> ## Documentation Index
> Fetch the complete documentation index at: https://docs.dgrid.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Dori Find Models

> Dori는 다양한 모델 제공자, 가격, 벤치마크 데이터를 기반으로 대규모 언어 모델(LLM)을 검색, 비교, 평가할 수 있도록 도와주는 DGrid의 자연어 모델 추천 어시스턴트로, 최적의 모델 선택과 비용 최적화 의사 결정을 함께 지원합니다.

<strong>Dori Find Models</strong>는 대형 언어 모델(LLM)을 발견하고 평가하기 위한 DGrid의 자연어 기반 어시스턴트입니다. Dori를 사용하면 일반적인 언어로 요구 사항을 표현하고, 선정된 모델을 자신의 작업 부하로 테스트하며, 데이터에 기반한 확신 있는 모델 선택을 지원하는 구조화된 보고서를 받을 수 있습니다.

## DGrid 플랫폼에서의 역할

Dori는 DGrid 생태계에서 긴밀하게 통합된 두 가지 기능 중 하나입니다.

* **Dori Find Models** – 다음을 도와줍니다:
  * 비즈니스 또는 제품 요구 사항을 구체적인 모델 후보로 변환
  * 안내형 대화 흐름을 통해 모델을 발견, 테스트, 비교
* **AI Gateway** – 다음을 제공합니다:
  * 200개 이상의 프로덕션 수준 LLM에 대한 단일 추상화 계층 및 API
  * 코드 변경 없이 설정 기반으로 모델을 선택하고 전환

이 두 가지가 결합되어 종단 간 LLM 워크플로를 실현합니다.

<Tip>
  **기존 방식:** 공급업체 검색 → 여러 계정 생성 → 수동 테스트 → 공급업체별 통합

  **DGrid 사용 시 (Dori + LLM Marketplace를 갖춘 AI Gateway):** 요구 사항 설명 → 한 곳에서 발견 및 테스트 → 한 번만 통합 → 설정을 통해 모델 교체
</Tip>

## 주요 기능

### 1. 자연어 요구 사항 입력

Dori는 자유 형식 텍스트로 입력된 실제 요구 사항에서 시작합니다. 예를 들어:

* "다국어 고객 지원(영어, 스페인어, 포르투갈어)을 위한 저지연, 비용 효율적인 모델이 필요하며, 기존 챗봇에 통합해야 합니다."
* "Python과 TypeScript에 중점을 둔 코드 어시스턴트를 구축하고 있습니다. 강력한 추론 능력과 대용량 컨텍스트 이해가 중요합니다."
* "10,000 토큰 이상의 컨텍스트에서 안정적인 성능을 제공하는, 장문 문서 RAG에 최적화된 모델을 원합니다."

정확한 모델 이름, 제공자, 벤치마크 약어를 알 필요는 **없습니다**. Dori가 사용자의 설명을 해석하여 기술적인 선택 기준으로 변환합니다.

### 2. LLM Marketplace 전체에 대한 지능형 검색

요구 사항이 입력되면, Dori는 단일 인터페이스 뒤에서 200개 이상의 LLM을 모아 놓은 <strong>DGrid LLM Marketplace</strong>를 검색합니다.

Dori는 다음을 수행합니다.

* 후보 모델을 다음 기준으로 필터링합니다:
  * **작업 적합성**(예: 채팅, 코드, RAG, 다국어 지원)
  * **컨텍스트 윈도우**(짧은 컨텍스트 vs 긴 컨텍스트, 예: 10,000 토큰 이상)
  * **지연 및 비용 프로필**
  * 그 외 관련 운영 특성
* 사용자의 우선순위에 따라 모델을 순위화합니다:
  * 처리량 및 지연 민감도
  * 품질과 비용의 트레이드오프
  * 특정 기능 요구 사항(예: 코딩, 추론, 다국어)
* <strong>관련성 높은 짧은 추천 모델 목록</strong>을 반환하여, 수십 개의 공급업체 페이지와 벤치마크 표를 수동으로 검토할 필요가 없게 합니다.

### 3. 통합된 실제 작업 부하 테스트

Dori가 단축 후보 목록을 제안한 후, DGrid 내의 <strong>단일 환경</strong>에서 해당 모델을 테스트할 수 있도록 지원합니다.

* 플랫폼에서 직접 후보 모델에 대한 <strong>시험(trial)</strong>을 실행
* 일반적인 예제 대신 <strong>사용자 자신의 프롬프트, 문서, 시나리오</strong>를 사용
* <strong>공유되고 일관된 설정</strong>에서 모델을 평가하여 비교가 의미를 가지도록 함

이를 통해 다음과 같은 일반적인 패턴을 제거합니다.

