R1 코드 어시스트 + 클라인 / 윈드서핑: 이 AI 어시스턴트가 맞춤 컨텍스트로 AI 코딩을 돕습니다!

AICodeKing 구독자 71,200명

요약

본 영상은 맞춤형 지식 기반과 웹 검색 기능을 통합하여 AI 코딩 헬퍼를 만드는 방법을 소개합니다. Vector Shift를 활용하여 입력, LLM, 출력 노드를 조합한 파이프라인 구축 과정을 상세하게 설명합니다. 또한 사용자 지정 PDF, 문서, URL 등을 지식 베이스로 추가하여 마크다운 파일 출력까지 데모로 보여줍니다. 다양한 외부 데이터 통합과 API 연동을 통해 확장 가능한 워크플로우 구성 방안 역시 함께 다룹니다.

주요 키워드

R1 모델 Vector Shift 지식 기반 퍼플렉시티 마크다운 API 코딩 헬퍼 대규모 언어 모델 파이프라인 드래그 앤 드랍

하이라이트

🔑 영상은 맞춤형 지식 기반을 활용해 AI 코딩 어시스턴트를 만드는 전체 흐름을 소개합니다.
⚡️ Vector Shift를 사용하여 노드 기반 파이프라인(입력, LLM, 출력)을 구성하는 방법을 자세히 설명합니다.
🌟 퍼플렉시티 LLM(대규모 언어 모델)과 Deep seek R1 모델을 활용해 웹 검색과 데이터 처리를 동시에 수행하는 점을 강조합니다.
🚀 커스텀 PDF, 문서, 웹 URL 등을 지식 베이스에 추가하여 사용자 지정 데이터로 마크다운 파일을 생성하는 과정을 시연합니다.
📌 API와 파이썬 코드 예제를 통해 터미널 기반의 코딩 어시스턴트 구현 방법을 구체적으로 보여줍니다.
🎯 GitHub 이슈나 구글 드라이브 등 다양한 외부 데이터 소스를 통합하는 응용 가능성을 언급하여 확장성을 강조합니다.
🎉 드래그 앤 드랍 방식으로 손쉽게 파이프라인을 설정할 수 있는 Vector Shift의 사용 편리함을 설명합니다.

용어 설명

R1 모델

Deep seek R1을 기반으로 하며, 웹 검색 및 사용자 지정 지식 기반 통합 기능을 제공하는 AI 모델

Vector Shift

여러 개의 노드(입력, LLM, 출력 등)를 드래그 앤 드랍 방식으로 연결하여 파이프라인을 구성할 수 있는 도구

Knowledge Base (지식 기반)

프로젝트 요구사항, 문서, PDF, 웹 URL 등 외부 데이터를 저장하고 AI 처리에 활용할 수 있는 데이터 소스

Markdown

문서의 서식을 간단하게 작성할 수 있는 텍스트 기반 마크업 언어

LLM (대규모 언어 모델)

방대한 데이터를 바탕으로 자연어 처리를 수행하며, 퍼플렉시티와 같은 모델이 이에 해당함

영상 초반에 채널 소개와 함께 맞춤형 지식 기반을 이용한 AI 코딩 헬퍼 구축 아이디어를 간략하게 설명합니다. 전반적인 목표와 영상의 핵심 내용을 미리 소개합니다.

[00:10] 이전에 소개했던 Klein의 지식 베이스 통합 및 코딩 도우미 기능을 Deep Seek R1 모델로 확장하는 방법 소개

Vector Shift를 사용하여 입력 노드, LLM(퍼플렉시티 모델), 출력 노드를 연결하는 기본 파이프라인 구축 방법을 소개합니다. 각 블록의 역할과 조합 방법을 설명합니다.

[00:54] 기존 코딩 도구들(Aider, Klein, Windsurf, Cursor)의 URL 처리 한계점 설명

[01:13] 웹 검색과 사용자 지정 지식을 통합한 AI 에이전트 개발 제안

[01:45] Vector Shift 소개 및 기본 기능 설명

[02:20] Vector Shift 실제 설정 과정 시작 및 파이프라인 구성 방법 설명

프로젝트 요구사항에 따른 PDF, 문서, URL 등 다양한 데이터를 지식 기반으로 추가하는 방법을 시연합니다. 간단한 드래그 앤 드랍 방식으로 노드를 연결하는 과정을 보여줍니다.

