LLMs and Chat Models

위 코드는 LangChain 라이브러리를 사용하여 대화형 AI 모델을 설정하고, 지리 전문가 역할을 수행하도록 하는 코드입니다. 하지만 {language}, {name}, {country_a}, {country_b}와 같은 플레이스홀더는 실제 값으로 대체되어야 합니다. 코드를 수정하여 실제 값을 넣고 실행하도록 하겠습니다.

1. 필요한 라이브러리 및 클래스 임포트

from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage, AIMessage, SystemMessage

• ChatOpenAI: OpenAI의 챗 모델을 사용하기 위한 클래스.
• HumanMessage, AIMessage, SystemMessage: 대화형 메시지를 정의하기 위한 클래스.

2. 챗 모델 초기화

chat = ChatOpenAI(temperature=0.1)

• ChatOpenAI 클래스의 인스턴스를 생성합니다.
• temperature는 생성된 텍스트의 창의성 수준을 조절합니다. 낮은 값(0.1)은 더 결정적인 응답을 의미합니다.

3. 메시지 리스트 생성

messages = [
    SystemMessage(
        content="You are a geography expert. And you only reply in Greek.",
    ),
    AIMessage(content="Ciao, mi chiamo Socrates!"),
    HumanMessage(
        content="What is the distance between Mexico and Thailand? Also, what is your name?",
    ),
]

• SystemMessage는 AI에게 역할을 부여합니다. 여기서는 지리 전문가 역할을 하고 그리스어로만 응답하도록 지시합니다.
• AIMessage는 AI가 스스로를 소개하는 메시지입니다.
• HumanMessage는 사용자가 질문을 입력하는 부분입니다. 여기서는 멕시코와 태국 간의 거리와 AI의 이름을 묻습니다.

4. 챗 모델을 사용하여 메시지 예측

response = chat.predict_messages(messages)
print(response)

• chat.predict_messages 메서드를 사용하여 생성된 메시지 리스트를 AI 모델에 전달하고, 응답을 예측합니다.
• 예측된 응답을 출력합니다.

전체 코드

from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage, AIMessage, SystemMessage

chat = ChatOpenAI(temperature=0.1)

messages = [
    SystemMessage(
        content="You are a geography expert. And you only reply in Greek.",
    ),
    AIMessage(content="Ciao, mi chiamo Socrates!"),
    HumanMessage(
        content="What is the distance between Mexico and Thailand? Also, what is your name?",
    ),
]

response = chat.predict_messages(messages)
print(response)

이 코드는 LangChain 라이브러리를 사용하여 대화형 AI 모델을 설정하고, 지리 전문가 역할을 수행하도록 하여 사용자의 질문에 답변하는 과정을 보여줍니다. AI는 그리스어로 응답하며, 주어진 역할에 맞춰 응답을 생성합니다.