LangChain

LangChain으로 LLM 애플리케이션을 구성하는 방법.

LangChain으로 LLM 애플리케이션을 구성하는 방법.

14 posts · 아카이브에서 필터로 보기

[가이드] Ollama + LangChain 실전 가이드 - ChatOllama 사용하기

이전 포스트에서는 Python 코드에서 Ollama 명령어를 활용하여 로컬에서 LLM을 호출하는 방법을 알아보았습니다. [이전 포스트 보러가기](https://velog.io/@euisuk-chung/%EA%B0%80%EC%9D%B4%EB%93%9C-Python%EC%97%90%EC%84%9C-Ollama-%EC%82%AC%EC%9A%A9...

[자료] KT 사내 직원 대상 RAG 교안 대방출?!

오늘도 RAG에 대한 자료를 찾아보던 중, KT DS의 김성우 기술혁신단장님께서 공유하신 RAG 관련 자료를 발견했습니다. 출처 : LinkedIn - KTDS 김성우 기술혁신단장 KT 사내 직원 RAG 교안이라는 말에 어떤 내용일지 궁금하여, 이번 포스팅에서는 해당 자료를 자세하게 공부하며 내용을 정리해보았으니 함께 살펴보시죠. ...

[강의노트] LangChain Academy : Introduction to LangGraph (Module 4)

랭체인(LangChain)과 랭그래프(LangGraph)는 대규모 언어 모델(LLM)을 활용한 애플리케이션 개발을 위한 도구들입니다. 위 강의는 LangChain에서 운영하는 LangChain Academy에서 제작한 “Introduction to LangGraph” 강의의 내용을 정리 및 추가 설명한 내용입니다. 강의 링크 : https://...

[강의노트] LangChain Academy : Introduction to LangGraph (Module 3)

랭체인(LangChain)과 랭그래프(LangGraph)는 대규모 언어 모델(LLM)을 활용한 애플리케이션 개발을 위한 도구들입니다. 위 강의는 LangChain에서 운영하는 LangChain Academy에서 제작한 “Introduction to LangGraph” 강의의 내용을 정리 및 추가 설명한 내용입니다. 강의 링크 : https://...

[강의노트] LangChain Academy : Introduction to LangGraph (Module 2)

랭체인(LangChain)과 랭그래프(LangGraph)는 대규모 언어 모델(LLM)을 활용한 애플리케이션 개발을 위한 도구들입니다. 위 강의는 LangChain에서 운영하는 LangChain Academy에서 제작한 “Introduction to LangGraph” 강의의 내용을 정리 및 추가 설명한 내용입니다. 강의 링크 : https://...

[강의노트] LangChain Academy : Introduction to LangGraph (Module 1)

랭체인(LangChain)과 랭그래프(LangGraph)는 대규모 언어 모델(LLM)을 활용한 애플리케이션 개발을 위한 도구들입니다. 위 강의는 LangChain에서 운영하는 LangChain Academy에서 제작한 “Introduction to LangGraph” 강의의 내용을 정리 및 추가 설명한 내용입니다. 강의 링크 : https:...

[강의노트] Text Splitting For Retrieval

Introduction 대규모 언어 모델(LLM, Large Language Model)을 이용한 애플리케이션의 성능을 향상시키는 가장 효과적인 전략 중 하나는 큰 텍스트 데이터를 더 작은 조각으로 분할하는 것입니다. LLM에게 필요한 정보만을 제공함으로써 모델의 작업 효율성을 극대화할 수 있습니다. 이러한 텍스트 분할 기술은 단순한 방법 같지만...

[강의노트] RAG From Scratch : RAG for long context LLMs

RAG for long context LLMs Introduction 최근 LLM(Long Large Models)의 급격한 발전으로 인해 거대한 양의 데이터를 한 번에 처리할 수 있는 가능성이 열리고 있습니다. 특히, 100만 토큰 이상의 정보를 한 번에 처리할 수 있는 모델들이 등장하면서, 과연 RAG(Retrieval-Augmented G...

[강의노트] RAG From Scratch : Query Translation

해당 블로그 포스트는 RAG From Scratch : Coursework 강의 파트 5 - 9 내용을 다루고 있습니다. 비디오 요약 강의 링크 슬라이드 Part 5 (다중 쿼리) 다양한 문서 검색을 위해 쿼리 재작성 기법을 설명합...

[강의노트] RAG From Scratch : Query Routing & Structuring

해당 블로그 포스트는 RAG From Scratch : Coursework 강의 파트 10 - 11 내용을 다루고 있습니다. 비디오 요약 강의 링크 슬라이드 Part 10 (라우팅) 쿼리를 관련 데이터 소스로 유도하기 위한 논리적 ...

[강의노트] RAG From Scratch : Query Retrieval 기법

해당 블로그 포스트는 RAG From Scratch : Coursework 강의 파트 15 - 18 내용을 다루고 있습니다. 별도의 강좌 내용이 보이지 않아서 실습 코드를 바탕으로 Reverse Enginneering해서 자료를 정리한 내용입니다. 참고 부탁드립니다! 1. Re-ranking (재정렬) Re-ranking은 ...

[강의노트] RAG From Scratch : Query Indexing 기법

해당 블로그 포스트는 RAG From Scratch : Coursework 강의 파트 12 - 14 내용을 다루고 있습니다. 비디오 요약 강의 링크 슬라이드 Part 12 (다중 표현 인덱싱) 효율적인 검색을 위해 문서 요약을 인덱...

[강의노트] RAG From Scratch : Overview

해당 블로그 포스트는 RAG From Scratch : Coursework 강의 파트 1 - 4 내용을 다루고 있습니다. 비디오 요약 강의 링크 슬라이드 Part 1 (개요) RAG를 소개하며, 시리즈가 기본 개념부터 고급 기술까지 다...

[강의노트] RAG From Scratch : Coursework

소개 오늘날의 Generative AI는 기본적인 대형 언어 모델(LLM)을 넘어, 정보 활용의 방식을 획기적으로 변화시키고 있습니다. 그 중에서도 RAG, Retrieval-Augmented Generation은 외부 데이터 소스를 활용하여 더욱 정교하고 도메인에 특화된 정보를 제공함으로써, AI와의 상호작용 방식을 새롭게 정의하고 있습니다....