TL;DR

이 저장소는 독립 실행형 라이브러리나 CLI가 아니라, vendor-neutral한 풀스택 AI 앱 학습 커리큘럼과 세 가지 runnable starter kit을 묶은 other 유형의 교육용 프로젝트입니다. 여섯 개 Markdown 모듈이 데이터베이스, 사용자 인증, HTTP API, LLM과 agent loop, 배포, Transparent AI를 순서대로 안내하며 각 모듈에는 설명과 worked example, 실습, 자기 점검이 포함됩니다. starter kit은 plain Node.js와 SQLite로 동작하고 기본 offline demo mode를 사용하므로 API key 없이 ai-app-starter, rag-starter, glassbox의 핵심 흐름을 실행할 수 있습니다. 특정 플랫폼에 종속되지 않는 구조와 MIT License 덕분에 개인 학습뿐 아니라 교육자와 해커톤 운영자가 기반 코드로 fork하기에도 적합합니다.

핵심 포인트

• 이 레포는 특정 제품에 종속되지 않는 풀스택 AI 애플리케이션 학습 커리큘럼과 실행 가능한 starter kit을 함께 제공하는 other 유형의 저장소입니다. 여섯 모듈이 Data, Auth, API, AI & Agents, Deploy, Transparent AI 순서로 이어집니다. Node.js 18+와 기본 프로그래밍 지식만 있으면 별도의 AI 경험 없이 시작할 수 있습니다.
• 세 가지 starter kit은 plain Node.js와 SQLite로 구성된 작은 완성형 앱이며 framework나 별도 build step이 필요하지 않습니다. ai-app-starter는 노트 저장, HTTP/JSON API, LLM 요약 기능을 포함하고 rag-starter는 입력한 문서에서 검색한 chunk를 근거로 답변을 생성합니다. 모든 키트는 기본 offline demo mode로 실행되어 API key 없이 전체 흐름을 확인할 수 있습니다.
• glassbox는 RAG 앱의 검색 개수, 창의성, 답변 길이, 문체, 인용 방식, 미응답 처리라는 여섯 결정을 코드 밖의 조절 가능한 값으로 분리합니다. 각 답변에 기본값을 포함한 전체 결정값을 표시하므로 설정 하나가 근거 기반 답변과 추측성 답변에 미치는 차이를 직접 확인할 수 있습니다. 90분짜리 BUILD-ALONG 세션 계획도 포함되어 교육이나 해커톤에 바로 활용하기 좋습니다.
• MIT License와 vendor-neutral 구성을 바탕으로 개인 학습, 교육 과정, 해커톤의 공통 출발점으로 사용할 수 있습니다. 커리큘럼은 학습 목표, 작동 예제, 실습, 자기 점검의 순서로 구성되고 RESOURCES.md에는 주제별 무료 자료가 정리되어 있습니다. 실제 서비스용 완성 프레임워크보다 AI 앱의 데이터부터 배포와 투명성까지 직접 읽고 확장하려는 개발자에게 적합합니다.