LLM을 잘 쓰는 사람은 단순히 프롬프트를 멋지게 쓰는 사람이 아닙니다. 모델이 무엇을 학습했고, 어디서 틀릴 수 있으며, 어떤 근거로 답을 검증해야 하는지 아는 사람입니다. 이 책은 LLM을 '똑똑한 검색기'로 오해하지 않고, 토큰·임베딩·Transformer·사전학습·instruction tuning의 흐름 위에서 차근차근 이해하도록 안내합니다.
앞부분에서는 LLM 내부의 핵심 개념을 수식보다 직관 중심으로 설명합니다. 텍스트가 토큰과 벡터로 바뀌는 과정, self-attention이 문맥을 다루는 방식, base model이 assistant model로 조정되는 과정을 익히면 프롬프트와 모델 선택을 훨씬 현실적으로 판단할 수 있습니다.
중반 이후에는 실무 응용으로 넘어갑니다. 좋은 프롬프트를 구성하는 요소, RAG가 필요한 상황, Function calling으로 외부 도구를 안전하게 연결하는 방법, hallucination을 줄이기 위한 평가 체계를 다룹니다. 특히 한국어 문서에서 자주 발생하는 조사·어미·띄어쓰기·조항 구조·개인정보·보안 문제를 별도 장으로 다루어 국내 업무 환경에 바로 적용할 수 있게 했습니다.
마지막에는 한국어 문서 기반 RAG 챗봇 프로젝트를 통해 지금까지 배운 내용을 하나의 작은 시스템으로 묶습니다. 이 책을 끝낸 독자는 LLM을 호출해 보는 수준을 넘어, 근거를 검색하고, 출처를 표시하고, 실패를 기록하며, 검증 가능한 LLM 앱을 설계하는 기본기를 갖추게 됩니다.
