망과 로컬 LLM으로 가기 전에 손에 익혀 둬야 할 머신러닝 기초 9편이다. 1편은 모든 ML 코드가 공유하는 공통 문법 을 잡는 데 쓴다. sklearn은 그 문법을 가장 일관되게 보여주는 도구다. 이번 편이 끝나면 어떤 모델을 만나도 fit → predict → score → 평가 흐름이 같다는 것이 손에 잡힌다. 0. 학습 목표 이 편을 마치면 다음을 할 수 있어야 한다. 지도학습·비지도학습·강화학습을 한 문장씩 구분해 설명한다. sklearn의 estimator 인터페이스 ( fit , predict , score , transform )를 코드 한 화면 안에서 쓸 수 있다. train/validation/test 분할을 왜 하는지, 어디서 데이터 누수가 생기는지 식과 그림으로 설명한다. 분류·회귀의 핵심 평가 지표(accuracy, precision, recall, F1, MSE, R²)를 정의에서 직접 계산할 수 있다. k-fold 교차검증 을 코드 한 줄로 돌리고, 결과의 평균과 표준편차를 함께 보고할 수 있다. Pipeline 으로 전처리와 모델을 묶어 데이터 누수를 구조적으로 막는 방법을 설명한다. 1. 핵심 요약 머신러닝은 데이터에서 함수 \(f: X \to Y\)를 찾는 작업 이다. 어떤 모델이든 이 본질은 같다. sklearn은 모든 모델을 같은 인터페이스( fit , predict , score )로 통일해, 모델을 바꿀 때 한 줄만 바꾸면 되게 한다. train/val/test 세 분할이 표준이다. 검증으로 하이퍼파라미터를 고르고, 테스트는 마지막에 한 번만 본다. 데이터 누수 (test 정보가 train에 새는 현상)는 ML 입문자가 가장 자주 만드는 실수이며, Pipeline + cross_val_score 조합으로 구조적으로 막을 수 있다. 평가 지표는 문제 유형 (분류/회귀) 과 클래스 불균형...
Read more »