[02:56] Perplexity의 Reasoning Pro 모델 선택 및 LLM 설정 방법 안내

[03:36] 지식 베이스를 추가하는 방법과 기본 설정 과정을 설명합니다. 노드를 드래그하여 추가하고 이름을 설정한 후, PDF나 웹페이지 URL 등의 콘텐츠를 추가할 수 있습니다.

[04:06] 파이프라인 연결 방법을 설명합니다. 프롬프트와 컨텍스트를 위한 두 개의 변수를 추가하고 연결하는 과정을 보여줍니다.

API를 활용해 입력 데이터를 받아 LLM이 처리한 결과를 파이프라인을 통해 마크다운 파일로 저장하는 과정을 데모합니다. 파이썬 코드 예제로 터미널 기반 사용 사례를 설명합니다.

[04:46] 시스템 활용 방법을 소개합니다. 자동화된 챗봇 생성, WhatsApp/Slack 통합, API 활용 등 다양한 응용 방법을 설명합니다.

[05:19] 터미널에서 실행되는 코딩 어시스턴트 구현 방법을 설명합니다. API를 활용하여 마크다운 파일로 출력하는 파이썬 프로그램 제작 과정을 보여줍니다.

GitHub 이슈, 구글 드라이브 등 외부 소스와의 통합 가능성을 언급하며, 복잡한 워크플로우 구성 옵션에 대해 설명합니다. 영상 마무리와 함께 구독 및 후원 안내를 제공합니다.

[06:19] Klein 규칙 파일 설정과 컨텍스트 참조 방법을 설명합니다. 파일 우선 읽기와 컨텍스트 활용 방법을 다룹니다.

[07:08] 시스템의 확장성과 다양한 활용 방안을 설명합니다. Airtable, Google Sheets 연동, 커스텀 워크플로우 구성 등 다양한 응용이 가능함을 소개합니다.

[00:00] [음악]

[00:03] [박수]

[00:05] 안녕하세요, 다시 찾아뵙게 되었습니다

[00:07] 채널을 계속 시청해 오셨다면

[00:10] 제가 이전에 다뤘던 내용을 아실 텐데요

[00:12] Klein에서 지식 베이스를 통합하고

[00:14] 코딩 도우미를 만드는 방법에 대해 다뤘습니다

[00:17] 이 도우미는 기본적으로 사용자 지정 지식 베이스를

[00:20] 문서나 웹 검색 결과와 같은

[00:23] 데이터를 받아들여서

[00:26] 마크다운 파일을 생성하고

[00:28] 이를 Aider, Line, Rot 코드나

[00:32] 다른 도구에서 참조할 수 있게 해주죠

[00:34] 이제 Deep Seek R1이 출시되었으니

[00:38] 새로운 R1 모델이나

[00:40] O3 미니를 사용해서 이 모든 것을 구현하는 방법을

[00:43] 더욱 향상시켜 고급 AI 코딩 도우미를

[00:47] 만드는 방법을 알려드리겠습니다

[00:49] 맥락을 이해하기 위해 설명드리자면

[00:53] 우리가 하려는 것은

[00:54] 보통 Aider, Klein, Windsurf나 Cursor 같은

[00:58] 도구들이 URL을 제공할 수 있게 되어있지만

[01:02] 대부분의 경우

[01:04] 제대로 작동하지 않고

[01:07] 어떤 컨텍스트를 가져올지 편집할 수 없죠

[01:10] 하지만 만약 웹을 검색하고

[01:13] AI 에이전트를 만들어서

[01:15] 웹 검색도 가능하고 동시에

[01:18] PDF와 사용자 지정 지식을

[01:21] 참조할 수 있게 한다면?

[01:23] 우리가 원하는 특정 쿼리에 기반하여

[01:26] 마크다운 파일을 생성할 수 있고

[01:29] 이를 통해

[01:30] 사용자 지정 지식 베이스나

[01:32] 웹 검색을 활용할 수 있죠. 꽤 멋지지 않나요?

