랭체인 완벽 입문 (혁신적인 LLM 앱을 구축하기 위한 랭체인 활용법)

랭체인 완벽 입문 (혁신적인 LLM 앱을 구축하기 위한 랭체인 활용법)

$29.49
Description
랭체인을 사용하여 생성 AI 앱을 개발하고자 하는 분들을 위한 완벽 입문서!
챗지피티(ChatGPT)와 같은 대화형 AI의 ‘두뇌’는 대규모 언어 모델(LLM: Large Language Model)이다. ChatGPT의 API가 공개된 이후, 많은 기업과 엔지니어가 경쟁적으로 LLM 응용 프로그램 개발에 착수했는데, 이러한 개발을 효율화하는 도구가 랭체인(LangChain)이다. 랭체인은 파이썬(Python) 등에서 호출할 수 있는 라이브러리 중 하나로, ‘챗지피티 같은 언어 생성 AI를 사용한 애플리케이션 개발에 유용한 도구 모음’과 같은 것이다. 언어 생성 AI 모델의 라이브러리는 많지만, 랭체인이 기능의 풍부함과 사용의 용이성 등에서 뛰어나 현재는 사실상의 표준이 됐다. 이 책은 랭체인을 사용해 애플리케이션을 개발하면서 랭체인의 기능을 자세히 설명한다.

★ 이 책에서 다루는 내용 ★

◎ 랭체인의 각 모듈을 활용해 AI 애플리케이션을 개발하는 방법을 이해한다.
◎ 다양하고 실용적인 예제 코드를 통해 구체적인 개발 접근 방식을 배운다.
◎ 파이썬과 비주얼 스튜디오 코드(VS Code)를 이용한 개발 방법을 익혀 여러 플랫폼에서의 개발에 적용한다.
◎ 프롬프트 엔지니어링의 기초를 배워 AI와 대화하는 방법을 익힌다.
저자

타무라 하루카

1990년 도쿄에서 태어났다. 프리랜서 풀스택 엔지니어로서 다수의 웹서비스를 처음부터 개발하고 운영했다. 베이스푸드(BASE FOOD) 주식회사에 첫 번째 엔지니어로 참여해 정기 구매 시스템을 구축했으며, 그 후 상장까지 프런트엔드, 백엔드, 인프라 전부를 담당했다. ChatGPT에 큰 충격을 받고 AI 관련 기술에 관심을 갖게 되었으며, 동영상에 번역 자막을 붙일 수 있는 웹 서비스를 개인적으로 개발해 출시했다(konjac.ai).

