제1권 — 생성형 AI는 어떻게 작동하는가

대규모 언어 모델의 토대를, 명확하고 실용적으로 풀어내는 입문서.

시리즈 전체의 시작점이 되는, 평이한 언어로 쓰인 출발점입니다. 0에서부터 — 토큰, 학습, 그리고 "다음 단어를 예측한다"는 단순한 행위에서부터 — 대규모 언어 모델이 무엇이고, 어떻게 학습되며, 왜 그렇게 행동하는지를, 사전 지식을 전제하지 않고 정직하게 그려냅니다. 이후의 모든 권이 그 위에 놓이는 토대입니다.

아마존에서: LLM Primer I — How Generative AI Works

제2권 — 수학으로 읽는 언어 모델

수학적 통찰로 AI의 내부 작동을 들여다보다.

AI의 내부 작동 — 어텐션, 최적화 동역학, 손실 지형, 스케일링 거동 — 을, 그것을 굴리는 수학의 결로 함께 풀어내는, 수학적으로 엄밀하면서도 끝까지 읽히는 한 권입니다. 의미 있는 모든 수식이 그 자리에서 완전히 유도되고, 식 하나마다 이야기와 비유와 손으로 굴린 수치 예시가 덧붙습니다. 제1권이 옆 단으로 미뤄 두었던 수학을, 본문으로 끌어올린 권입니다.

아마존에서: LLM Primer II — Language Models Through Mathematics

제3권 — RAG로 강화하는 엔터프라이즈 AI

엔터프라이즈를 위한 검색 보강 생성(RAG) 시스템을 짓는 실전 가이드.

실전의 검색 보강 생성 — 벡터 데이터베이스, 청킹 전략, 그리고 모델을 자기 회사의 문서에 단단히 묶어 두는 아키텍처를 통해, 늘 최신이면서도 출처가 같이 따라붙는 엔터프라이즈 답변을 만들어 내는 길을 다룹니다. 늘 최신을 유지해야 하고, 출처를 같이 인용해야 하는 AI 기능을 책임지고 출하해야 하는 분께 권하는 한 권입니다.

제4권 — MCP로 설계하는 AI의 인지

믿음직한 AI 에이전트를 위한 컨텍스트·도구·기억의 엔지니어링.

구조화된 컨텍스트 모델링과 오케스트레이션 — 모델 자체가 아니라, 모델이 보게 될 컨텍스트와 상황을 엔지니어링하여 모델의 추론을 빚어내는 길입니다. 에이전트형 시스템을 만들고 있는 분께 — 도구 인벤토리, 장시간 동작하는 루프, 세션을 가로지르는 기억, 그리고 모델이 보게 되는 것을 설계하는 규율을 다룹니다.

제5권 — 실전 LLM 애플리케이션 만들기

운영 환경에서 LLM 시스템을 설계·평가·운영하다.

프로토타입에서 운영 환경까지 — API 설계, 평가 루프, 모니터링, 통합 — 능력 있는 모델 하나를, 믿고 쓸 수 있는 제품으로 옮겨가는 시스템 중심의 가이드입니다. 아키텍처에 대한 이해를, 실제 사용자가 쓰는 서비스로 옮겨가는 단계의 한 권입니다.

제6권 — AI 시스템을 스케일하다

프로덕션 스케일을 위한 저지연 LLM 추론 아키텍처.

고성능 추론의 아키텍처 — 분산 서빙, 지연 최적화, 그리고 하루에 수백만 번 답해야 하는 시스템을 위한 비용 모델링. 서버 한 대로는 더 이상 감당이 안 되는 AI 시스템을, 진짜 "인프라"답게 다시 짓기 위한 한 권입니다.

제7권 — AI 보안

프롬프트 인젝션, 탈옥, 적대적 위협에 맞서 LLM 시스템을 지키다.

안전하고 견고한 AI의 설계 — 적대적 위험, 프롬프트 인젝션, 거버넌스 프레임워크, 그리고 실제 운영 환경에 배포되는 시스템을 위한 방어적 설계. AI 시스템을 "보안 관련 인프라"로 진지하게 다루어야 할 때 펼쳐 둘 한 권입니다.