[01:36] 저는 이것을

[01:37] 참조용으로 자주 사용합니다

[01:40] 코드로도 구현할 수 있지만

[01:43] 저는 Vector Shift를 선호합니다

[01:45] Vector Shift를 모르신다면

[01:48] 이것은 기본적으로 여러 블록이나 노드를

[01:50] 결합할 수 있게 해주는데

[01:53] 지식 베이스나 웹 스크래퍼와 같은 것들을

[01:56] Deep Seek R1 같은 LLM과 함께 사용자화할 수 있습니다

[02:00] 원하는 대로

[02:01] 다양한 블록들이 있어서

[02:03] 파이프라인을 만들어

[02:06] 필요에 맞게

[02:07] 조합할 수 있죠. 이미 여러 영상에서

[02:10] 다뤘고 정말 훌륭한 도구입니다. 게다가

[02:13] 제가 사용하는 무료 티어도 있어요

[02:16] 최근에 많은 것이 개선되어

[02:19] 사용하기가

[02:20] 더욱 좋아졌습니다. 먼저 가입하고

[02:24] 파이프라인 옵션으로 들어가세요

[02:26] 다른 옵션들도 있지만

[02:29] 파이프라인이 가장 중요한

[02:31] 요소이며 다른 모든 것의

[02:34] 기반이 됩니다. 여기서 파이프라인을

[02:38] 만들어야 하는데, 마켓플레이스에서

[02:40] 기본 템플릿을 가져올 수도 있지만

[02:42] 처음부터 시작해보도록 하겠습니다

[02:46] 먼저 우리가 원하는 대로 구성해보죠

[02:48] 우선 입력이 필요하고, 그 다음

[02:52] LLM에 연결해야 합니다

[02:56] LLM으로는 Perplexity를 사용할 건데

[02:59] 특히 Reasoning Pro 모델을 쓰려고 합니다

[03:02] 이는 Deep Seek R1 모델을 사용하고

[03:05] 검색 기능도 추가되어 있어서

[03:07] 별도의 구글 검색 노드가 필요 없죠

[03:09] 기본 LLM 기능만 있으면 되는데

[03:13] 데이터를 처리하고

[03:15] 마크다운으로 변환하는 것이

[03:18] 목적이기

[03:19] 때문입니다. 이제 출력 노드로

[03:22] 보낼 수 있습니다. 이게 기본 설정이고

[03:26] 사용자 지정 지식 베이스를

[03:28] 추가하는 옵션도 필요한데

[03:31] 대부분 프로젝트 요구사항이나

[03:33] 문서들을

[03:34] 통합해야 하기 때문입니다

[03:36] 지식 베이스를 추가하는 것은 매우 간단한데요

[03:39] 지식 베이스 노드를 드래그하기만 하면 됩니다

[03:41] 노드를 추가하고 나면

[03:44] 이전에 만든 지식 베이스를 선택할 수 있고

[03:47] 만약 아직 없다면

[03:50] 새로운 지식 베이스를 이름과 함께 만들면 됩니다

[03:52] 그런 다음에는

[03:55] PDF, 문서 또는 웹페이지 URL을 추가할 수 있습니다

[04:00] 원하는 콘텐츠를 지식 베이스에 추가한 후

[04:03] 파이프라인에 올바르게 연결하세요

[04:06] 연결하려면 메인 입력을 제거하고

[04:09] 변수를 추가하면 됩니다

[04:12] 여기서는 두 개의 변수가 필요한데

[04:15] 하나는 프롬프트용이고 다른 하나는

[04:18] 컨텍스트용입니다

[04:19] 이것들을 연결하고 LLM에게 설명하는 텍스트도 추가하세요

[04:23] 이제 정말 멋진 건

[04:25] 우리의 어시스턴트가 간단한 웹 검색을 수행하고

[04:30] 지식 베이스를 참조하며

[04:32] URL도 스크랩할 수 있다는 것입니다

[04:35] Perplexity가 이를 쉽게 처리할 수 있기 때문이죠

[04:38] 그런 다음 해당 데이터로 프롬프트를 실행하고

[04:41] 모든 것을 마크다운으로 변환하여

[04:44] 결과를 제공합니다

[04:46] 이제 시스템 설정이 완료되었으니

[04:50] 내보내기 버튼을 클릭할 수 있습니다

[04:53] 자동화 챗봇, 폼 또는 원하는 다른 것을 만들 수 있죠

