LangChain

최근 LLM에 대해 공부하고 프로젝트를 통해 LangChain, LangGraph를 활용한 LLM 어플리케이션 개발을 수행해보았습니다.프로젝트를 수행하면서 LangChain이라는 프레임워크 생태계를 더 깊게 이해하고 활용하고 싶다는 생각이 커져서, 이번 포스트를 기점으

Intro > ## Table of Contents > ## 1. LangChain에서 ChatGPT 사용하기 > ## 2. LangSmith에서 LLM 추론내용 추적하기 이렇게 LangChain에서 ChatGPT를 활용해보았습니다. 하지만 활용만 하는 정도로

지난 포스트에서 LangChain에서 LLM을 활용하는 방법과 LangSmith로 실행 내역을 추적하는 방법에 대해 정리해보았습니다.이번 포스트에서는 LLM 활용법을 조금 더 발전시켜 멀티 모달 모델을 활용해 LangChain에서 LLM에게 이미지를 포함한 질문을 던지

지난 포스트까지 LangChain에서 OpenAI LLM 모델을 활용하는 방법을 알아보고, 이를 확장하여 Multi-Modal 모델 활용법까지 알아보았습니다.Model을 사용하는 방법을 알아보았으니, 이제 Model의 앞 뒤에 여러 처리 단계를 이어 붙여서 일련의 파이

지난 포스트에서 LCEL을 활용해 Chain을 구성하는 방법과 이를 실행하는 방법을 알아보았습니다.LCEL은 LangChain의 다양한 컴포넌트들을 연결하여 하나의 실행 가능한 객체로 만들기 위한 구현 방식입니다. 이렇게 구현하면 쉽게 Chain을 만들고, 하나의 표준

지난 포스트에서 LCEL 인터페이스를 살펴보면서 Runnable한 객체를 실행하는 여러 방법에 대해 살펴보았습니다. LCEL로 생성한 Chain도 결국 Runnable한 객체라는 것도 확인했죠.이번 포스트에서는 Chain을 구성하면서 사용할 수 있는 다양한 Runnab