> ## Documentation Index
> Fetch the complete documentation index at: https://docs.replit.com/llms.txt
> Use this file to discover all available pages before exploring further.
# AI 소개
> Replit Agent의 기반이 되는 실용적인 AI 개념 — 대형 언어 모델, 토큰, 변동성 — 과 AI 에이전트가 모델과 도구를 결합하여 함께 빌드하는 방법을 알아보세요.
AI 도구는 자연어로 지시를 내리고 유용한 출력을 받을 수 있게 도와줍니다. Replit에서 그 출력은 계획, 코드, 디자인, 설명, 디버깅 단계, 프로젝트 변경사항이 될 수 있습니다.
빌드를 시작하기 전에 AI를 깊이 이해할 필요는 없습니다. 몇 가지 개념을 알면 더 나은 지시를 내리고 결과를 자신 있게 평가할 수 있습니다.
## 대형 언어 모델
대부분의 AI 빌더는 대형 언어 모델(LLM)로 구동됩니다. LLM은 텍스트의 패턴을 인식하고 그 패턴을 따르는 텍스트를 생성하도록 훈련된 모델입니다.
텍스트는 산문, 코드, HTML, CSS, SQL, JSON, 터미널 명령, 테스트 출력, 오류 메시지, 또는 설정을 의미할 수 있습니다. 그래서 같은 종류의 모델이 카피 작성, 버그 설명, 코드 생성, 계획 요약을 도울 수 있습니다.
## 텍스트 생성
LLM은 데이터베이스에서 고정된 답변을 검색하지 않습니다. 제공한 입력과 볼 수 있는 컨텍스트를 기반으로 조각조각 응답을 생성합니다.
프롬프트를 작성하면 모델이 여러분의 말, 대화, 사용 가능한 프로젝트 컨텍스트를 사용하여 유용한 다음 응답을 예측합니다. 그 응답은 설명, 계획, 또는 다른 시스템이 행동을 취하는 데 사용할 수 있는 텍스트일 수 있습니다.
이는 입력의 품질이 중요하다는 것을 의미합니다. 명확한 목표, 예시, 제약, 컨텍스트가 좋은 결과를 더 가능하게 합니다.
## 토큰
AI 모델은 토큰이라는 작은 단위로 텍스트를 처리합니다. 토큰은 단어, 단어의 일부, 구두점, 공백, 또는 코드 조각일 수 있습니다.
토큰은 AI 모델이 한 번에 고려할 수 있는 정보의 양에 영향을 미치기 때문에 중요합니다. 긴 대화, 큰 파일, 로그, 스크린샷, 지시사항 모두 모델이 추론해야 하는 컨텍스트에 기여합니다.
빌드하는 동안 토큰을 세지 않아도 됩니다. 중요한 정보가 명확하고, 최신이며, 집중되어 있을 때 Agent가 더 잘 작동한다는 것만 이해하면 됩니다.
## AI는 변할 수 있습니다
AI 출력은 항상 동일하지 않습니다. 같은 요청이 다른 표현, 디자인, 구현 세부사항, 또는 트레이드오프를 생성할 수 있습니다.
그 변동성은 탐색에는 유용하지만, 중요한 작업은 검토해야 한다는 것을 의미합니다. Agent가 빌드한 것을 테스트하고, 불명확한 것이 있으면 설명을 요청하고, 안전한 복구 지점이 필요할 때 체크포인트를 사용하세요.
## AI 출력을 더 좋게 만드는 것
Agent는 다음을 제공할 때 최고의 성능을 발휘합니다:
* 명확한 목표
* 대상 또는 사용자 요구
* 제약 및 비목표
* 예시, 스크린샷, 파일, 데이터, 링크
* 현재 문제 또는 정확한 오류
* "완료"가 무엇을 의미하는지에 대한 수락 기준
이 두 프롬프트를 비교해 보세요:
* *"웹사이트를 위한 코드를 작성해줘."*
* *"개인 메일링 리스트를 위한 이메일 주소를 수집하는 웹사이트를 위한 코드를 작성해줘. 제출 내용을 Google Sheets에 저장해줘."*
두 번째 프롬프트는 목표, 데이터, 목적지를 명시하여 Agent가 추측 없이 행동할 수 있습니다.
이 정보를 컨텍스트라고 합니다. 컨텍스트가 왜 중요한지 알아보려면 [컨텍스트 관리](/learn/foundations/context-management)를 참조하세요.
