LLM Agent Engineer

문서, 코드, graph model 결과, rule-based 분석 결과를 LLM과 결합해, 근거 추적이 가능하고 설명 가능한 설계 자동화 Agent를 만드는 분

전기전자·회로 설계 업무에서 발생하는 RFP, RFQ, 요구사항 문서, RTL code, datasheet, BOM, netlist 분석 결과, GNN 추론 결과 등 다양한 입력을 LLM Agent가 활용할 수 있는 구조로 변환하고, 근거 추적이 가능한 설계 자동화 시스템을 구축합니다. 단순 챗봇이나 문서 요약이 아니라, 왜 특정 판단을 했는지 설명 가능하고 어떤 문서·데이터·모델 결과를 근거로 삼았는지 추적 가능한 AI Agent를 만드는 역할입니다.

1. RFP, RFQ, 요구사항 문서, datasheet, RTL code 등 자연어·코드·반정형 문서 구조화
2. LLM 기반 requirement parsing, constraint extraction, component requirement extraction 구현
3. ontology / knowledge graph 기반 설계 지식 구조화
4. RAG, Graph RAG, hybrid retrieval system 설계 및 구현
5. GNN, rule-based system, signal processing model 등 다른 모델의 분석 결과를 LLM Agent와 결합
6. 설계 판단 결과에 대해 citation, source trace, reasoning path, evidence chain을 제공하는 explainable system 구축
7. 고객사별 설계 프로세스에 맞춰 agent workflow를 end-to-end application으로 제품화

1. LLM application / LLM Agent / RAG 시스템 개발 경험
2. 자연어 문서, code, table, datasheet 등 복합 데이터를 구조화해 본 경험
3. ontology, knowledge graph, schema design, entity-relation extraction 중 하나 이상의 경험
4. retrieval, reranking, citation, source grounding, explainability에 대한 이해
5. LLM output을 단순 생성 결과가 아니라 검증 가능하고 추적 가능한 시스템으로 만드는 능력
6. 다른 AI model 또는 rule-based module의 결과를 LLM workflow에 통합해 본 경험

1. Graph RAG, KG-RAG, ontology-based reasoning 경험
2. engineering document, requirement document, datasheet, technical specification 처리 경험
3. RTL code, netlist, BOM, 회로도, block diagram 등 HW 설계 산출물에 대한 이해
4. multi-agent workflow, tool-use agent, planner-executor 구조 개발 경험
5. 고객사별 workflow를 SaaS / On-prem / Enterprise application 형태로 구현해 본 경험