목차

▣ 1장: 챗지피티와 랭체인

01. 챗지피티와 언어 모델에 관해 알아보기

___챗지피티란?

___OpenAI의 API에서 사용할 수 있는 대표적인 두 가지 언어 모델

___OpenAI 이외의 언어 모델 알아보기

02. 랭체인 개요

___언어 모델을 이용한 애플리케이션 개발

___랭체인으로 언어 모델을 이용한 애플리케이션 개발이 쉬워진다

___랭체인에 준비된 6개의 모듈

03. 랭체인을 이용한 애플리케이션 예시

___PDF에 대해 질문할 수 있는 챗봇

___파일 상호작용 및 인터넷 검색이 가능한 챗봇

04. 실습 준비

___파이썬 실행 환경 구축

___VS Code에서 파이썬을 이용한 개발이 쉬워지는 확장 기능

___OpenAI API 키 받기

___환경 변수에 API 키 설정하기

05. OpenAI의 API를 호출해 작동을 확인한다

___Chat 모델의 API를 호출해 보자

▣ 2장: Model I/O - 언어 모델을 다루기 쉽게 만들기

01. 언어 모델을 이용한 응용 프로그램 작동 방식

___언어 모델 호출이란?

___Model I/O는 랭체인의 가장 기본적인 모듈이다

___Model I/O를 구성하는 3개의 서브모듈

___Language models를 사용해 gpt-3.5-turbo 호출하기

___PromptTemplate로 변수를 프롬프트에 전개하기

___PromptTemplate에서 제공하는 다른 기능들

___Language models와 PromptTemplate의 결합

___목록 형식으로 결과 받기

02. Language models - 사용하기 쉬운 모델

___통일된 인터페이스로 사용하기 쉬움

___Chat models와 LLMs

___Language models의 편리한 기능

03. Templates - 프롬프트 구축의 효율성 향상

___프롬프트 엔지니어링을 통한 결과 최적화

04. Output parsers - 출력 구조화

___결과를 날짜와 시간 형식으로 받아보기

___출력 형식을 직접 정의하기

___잘못된 결과가 반환될 때 수정을 지시할 수 있게 한다

▣ 3장: Retrieval - 알지 못하는 데이터를 다루기

01. 언어 모델이 미지의 데이터를 처리할 수 있게 하려면

___모르는 정보에 기반한 답변을 할 수 있는 구조

___답변에 필요한 문장을 찾는 방법이 중요

___유사 문장 검색을 위해 필요한 벡터화란?

___언어 모델을 사용해 텍스트를 벡터화하기

___벡터 유사도 검색

___벡터 유사도 검색에서 RAG를 통합하는 구체적인 절차

___사전 준비

___검색 및 프롬프트 구축

02. 주어진 PDF를 기반으로 답변하는 챗봇 만들기

___PDF에서 문장 불러오기

___문장 나누기

___분할된 문장을 벡터화해 데이터베이스에 저장한다

___벡터 데이터베이스에서 검색 실행하기

___검색 결과와 질문을 조합해 질문에 답하게 한다

___채팅 화면 만들기

___채팅 화면에서 질문을 입력할 수 있게 하기

___채팅 시작 시 파일 업로드 가능

03. RetrievalQA로 QA 시스템 구축이 쉬워진다

___RetrievalQA란?

___RetrievalQA로 코드를 간단하게

04. 준비된 Retrievers를 사용해 위키백과를 정보원으로 활용

___Retrievers는 문서를 검색하는 기능 세트

___Retrievers에서 어떤 검색을 할지 제어하는 방법

▣ 4장: Memory - 과거의 대화를 장·단기 기억하기

01. 언어 모델에서 대화란 무엇인가

___HumanMessage와 AIMessage를 번갈아 가며 대화한다

02. 문맥에 맞는 답변을 할 수 있는 챗봇 만들기

___Chat models로 대화 기록을 기반으로 한 응답을 하게 하는 것

___ConversationChain을 통해 알기 쉽게 처리

03. 히스토리를 데이터베이스에 저장하고 영속화하기

___데이터베이스에 저장해 대화 기록을 영속화할 수 있다

___데이터베이스 준비하기

___환경 변수에 레디스 정보 설정하기

___레디스를 사용해 대화를 영속화한다

04. 여러 개의 대화 기록을 가질 수 있는 챗봇 만들기

___세션 ID를 바꿔서 대화 기록 전환하기

05. 매우 긴 대화 기록에 대응한다

___대화 기록이 너무 길어지면 언어 모델을 호출할 수 없다

___오래된 대화 삭제하기

___대화를 요약해 토큰 수 제한에 대응한다

▣ 5장: Chains - 여러 프로세스를 통합

01. 다중 처리를 정리할 수 있다

___Chains는 일련의 과정을 정리할 수 있다

02. 여러 모듈을 쉽게 조합할 수 있는 Chains

___LLMChain을 사용해 여러 모듈을 통합하는 방법

___ConversationChain으로 기억을 가진 애플리케이션 개발이 쉬워진다

___Chains에서 어떤 처리가 이뤄지고 있는지 자세히 보기

03. 특정 기능에 특화된 Chains

___특정 URL에 접속해 정보를 얻게 하는 방법

04. Chains 자체 정리하기

___Chains 자체를 순서대로 실행하는 SimpleSequentialChain

▣ 6장: Agents - 자율적으로 외부와 상호작용해 언어 모델의 한계를 뛰어넘기

01. 외부와 상호작용하면서 자율적으로 행동하는 Agents

___언어 모델에 도구를 부여할 수 있다

___주어진 URL에서 정보를 얻게 하기

02. Tool을 추가해 Agent가 할 수 있는 일을 늘리기

___Agent가 할 수 있는 것은 전달하는 Tool에 따라 달라진다

___환경 변수에 SerpApi의 API 키 설정하기

___google-search-results 설치하기

03. Tool을 직접 제작해 기능 확장하기

___Tool을 직접 만들어서 할 수 있는 일의 폭을 더욱 넓힌다

04. Retrievers를 사용해 문장을 검색하는 Tool 만들기

___Retrievers는 Tool로 변환할 수 있다

05. 문맥에 맞게 답변하는 에이전트 만들기

___대화 기록을 보관하는 에이전트 생성하기

▣ 7장: Callbacks - 다양한 이벤트 발생 시 처리하기

01. Callbacks 모듈로 할 수 있는 일 알아보기

___로그 수집 및 모니터링, 다른 애플리케이션과 연동 가능

02. Callbacks 모듈을 사용해 외부 라이브러리와 연동하기

___준비된 클래스를 사용해 외부 라이브러리와 연동할 수 있다

03. 로그를 터미널에 표시할 수 있는 Callbacks 만들기

___Callbacks 모듈을 직접 제작해 이벤트 발생 시 처리를 수행한다

▣ 부록: 랭체인에 대해 더 자세히 알아보는 팁

01. 공식 문서의 사용 사례에서 배우기

___공식 문서 보기

___Code understanding

___Tagging

02. 랭체인의 공식 블로그 및 기타 소스 확인

___랭체인 공식 블로그

___awesome-langchain으로 랭체인 관련 정보 수집하기

___랭체인과 연동할 수 있는 언어 모델 및 외부 시스템 확인하기

출판사 서평

이책에서다루는내용

-랭체인의각모듈을활용해AI애플리케이션을개발하는방법을이해한다.
-다양하고실용적인예제코드를통해구체적인개발접근방식을배운다.
-파이썬과비주얼스튜디오코드(VSCode)를이용한개발방법을익혀여러플랫폼에서의개발에적용한다.
-프롬프트엔지니어링의기초를배워AI와대화하는방법을익힌다.