## AI에서 AI 에이전트로
채팅 모델은 메시지에 응답할 수 있습니다. AI 에이전트는 모델에 도구를 추가하여 다단계 작업을 수행합니다 — 목표에 대해 추론하고, 도구를 선택하고, 정보를 검사하고, 변경을 하고, 결과를 확인하고, 작업이 완료될 때까지 또는 입력이 필요할 때까지 계속합니다.
### 모델과 도구
에이전트는 두 가지 중요한 부분으로 구성됩니다:
| 부분 | 역할 |
| --------- | --------------------------------------------------------------------- |
| **언어 모델** | 지시를 이해하고, 텍스트를 생성하고, 옵션에 대해 추론하고, 다음에 할 일을 결정합니다. |
| **도구** | 에이전트가 파일 읽기, 코드 편집, 명령 실행, 문서 검색, 앱 테스트, 변경사항 게시 등의 작업을 수행할 수 있게 합니다. |
모델은 어떤 작업이 도움이 될지 결정합니다. 도구는 에이전트가 그 결정에 따라 행동할 수 있게 합니다.
### 에이전트가 할 수 있는 것
에이전트는 다음과 같이 두 단계 이상이 필요한 작업에 유용합니다:
* 기능 계획
* 파일 및 코드 생성
* 기존 프로젝트 구조 읽기
* 명령 또는 테스트 실행
* 오류 디버깅
* 디자인 업데이트
* 서비스 연결
* 변경된 내용 요약
에이전트는 단순히 답하는 것이 아니라 작업을 처리합니다.
### Replit Agent
Replit Agent는 Replit에서 빌드하기 위한 AI 에이전트입니다. 앱과 다른 결과물을 만들고, 프로젝트를 검사하고, 파일을 편집하고, 명령을 실행하고, 동작을 테스트하고, 코드를 설명하고, 작업을 생성하고, 게시 워크플로를 안내하는 데 도움을 줄 수 있습니다.
예를 들어, Agent에게 다음을 요청할 수 있습니다:
```text theme={null}
Build a simple event signup app for a community meetup.
Visitors should see event details, submit their name and email, and get a confirmation message.
Keep the first version simple so I can publish it today.
```
Agent는 그 요청을 프로젝트로 전환하고, 첫 번째 버전을 만들고, 개선을 도울 수 있습니다.
### 여전히 여러분이 주도합니다
Agent는 빠르게 움직일 수 있지만, 중요한 결정은 여전히 여러분이 합니다:
* 결과물이 해야 할 것
* 누구를 위한 것인지
* 범위에 포함되어야 하는 것
* 변경되어서는 안 되는 것
* 결과가 작동하는지
* 게시할 준비가 되었는지
이것이 컨텍스트 관리와 검토가 중요한 이유입니다. Agent는 명확한 방향을 제공하고 결과를 테스트할 때 가장 강력합니다.
## 일반적인 오해
* **"AI는 내가 무슨 말을 하는지 알아야 한다."** AI는 제공한 정보를 바탕으로 작동합니다. 중요한 것이 있다면 명확하게 말하세요.
* **"첫 번째 답변이 최종이어야 한다."** AI로 빌드하는 것은 반복적입니다. 검토하고, 테스트하고, 개선하세요.
* **"AI는 사람처럼 의도를 이해한다."** AI는 패턴을 추론할 수 있지만, 자동으로 여러분의 취향, 대상, 제약, 완료의 정의를 알지 못합니다.
* **"에이전트는 그냥 챗봇이다."** 챗봇은 주로 응답합니다. 에이전트는 도구를 사용하고 행동을 취할 수 있습니다.
* **"Agent는 전체 제품 목표를 자동으로 안다."** Agent는 여러분의 지시와 컨텍스트를 바탕으로 작동합니다. 중요한 것이 있다면 포함하세요.
* **"Agent는 검토의 필요성을 없앤다."** Agent는 빌드할 수 있지만, 결과물이 의도와 맞는지는 여러분이 결정합니다.
## 다음으로 가기
컨텍스트 창이 AI 출력을 어떻게 형성하는지 알아보세요.
AI, 컨텍스트, 에이전트, 앱을 빌더 워크플로로 통합하세요.
Replit Agent와 협업하는 실용적인 습관을 배우세요.
Agent의 제품 기능에 대해 더 알아보세요.