Vision · LLM · RAG를 연결해 실제 동작하는 AI 에이전트 시스템을 만드는 데 집중하고 있습니다.
- AI Agent 설계: LLM을 단순 호출이 아닌 도구(Tool)를 사용하는 에이전트로 설계합니다. RAG 검색 → 멀티모달 분석 → 리포트 자동 생성까지 파이프라인 전체를 직접 구현합니다.
- Vision + LLM 통합: 이미지/영상 처리 결과를 LLM이 활용할 수 있는 구조화된 증거(Evidence)로 변환하고, 안전하게 리포트로 연결하는 멀티모달 에이전트 구조에 강점이 있습니다.
- 제품 수준의 안전 설계: 의료·제조 등 고위험 도메인에서 Fail-closed, Validator-gated, Evidence-first 원칙을 적용한 에이전트를 구현한 경험이 있습니다.
- 빠른 프로토타이핑: 데이터 모델 → API → 에이전트 워크플로우까지 혼자 설계하고 시연 가능한 수준으로 완성합니다.
| 분야 | 기술 스택 |
|---|---|
| Language |   |
| AI Agent |     |
| AI/ML |     |
| Backend/Infra |    |
MONAI Vision + Upstage Solar Pro 3 + RAG 기반 폐결절 자동 검출 및 판독 보조 리포트 생성
- 에이전트 구조: CT DICOM 입력 → 폐 분할 → 결절 검출 → Evidence 생성 → RAG Prior 비교 → 리포트 자동 작성
- 핵심 설계: Evidence-first / Fail-closed / Validator-gated — LLM은 Narrative 다듬기만 허용, 수치·소견 변경 불가
- 기술: MONAI (LUNA16 RetinaNet, DynUNet), Solar Pro 3, Solar Embedding, ChromaDB, FastAPI
- GitHub: chest-ct-ai-agent-PoC
프레스 설비 이상 탐지 후 LangGraph Multi-Agent로 원인 분석 및 8D 리포트 자동 생성
- 에이전트 구조: 시계열 이상 탐지 → RAG 지식 검색 → LangGraph Multi-Agent 원인 분석 → 8D 리포트 생성
- 주요 기여: TimesNet + Anomaly Transformer 앙상블, 제조 특화 RAG 지식 베이스 (ChromaDB), LangGraph 워크플로우 설계
- GitHub: AI Factory Repository
식재료 인식 (YOLOv8) + FAISS RAG + 파인튜닝 LLM 기반 멀티모달 요리 도우미
- 에이전트 구조: 사진 → 식재료 인식 → 벡터 검색 → RAG 레시피 추천 → 음성(STT/TTS) 응답
- 주요 기여: RAG 파이프라인 설계, 요리 Q&A 파인튜닝 데이터셋 10,000건 구축, Spring + FastAPI 통합 및 Docker 배포
- GitHub: CookDuck Repository
- Email: jiwoon1201@gmail.com
- Phone: 010-8699-1782
- GitHub: github.com/jiwoonkim00