jin's Blog

Building a personalized AI chatbot for my portfolio site, I aimed to integrate a Retrieval-Augmented Generation (RAG) system using vector embeddings stored in FAISS. However, this journey turned out to be more complex than expected — especially when trying to align Python-based tools with a Node.js environment. 🧩 Problem Overview I initially built the RAG logic in Python using langchain, FAISS..

🛠️ https://jinleedev.vercel.app/A behind-the-scenes look at how I’m planning to upgrade my portfolio chatbot from a prompt-only Gemini integration to a document-aware, OpenAI-powered RAG system using LangChain and FAISS. 🤖 Current Chatbot Architecture On my portfolio website, I currently use a chatbot assistant to help visitors—especially recruiters—learn more about me. The assistant is power..

🧠 Building a Multi-Document RAG Chatbot with LangChain and OpenAI In this post, I’ll walk through how I upgraded my document-based chatbot into a multi-document RAG (Retrieval-Augmented Generation) system using LangChain, FAISS, and OpenAI. This chatbot can now ingest multiple .pdf, .txt, and .md files, generate vector embeddings, and answer questions by retrieving and reasoning over the conten..

✅ 1. RAG 개념 (Retrieval-Augmented Generation) 💡 왜 필요한가? 기존 LLM(GPT)은 훈련된 지식 외에는 아무것도 몰라요.RAG는 외부 문서를 “읽고” 답변하는 구조로, LLM을 보다 현실적인 업무에 쓸 수 있게 해줍니다. 구성요소: Retriever: 유저 질문에 관련 있는 문서 조각을 가져옴Generator (LLM): 그 문서를 바탕으로 답변 생성 ✅ 2. 문서 → Chunk → Vector로 변환하는 흐름단계설명Document LoaderPDF나 TXT 등 원본 문서를 로딩함Text Splitter너무 긴 문장을 잘게 쪼갬 (chunk_size, chunk_overlap 이해)Embedding Model문장 조각을 벡터로 바꿈 (숫자화)Vector Store..

🧩 Step 2: Expanding RAG – Multi-Document Chatbot with PDF Support In the previous post, I built a simple RAG chatbot using LangChain, FAISS, and OpenAI to read my README.txt file. This time, I wanted to take it a step further: What if my chatbot could read multiple documents, like PDFs, Markdown files, and more? That’s exactly what I’ve implemented in Step 2 of my GenAI learning journey. 💡 Wha..

Over the past year, I’ve built and deployed several AI-powered services using tools like ChatGPT, Gemini, and my own ML models. But after seeing Commonwealth Bank’s GenAI-focused job posting, I realized that to take my skills to the next level, I needed to understand a critical piece of the modern AI stack: RAG – Retrieval-Augmented Generation In this post, I’ll explain what RAG is, why it’s imp..

A few days ago, I came across a job posting from Commonwealth Bank that resonated with me on every level. The position — Software Engineer in their Business Banking Gen AI team — wasn’t just another developer role. It was exactly aligned with how I’ve been learning, building, and thinking about software development over the past year. It highlighted tools I use daily (like Cursor and Gemini), fr..

🤖 인공지능을 위한 수학 기초 정리 – 확률과 선형대수, 어디에 쓰일까?🎲 확률과 조합 – 인공지능의 예측 기반✔️ 순열과 조합 (Permutation & Combination)순열(Permutation): 순서가 중요한 경우조합(Combination): 순서가 중요하지 않은 경우사용 예시: 하이퍼파라미터 조합 (Hyperparameter tuning), 문장 생성(word sequence generation)✔️ 확률 (Probability)사건이 일어날 가능성을 수치로 표현하는 것통계적 확률 (Empirical probability): 데이터 기반으로 추정한 확률사용 예시: 분류 확률 (Classification probability), 예측 점수 (Prediction confidence)✔️ 독..

인공지능(AI)을 배우다 보면 꼭 거쳐야 하는 기본 개념들이 있다.수열, 점화식, 재귀, 분할정복, 알고리즘 같은 것들.이 글에서는 각각을 간단한 파이썬 코드와 함께 설명하고,AI와의 실제 연결점도 같이 정리해본다.🧠 알고리즘 (Algorithm)문제를 풀기 위한 일련의 절차→ AI 모델도 결국 일종의 알고리즘파이썬 예시: 최대공약수(GCD)def gcd(a, b): while b: a, b = b, a % b return aprint(gcd(36, 60)) # 12AI와의 연결:머신러닝 모델의 최적화 과정도 수학적인 알고리즘을 바탕으로 이루어짐🔢 수열 (Sequence)데이터를 순서대로 나열한 구조.→ 시계열 데이터, 음성, 텍스트 = 다 수열!등차수열 (Arithmetic..

프로그래밍에서의 소수와 모듈러 연산: 알고리즘의 시작컴퓨터 과학을 공부하다 보면 정수론의 개념들이 슬금슬금 튀어나온다.특히 소수(Prime Number), 모듈러(Modular) 연산, 소인수 분해 같은 개념은암호학부터 알고리즘 문제 풀이까지 폭넓게 쓰인다.이번 글에서는 이 개념들을 하나씩 정리해보고, 실제로 Python 코드로 구현하는 예제도 살펴본다.📌 1. 모듈러 연산이란?모듈러 연산(Modular Arithmetic)은 나머지 연산이라고도 부른다.쉽게 말해, 어떤 수를 다른 수로 나눈 뒤 남는 나머지를 구하는 연산이다.예:print(10 % 3) # 출력: 1즉, 10을 3으로 나누면 몫은 3이고 나머지는 1 → 그게 10 % 3 = 1🤔 왜 중요할까?컴퓨터 내부의 이진수(0과 1) 표현에서..