LangChain Basics

LangChain 코스에 오신 것을 환영합니다안녕하세요! LangChain 코스에 참여해 주셔서 정말 감사합니다. 여러분은 강력한 대형 언어 모델(LLM) 응용 프로그램 프레임워크인 LangChain을 배우고 사용하기로 결정하셨습니다. 이 코스를 통해 LLM을 활용한

모델과 링크 연결: 입력과 출력 과정이 섹션에 오신 것을 환영합니다! 우리는 이제 LangChain에서 모델과의 상호 작용, 즉 모델의 입력과 출력에 대해 배우게 될 것입니다.모델 I/O에서 배울 것은 무엇일까요?우선, 우리는 LangChain을 사용하여 어떻게 Ope

1-1. OpenAI 웹사이트 방문먼저 OpenAI 공식 웹사이트에 접속하세요.또는 검색 엔진에서 "OpenAI API"를 검색하면 해당 페이지로 이동할 수 있습니다.1-2. 계정 생성페이지 상단에 '로그인'과 '가입하기' 버튼이 있습니다.'가입하기'를 클릭하여 새로운

LangChain을 사용하여 LLM과 작업하기안녕하세요! LLM(Large Language Models)로 작업하는 강의에 오신 것을 환영합니다. 이 강의에서는 LangChain 라이브러리를 사용하여 대형 언어 모델과 상호 작용하는 방법을 배우게 됩니다.LangChai

주제: 언어 모델과 LangChain을 활용한 채팅 모델의 이해우리는 현재 언어 모델과 LangChain에 대해 대화 모델을 통해 계속해서 이야기하고 있습니다. 이번 강의에서는 특히 채팅 모델과 그 구성 요소, 그리고 이를 어떻게 활용할 수 있는지에 대해 깊이 있게 다

이 강의는 대형 언어 모델(LLM)과의 상호 작용에서 프롬프트 템플릿이 왜 중요한지, 그리고 어떻게 사용하는지에 대해 다루고 있습니다. 특히 LangChain 라이브러리와 OpenAI의 모델을 활용하는 방법을 예시로 설명하겠습니다.프롬프트 템플릿은 LLM에 변수를 전달

안녕하세요!오늘은 여러분의 이해를 돕기 위한 간단한 연습을 함께 해보려고 합니다.모델의 입력과 출력(IO)와 프롬프트 템플릿의 기본 개념만으로도 상당히 흥미로운 응용 프로그램을 만들 수 있다는 것을 이미 배우셨을 것입니다. 이러한 기본 지식을 활용하여 실제로 어떻게 응

안녕하세요! LangChain을 사용하여 숏 프롬프트 템플릿을 만드는 방법을 쉽고 자세하게 설명해드리겠습니다. 실습 코드를 풍부하게 제공하여 이해를 도울게요. OpenAI API 키는 .env 파일에 저장할 것이니 참고해주세요.LangChain 소개숏 프롬프트 템플릿의

이번 강의에서는 출력 파서(Output Parser)를 사용하여 대형 언어 모델(LLM)의 출력을 원하는 데이터 형식으로 변환하는 방법에 대해 알아보겠습니다. 특히 LangChain 라이브러리를 활용하여 LLM의 출력인 문자열을 파싱하고, 이를 Python의 데이터 타

이번 강의에서는 LangChain 라이브러리에서 프롬프트 템플릿(Prompt Template)을 저장하고 로드하는 방법에 대해 알아보겠습니다. 프롬프트 템플릿을 저장하면 다른 사람과 공유하거나 나중에 재사용할 수 있어 개발 효율성을 높일 수 있습니다.목표: 프롬프트 템

안녕하세요! 우리는 파이썬과 LangChain 라이브러리를 사용하여 역사적인 날짜를 맞추는 퀴즈봇을 만들 것입니다. 이 과정을 통해 다음과 같은 핵심 개념을 배우게 됩니다:대형 언어 모델(LLM)과의 상호 작용 방법LangChain을 사용하여 프롬프트를 구성하고 출력을

안녕하세요! 이번 섹션에서는 모델의 입력과 출력을 다양한 데이터 소스와 연결하는 방법에 대해 자세히 알아보겠습니다. 특히, PDF, CSV, HTML 파일 등 다양한 유형의 문서를 로드하고, 이를 벡터 임베딩으로 변환하여 저장하고, 모델을 통해 쿼리하는 방법을 배우

안녕하세요! 문서 로더와 타사 통합에 대한 자세한 설명을 준비했습니다. 이 내용을 통해 LangChain을 사용하여 Hacker News와 같은 외부 서비스에서 데이터를 가져와서 OpenAI의 언어 모델과 함께 사용하는 방법을 알아보겠습니다.LangChain은 언어 모

