▣ 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