* 공급업체별 별도의 플레이그라운드
* 각 API에 대한 임시 스크립트
* 여러 도구에 분산된 스크린샷, 메모, 스프레드시트

### 4. 구조화되고 공유 가능한 평가

Dori는 팀과 공유하고 논의할 수 있는 명확하고 구조화된 결과물을 생성합니다. 예를 들어:

* 각 후보 모델의 **예시 출력**
* 동작과 적합성에 대한 **정성적 노트**
* 테스트 중 관찰된 **지연 및 성능 지표**
* 예상 트래픽 패턴과 부하에 맞춘 **비용 추정**

"직감"과 부분적인 정보 대신, 팀은 "우리의 사용 사례에 가장 적합한 모델"을 선택할 때 추적 가능한 평가 기록에 의존할 수 있습니다.

### 5. AI Gateway와의 긴밀한 통합

Dori는 AI Gateway와 직접 결합되어 있어, 발견하고 테스트한 모든 것을 다음을 통해 즉시 프로덕션에 통합할 수 있습니다.

* **하나의 API 키**
* **하나의 통합 엔드포인트**
* **하나의 일관된 API 인터페이스**

주요 결과:

* 제공자별로 별도의 인증, SDK, 엔드포인트가 필요 없습니다
* Dori로 검증한 모델은 **새로운 공급업체 통합을 추가하지 않고도** 사용할 준비가 됩니다
* 이후 모델을 변경하는 것은 재개발 프로젝트가 아닌 <strong>설정 변경</strong>이 됩니다

## 일반적인 사용 사례

### 다국어 고객 지원

* 필요: 다국어 챗봇(예: 영어, 스페인어, 포르투갈어)을 위한 저지연, 비용 효율적인 LLM
* Dori의 도움:
  * 다국어 및 지연 요구 사항을 해석
  * 해당 언어들에서 대화형 지원에 적합한 모델을 식별
  * 실제 고객 질문과 대화 흐름을 사용하여 테스트 가능

### 코드 어시스턴트 및 개발자 도구

* 필요: Python, TypeScript와 같은 언어로 코드 생성, 설명, 리팩토링을 수행하는 모델
* Dori의 도움:
  * 강력한 추론 및 코딩 역량을 가진 모델을 강조
  * 대형 코드베이스를 위한 긴 컨텍스트 지원을 중시
  * 실제 저장소, 코드 스니펫, 작업을 사용한 시험을 지원

### 장문 컨텍스트 RAG 및 문서 애플리케이션

* 필요: 10,000 토큰 이상의 컨텍스트에서 장문 문서 검색 증강 생성(RAG)에 대한 안정적인 성능
* Dori의 도움:
  * 컨텍스트 길이와 RAG 적합성으로 모델을 필터링
  * 실제 문서와 검색 설정으로 평가 가능
  * 대용량 컨텍스트에서의 품질과 성능을 모두 담은 보고서를 생성

## 사용자 유형별 혜택

### 개인 개발자 및 스타트업 팀

* 다음에 집중하는 대신 제품과 UX에 집중할 수 있습니다:
  * 공급업체 문서를 찾아다니는 일
  * 여러 API와 SDK를 연결하는 일
* 빠르게 반복합니다:
  * Dori를 통해 여러 모델을 시도
  * Marketplace를 통해 하나(또는 여러 개)를 확정
  * 더 나은 새 모델이 나오면 이후 교체

### 엔터프라이즈 및 대형 플랫폼

* 다음을 사용하여 비즈니스 단위 전체에서 LLM 접근을 표준화합니다:
  * LLM Marketplace와의 단일 통합
  * Dori를 통한 공유 평가 워크플로
* 장기적인 유지 관리 부담을 줄입니다:
  * 공급업체별 맞춤 통합을 방지
  * 생태계가 발전함에 따라 새로운 모델을 채택할 수 있는 유연성을 유지

### Web3 및 온체인 프로젝트

* 모델 기반이 다음과 같이 작동하는 AI 기반 에이전트, dApp, 프로토콜을 구축합니다:
  * 시간이 지남에 따라 업그레이드
  * 여러 제공자에 걸쳐 다양화
* 다음을 수행하면서 온체인 및 오프체인 통합 로직을 유지합니다:
  * 설정을 통해 기반 LLM을 변경하거나 보강
  * 새로운 모델을 채택할 때마다 발생하는 변경 사항(breaking change)을 방지