안녕하세요! 오늘은 위키피디아 문서 로더를 활용하여 역사적으로 유명한 인물에 대한 질문에 답변하는 기능을 구현해보겠습니다. 이 기능은 사용자가 인물의 이름과 질문을 입력하면, 해당 인물의 위키피디아 정보를 가져와 추가적인 컨텍스트로 사용하여 질문에 대한 정확한 답변을

안녕하세요! 문서 변환기(Document Transformer)에 대한 강의에 오신 것을 환영합니다.이번 강의에서는 긴 문서를 어떻게 작은 조각으로 분할하여 대형 언어 모델(LLM)에서 효과적으로 활용할 수 있는지 알아보겠습니다. 특히 LangChain 라이브러리의 텍

문서 변환기와 텍스트 분할, 그리고 임베딩에 대해 설명해 드리겠습니다. 마지막에는 실제로 작동하는 전체 실습 코드를 제공해 드리겠습니다. OPENAI_API_KEY는 .env 파일에 저장하여 불러오는 방식으로 구현하겠습니다.문서 변환기는 대용량의 문서를 처리하기 위해

이번 강의에서는 벡터 스토어의 개념부터 실제 구현까지 자세하고 쉽게 설명해드리겠습니다. 마지막에는 작동 가능한 전체 실습 코드를 제공하겠습니다.벡터 스토어는 문서나 텍스트 데이터를 벡터(수치화된 표현)로 저장하고 관리하는 데이터베이스입니다.벡터화된 데이터는 컴퓨터가 텍

안녕하세요! 이번 강의에서는 벡터 스토어 리트리버에 대해 쉽고 자세하게 설명해 드리겠습니다. 마지막에는 실제로 작동하는 전체 실습 코드를 제공하겠습니다. OPENAI_API_KEY는 .env 파일에 저장하고 이를 불러오는 방식으로 진행하겠습니다.벡터 스토어 리트리버(V

멀티 쿼리 리트리버 강좌에 오신 것을 환영합니다!이번 강좌에서는 대용량 벡터 스토어에서 원하는 정보를 효과적으로 검색하기 위한 방법으로 멀티 쿼리 리트리버(Multi Query Retriever)를 소개하려고 합니다.벡터 스토어에 수천 개의 문서가 저장되어 있을 때,

안녕하세요! 컨텍스트 압축 강의에 오신 것을 환영합니다.이번 강의에서는 대형 언어 모델(LLM)을 활용하여 출력 결과를 압축하는 방법에 대해 자세히 알아보겠습니다. 이전 강의에서는 입력 측면에서 LLM을 활용하여 멀티 쿼리 검색기를 사용하여 쿼리를 확장하는 방법을 살펴

이 프로젝트에서는 미국 헌법에 대한 법률 연구 보조 봇을 만듭니다. 사용자가 질문을 하면 미국 헌법에서 그와 관련된 부분을 찾아서 제공합니다. 이 봇은 다음과 같은 과정을 거칩니다:미국 헌법 텍스트 로드: 헌법 텍스트 파일을 로드하여 문서 객체로 만듭니다.텍스트 분할:

안녕하세요! 체인에 대한 설명과 작동 가능한 전체 코드를 자세히 알려드리겠습니다. 이 설명은 LangChain 라이브러리를 사용하여 언어 모델을 체인으로 연결하는 방법에 대한 것입니다. 마지막에는 .env 파일에서 OPENAI_API_KEY를 불러와서 사용하는 전체 코

오늘은 LangChain 라이브러리를 사용하여 어떻게 여러 개의 체인을 연결하여 더 복잡한 기능을 구현하는지 알아보겠습니다. 이전에 하나의 연결 개체(LLMChain)를 사용하는 방법을 배웠으니, 이제 이를 확장하여 순차적으로 여러 개의 체인을 연결해 보겠습니다.순차적

안녕하세요!오늘은 LangChain 라이브러리를 사용하여 순차적 체인을 구축하는 방법에 대해 쉽게 설명해 드리겠습니다. 또한, 마지막에는 작동 가능한 전체 실습 코드를 제공하겠습니다. 이 코드에서는 .env 파일에서 OPENAI_API_KEY를 불러와서 사용합니다.순차

안녕하세요! 오늘은 LangChain의 LM Router Chain을 사용하여 입력된 질문을 적절한 언어 모델 체인으로 라우팅하는 방법에 대해 자세히 알아보겠습니다. 이 과정에서 코드 예제와 함께 단계별로 설명드릴 것이며, 마지막에는 전체 실행 가능한 코드를 제공해 드

안녕하세요! 오늘은 LangChain 라이브러리를 활용하여 텍스트 데이터를 변환하고 요약하는 방법에 대해 자세히 알아보겠습니다. 이 과정을 통해 여러분은 맞춤형 파이썬 함수를 사용하여 텍스트를 전처리하고, 대형 언어 모델(LLM)을 사용하여 요약하는 방법을 배우게 될