[04:57] 저는 챗봇을 만들었는데

[05:00] 만든 챗봇은 WhatsApp이나

[05:02] Slack에도 통합할 수 있고

[05:04] 당연히 API로도 사용할 수 있으며

[05:07] 그 외에도

[05:08] 애플리케이션에 임베드된 챗봇으로도

[05:11] 쉽게 사용할 수 있습니다

[05:15] 오늘은 API를 사용할 건데요

[05:19] 터미널에서 실행되는

[05:20] 코딩 어시스턴트를 만들고 싶기 때문입니다

[05:23] API를 사용해서 마크다운 파일로

[05:25] 출력을 작성할 겁니다

[05:26] 그래서 API를 가져왔는데

[05:30] 파이프라인을 클릭하고

[05:31] API 옵션을 클릭하면 찾을 수 있습니다

[05:34] 그런 다음 ChatGPT에게 이것을

[05:37] 파이썬 프로그램으로 수정해달라고 했죠

[05:39] 이 프로그램은 입력을 대화식으로 받아서

[05:42] API의 출력을 사용자가 지정한

[05:44] 마크다운 파일로 저장합니다

[05:48] 이게

[05:49] 제가 받은 프로그램인데

[05:52] 실행하면 볼 수 있듯이

[05:55] 프롬프트를

[05:56] 입력하라고 요청하고

[05:59] 입력이 완료되면

[06:01] 지식 베이스를 참조하고

[06:04] 웹 검색을 수행하거나 URL을 스크랩하는

[06:07] 마크다운 파일을 생성합니다

[06:11] 워크플로우를 원하는 대로 변경하고

[06:13] GitHub 이슈나 Google Drive 데이터 또는

[06:16] 다른 것들을 참조할 수도 있습니다

[06:19] Klein에서는 규칙 파일을 만들고

[06:22] 항상 컨텍스트 마크다운 파일을

[06:24] 참조하도록 지시할 수 있습니다

[06:26] 이렇게 하면 Klein, R 코드

[06:30] 또는 커서가 항상 파일을 먼저 읽고

[06:33] 거기서 컨텍스트를 가져오도록

[06:36] 보장할 수 있습니다

[06:39] 아니면 프롬프트에 직접

[06:41] 파일 내부의 컨텍스트를 사용하라고

[06:44] 명시할 수도 있는데

[06:45] 이것도 괜찮습니다

[06:48] 이것이 기본적인 사용 방법이고

[06:51] 잘 작동하며 제가 좋아하는 이유는

[06:53] 마크다운 파일이 생성된 후 편집할 수 있고

[06:57] 커스텀 문서를 참조하고

[06:59] 존재하지 않는 문서에서도

[07:02] 예제를 생성할 수 있기 때문입니다

[07:05] R1이 이런 작업을 정말 잘 수행하죠

[07:08] 워크플로우를 원하는 대로 구성할 수 있어서

[07:10] 예를 들어 Airtable이나 Google Sheets의

[07:13] 이슈들을 참조하고 싶다면

[07:16] 그런 데이터도 참조할 수 있고

[07:19] 필요한 경우 커스텀 엔드 투 엔드

[07:21] 워크플로우도 만들 수 있습니다

[07:24] 이외에도 필요한 다른 워크플로우를

[07:27] 만들 수 있는데

[07:29] 코딩에만

[07:30] 국한되지 않습니다

[07:32] 예를 들어

[07:34] 문서에 대해 대화하는 간단한 챗봇이나

[07:37] 더 복잡한 워크플로우를 통해

[07:39] 더 복잡한 작업을 수행하는 챗봇을

[07:42] 만들 수 있습니다

[07:43] URL, 문서 등을 포함한

[07:46] 자신만의 커스텀 지식 베이스를

[07:49] 구축할 수 있고

[07:50] Vector shift는 수많은 통합 기능을 제공하며

[07:53] 모든 것이 드래그 앤 드롭 방식이라

[07:55] 사용하기도 더욱 편리합니다

[07:58] 전반적으로 정말 멋진 것 같네요

[08:01] 여러분의 생각을 아래 댓글로 남기시고

[08:03] 구독해 주세요 수퍼 땡스 옵션으로

[08:06] 기부하거나 채널 멤버가 되어

[08:07] 특별한 혜택을 받으실 수 있습니다

[08:09] 다음 영상에서 만나요, 안녕히 계세요

[08:12] [음악]