> ## Documentation Index
> Fetch the complete documentation index at: https://0x38a.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# AI Systems

> LLM, RAG, Agent 시스템을 개념 단위로 나누고 구현 관점으로 다시 연결합니다.

AI 섹션은 모델 자체보다 **AI 시스템이 동작하는 구조**에 초점을 둡니다.

LLM의 기본 작동 원리에서 시작해, RAG처럼 검색 시스템과 결합되는 패턴, 나중에는 Agent orchestration과 serving/runtime까지 확장합니다.

<Columns cols={2}>
  <Card title="LLM 개요" icon="brain" href="/ai/llm-overview">
    대형 언어 모델의 구조, 토큰화, self-attention, decoder-only 흐름을 정리합니다.
  </Card>

  <Card title="RAG 청크 최적화" icon="network" href="/ai/rag-chunk-optimization">
    fixed-size, semantic, parent-child chunking의 trade-off를 비교합니다.
  </Card>
</Columns>

## Reading path

| Step | Page                                     | Why                                            |
| ---- | ---------------------------------------- | ---------------------------------------------- |
| 1    | [LLM 개요](/ai/llm-overview)               | LLM이 텍스트를 처리하고 생성하는 기본 구조를 먼저 이해합니다.           |
| 2    | [RAG 청크 최적화](/ai/rag-chunk-optimization) | LLM을 외부 지식과 연결할 때 retrieval 품질이 어떻게 달라지는지 봅니다. |

## Next topics

* embedding model과 vector search의 선택 기준
* reranking, query rewriting, context compression
* Agentic RAG와 tool-use workflow
* LLM serving, inference runtime, structured output