OpenAI의 함수 호출 기능을 사용하여 구조화된 데이터를 얻는 방법을 자세히 알아보겠습니다. 특히 LangChain 라이브러리를 사용하여 OpenAI의 GPT 모델과 상호 작용하고, 원하는 JSON 스키마에 맞는 데이터를 반환받는 방법을 살펴볼 것입니다.우리는 다음과

안녕하세요! 오늘은 LangChain 라이브러리를 사용하여 수학 문제를 정확하게 해결하는 방법에 대해 자세히 알아보겠습니다. 특히, 자연어 기반의 수학 계산을 수행할 때 발생하는 문제와 이를 해결하기 위한 LLMMathChain에 대해 살펴볼 것입니다. 마지막에는 실습

LangChain을 사용하여 특정 문서에 대한 질문에 답변하는 방법을 알아보겠습니다. 이 과정에서 OpenAI의 임베딩과 언어 모델을 활용하고, Chroma를 벡터 스토어로 사용하여 효율적인 검색을 구현할 것입니다. 마지막에는 작동 가능한 전체 실습 코드를 제공하겠습니

고객 지원 이메일을 받아서 언어를 감지하고, 영어로 번역하고, 요약하는 프로그램을 만들어보겠습니다. 이 프로그램은 LangChain 라이브러리를 사용하여 체인을 구성하고, OpenAI의 GPT 모델을 활용합니다. 전체 과정을 쉽게 이해할 수 있도록 자세히 설명해드릴게요

LangChain에서 "메모리"란 대화 기록, 즉 메시지 상호 작용의 추적을 의미합니다. 이는 우리가 ChatGPT를 사용할 때와 유사합니다. 이전 대화 내용을 기억하고, 그 문맥을 기반으로 대화를 이어나가는 것이죠. 예를 들어, ChatGPT와 대화를 나눌 때 이전에

안녕하세요! 이번 강의에서는 LangChain 라이브러리를 사용하여 대화형 인공지능 애플리케이션을 구축하는 방법을 자세히 살펴보겠습니다. 특히, 대화 버퍼 메모리(Conversation Buffer Memory)를 사용하여 사용자와 AI 사이의 이전 대화 내용을 어떻게

소개대화 버퍼 윈도우 메모리(Conversation Buffer Window Memory)를 사용하는 방법에 대해 자세히 알아보겠습니다. 이 메모리 유형은 기본적인 대화 버퍼 메모리와 유사하지만, 대화 기록의 창 크기를 제한하여 모델이 접근할 수 있는 이전 상호 작용의

안녕하세요!오늘은 LangChain에서 제공하는 또 다른 유용한 메모리 유형인 대화 요약 버퍼 메모리에 대해 자세히 알아보겠습니다. 이 메모리는 대화 내용을 요약하여 메모리에 할당된 토큰 제한에 맞게 관리할 수 있습니다. 이를 통해 대화의 맥락을 유지하면서도 토큰 수를

에이전트(Agent)는 대형 언어 모델(Large Language Model, LLM)의 잠재력을 최대한 활용하여 더욱 강력한 응용 프로그램을 만들 수 있도록 도와주는 개념입니다. 이전에 배운 모델 입력과 출력, 데이터 연결, 체인을 결합하여 에이전트를 구성할 수 있습

안녕하세요! 에이전트를 생성하는 방법에 대해 쉽게, 자세히, 그리고 길게 설명해 드리겠습니다. 마지막에는 실제로 실행 가능한 전체 코드를 제공해 드릴게요. 여기서는 OPENAI_API_KEY를 .env 파일에 저장하고 불러오는 것으로 가정하겠습니다.에이전트(Agent)

이번 강의에서는 이전에 몇 줄의 코드로 에이전트를 생성하는 기본 방법과, 계산기와 같은 내부 평가 모음을 수행하기 위한 대형 언어 모델의 기본 제공 도구에 대해 알아보았습니다.이번에는 이 개념을 확장하여 에이전트와 다양한 도구를 통합하는 방법을 알아보고, 특히 파이썬

커스텀 도구 강연에 오신 것을 환영합니다! 이번 강의에서는 LangChain을 사용하여 간단한 장식을 통해 어떻게 기능적인 도구를 만들 수 있는지 자세히 알아보겠습니다. 에이전트-온(Agent-Own)의 가장 흥미로운 부분 중 하나로, 간단한 코드만으로도 강력한 도구를

안녕하세요!오늘은 대화 에이전트에 메모리를 연결하는 방법에 대해 쉽게 자세히 알아보겠습니다. 이를 통해 에이전트가 이전 대화를 기억하고, 자연스럽게 이어지는 대화를 유지할 수 있습니다. 마지막에는 작동 가능한 전체 실습 코드를 제공하겠습니다. OPENAI_API_KEY

FDRStateofUnion1944.txt LincolnStateofUnion1862.txt