슬기로운 개발자의 생활

주요내용🤖 langchain_openai 라이브러리를 사용해 AI 챗봇 생성🌐 요약을 위한 PromptTemplate 사용⏱️ 코드 실행 시간 측정하기💾 InMemoryCache와 SQLiteCache로 캐싱 전략 구현# .env 파일에서 환경 변수를 로드합니다.from dotenv import load_dotenvload_dotenv()아래 코드는 langchain_openai 라이브러리에서 ChatOpenAI 클래스를 임포트하고, gpt-4o-mini 모델을 사용하여 챗봇 인스턴스를 생성합니다. ChatOpenAI 클래스는 OpenAI의 언어 모델을 활용하여 대화형 AI를 구현할 수 있게 해주며, 여기서는 gpt-4o-mini 모델을 사용하여 인스턴스를 초기화합니다.from langchain_o..

주요내용Google 캘린더 API 설정 및 인증 과정 🛠️OpenAI GPT를 이용한 자연어 처리 및 일정 관리 🤖JSON 형식으로 일정 등록 및 관리 방법 📅1. 구글 캘린더 API 사용하기1-1. 일정 구글 API 연동하기 참고하여 OAuth 인증정보를 담은 파일을 다운로드 받아야 합니다.1-2. [1-1]에서 생성한 client_secret_xxx.json 파일을 credentials.json라는 이름으로 변경해주고 적당한 곳으로 이동시킵니다.1-3 구글 캘린더 API / calendar ID 설정아래 코드는 Google 캘린더 API를 사용하기 위한 설정 정보를 포함하고 있습니다. 사용자는 자신의 Google 캘린더 API 키(google_calendar_api_key)와 캘린더 ID(cal..

주요내용🔒 .env 파일로 중요 정보 관리🤖 멀티모달 gpt-4o와 gpt-4-turbo 모델 소개🚀 langchain_openai와 multimodal 라이브러리를 사용한 AI 모델 초기화 및 스트리밍dotenv 라이브러리를 사용하여 .env 파일로부터 환경 변수를 로드한다. 이를 통해 API 키와 같은 중요한 정보를 코드에 직접 하드코딩하지 않고 안전하게 관리할 수 있다.from dotenv import load_dotenv# .env로부터 API KEY 정보 가져오기load_dotenv()멀티모달은 텍스트, 이미지, 오디오, 비디오를 통합하여 처리하는 기술이나 접근 방식입니다. gpt-4o 또는 gpt-4-turbo 모델은 이미지 인식 기능(vision)이 포함되어 있습니다.이 코드는 lang..

이 글에서는 .env 파일과 gpt-3.5-turbo 모델을 사용하는 실용적인 예제를 제공합니다.주요내용🔒 .env 파일을 사용해 중요 정보를 안전하게 관리하는 방법🤖 OpenAI gpt-3.5-turbo 모델을 활용하여 챗봇을 만드는 과정⚙️ ChatOpenAI 클래스와 llm.stream 메소드를 통한 실시간 AI 응답 구현dotenv 라이브러리를 사용하여 .env 파일로부터 환경 변수를 로드합니다. 이를 통해 API 키와 같은 중요한 정보를 코드에 직접 하드코딩하지 않고 안전하게 관리할 수 있습니다. load_dotenv 함수는 .env 파일에서 환경 변수를 읽어와 현재 환경에 로드합니다.from dotenv import load_dotenv# .env로부터 API KEY 정보 가져오기load_..

주요내용from dotenv import load_dotenv# .env로부터 API KEY 정보 가져오기load_dotenv()Truefrom langchain_openai import ChatOpenAI# OpenAI Chat 전용 LLM 객체 생성# https://api.python.langchain.com/en/latest/chat_models/langchain_openai.chat_models.base.ChatOpenAI.htmlllm = ChatOpenAI( temperature=0.1, # 창의성 (0.0 ~ 2.0) max_tokens=2048, # 채팅 결과로 생성되는 토큰의 최대개수 model_name="gpt-3.5-turbo", # 모델명)# 질의 내용quest..

프롬프트는 LLM과의 상호작용을 위한 중요한 요소입니다. 이 글에서는 프롬프트 엔지니어링의 개념과 그 중요성, 구성요소에 대해 알아봅니다. 주요내용🧠 Prompt란?: LLM을 안내하는 특정 입력 및 질문 텍스트.🛠️ Prompt Engineering이란?: 프롬프트를 개발하고 최적화하여 LLM의 성능을 극대화하는 기술.📐 Prompt 구성요소: Instructions, Context, User input/query, Output indicator.Prompt란?사용자가 원하는 출력을 생성하고자 할 때 LLM을 안내하기 위해 특정 입력 텍스트 및 질문 텍스트이다.프롬프트는 모델에게 전달하는 지시나 질문과 같은 정보와 맥락, 입력 또는 예시와 같은 다른 세부 사항을 포함할 수 있다. 이러한 구성 요소..