LLM 애플리케이션에서 여러 전문가 모델을 효율적으로 연결하고 태스크에 따라 적절한 처리 경로를 선택하는 Router 패턴을 배웁니다. 실무에서 바로 적용할 수 있는 도메인별 라우터와 전문가 선택 시스템을 직접 구현해봅니다. # Router 패턴으로 배우는 LLM 워크플로 설계 LLM 애플리케이션에서 여러 전문가 모델을 효율적으로 연결하고 태스크에 따라 적절한 처리 경로를 선택하는 Router 패턴을 배웁니다. 실무에서 바로 적용할 수 있는 도메인별 라우터와 전문가 선택 시스템을 직접 구현해봅니다. --- ## 목차 1. [다중_전문가_라우팅](#다중-전문가-라우팅) 2. [태스크별_분기](#태스크별-분기) 3. [실습_도메인별_라우터](#실습-도메인별-라우터) 4. [실습_전문가_선택_시스템](#실습-전문가-선택-시스템) --- ## 1. 다중_전문가_라우팅 김개발 씨는 회사에서 AI 챗봇 프로젝트를 맡게 되었습니다. 고객 문의가 법률, 의료, 기술 등 다양한 분야에 걸쳐 들어오는데, 하나의 모델로 모든 질문에 답하려니 정확도가 떨어졌습니다. "각 분야 전문가에게 질문을 연결해주는 안내 데스크가 필요해!" 바로 이 순간, Router 패턴의 필요성을 깨달았습니다. **다중 전문가 라우팅**은 사용자의 질문을 분석하여 가장 적합한 전문가 모델에게 연결해주는 패턴입니다. 마치 대형 병원의 접수처에서 환자의 증상을 듣고 적절한 진료과로 안내해주는 것과 같습니다. 이 패턴을 활용하면 각 분야에 특화된 모델의 강점을 최대한 살릴 수 있습니다. 다음 코드를 살펴봅시다. ```python from typing import Dict, Callable class ExpertRouter: def __init__(self): # 전문가 모델 등록 저장소 self.experts: Dict[str, Callable] = {} self.classifier = self._create_classifier() def register_expert(self, domain: str, handl