LangTailor페이지 목차
이 페이지에서 검색
AI Career Agent
이 페이지에 묻기
이 프로젝트 소개 본문에서만 찾아 답합니다. 답을 지어내지 않고 해당하는 대목을 그대로 보여 주며, 여기에 없으면 없다고 알려 드립니다.
생성형 AI가 아니라 이 페이지 본문을 찾아 그대로 보여 주는 방식입니다. 외부로 나가는 요청이 없습니다.
LANGTAILOR REFERENCE BUILD 01 · 구현
소개 공개 · 구현 프로젝트 공개
AI Career Agent
경영 · 기획 · 인사
고용24 채용정보와 지원자의 경험을 비교해 채용요건, 부족 역량과 다음 학습 방향을 정리하는 취업지원 Agent를 기획합니다.
Taylor가 설계·구현한 교육용 Reference Build의 소개입니다. 이 페이지에서는 검색·AI 분석·Agent를 실행하지 않으며, 구현된 프로젝트는 별도 사이트에서 확인할 수 있습니다.
WHY THIS PROJECT
어떤 업무 문제에서 시작하나요?
채용공고마다 다른 요구사항을 읽고 자신의 경험과 연결하기 어렵습니다. 추천 근거와 부족한 역량을 함께 확인하는 흐름을 설계합니다.
내 Python·FastAPI 경험으로 지원할 공고와 보완할 역량은 무엇일까요?
IMPLEMENTED SCOPE
구현된 핵심 기능
아래 항목은 구현된 기능입니다.
- 01
직무·지역·경력·학력·고용형태별 공고 검색
- 02
직무내용·필수기술·우대사항 구조화
- 03
보유기술·경력·교육·프로젝트 경험과 요구역량 비교
- 04
부족 역량과 학습 우선순위·관련 프로젝트 제안
DATA & ARCHITECTURE
데이터에서 검토 가능한 결과까지
구현된 프로젝트의 데이터 흐름입니다. 각 단계의 입력·출력과 근거를 확인할 수 있도록 설계했습니다.
- STEP 1고용24 Open API
- STEP 2공고·샘플 프로필
- STEP 3PostgreSQL · pgvector
- STEP 4RAG · LLM 비교
- STEP 5추천 근거·학습 방향
더미로 배우고, 우리 데이터로 완성합니다.
공개 채용정보와 가상 지원자 프로필로 학습합니다. 실제 이력서는 당사자 동의와 접근·보관 조건을 검토한 환경에서 연결합니다.
BUILD · OPERATE · MANAGE RISK
구조를 배우고, 자기 업무에 맞게 바꿉니다.
Taylor의 가이드·멘토링을 바탕으로 직접 수정하고 검증하는 실습을 준비합니다.
- 외부 API 요청·응답 구조 설계
- 사용자 경험과 공고를 근거로 비교
- 추천 결과와 누락 역량 평가
직접 바꿀 부분
공고 검색 조건, 역량 분류, 추천 프롬프트를 바꾸고 사내 교육 추천 흐름으로 확장할 수 있습니다.
판단과 데이터의 경계
공고 최신성, API 이용 조건, 이력서 개인정보와 추천 편향을 확인합니다. 적합도는 채용·지원 판단을 보조하는 정보입니다.
사용 후에도 직접 운영하고 개선합니다.
자료·프롬프트·도구·업무 규칙을 갱신하고, 로그·비용·오류를 확인합니다. 같은 평가 기준으로 변경 전후를 비교하며 개선하는 방법을 배웁니다.
PUBLIC LEARNING ROADMAP
개발 과정도 교육 콘텐츠가 됩니다.
문제 정의 → 데이터 확보 → 설계·구현 → 검증 → 배포의 과정을 순차적으로 공개할 계획입니다.
YouTube 공개강의
핵심 소개(3~5분), 시연(10~20분), 개발 과정 강의(30~60분)를 준비합니다.
영상 공개 예정
7시간 실습 과정 구성안
공공데이터와 생성형 AI를 활용한 취업지원 Agent 구축 실무
- 1H업무 문제와 AI 적용 방법
- 2H데이터와 AI 서비스 구조 이해
- 3HLLM / RAG 기본 실습
- 4H샘플 업무 데이터 연결
- 5HAI Agent 구축
- 6H프로젝트 수정·검증 실습
- 7H결과 분석·운영·리스크·개선
교육과정 제안 단계이며, 개설 일정과 기관 운영 여부는 확정되지 않았습니다.