'언젠가 읽기' 컨텐츠는 논문이나 영문 컨텐츠 등 언젠가 읽으려고 즐겨찾기 하고선 읽지 않고 계속 미룰만한 컨텐츠를 읽고 요약하거나 소개합니다.

RAG #01. 검색 증강 생성 밑바닥부터 웹 채팅까지 - 파이썬사랑방 튜토리얼

언젠가 읽기

2025. 1. 23. AM 11:01:01

#RAG #LLM #장고 #튜토리얼 #웹 채팅

RAG #01. RAG 밑바닥부터 웹 채팅까지

본 튜토리얼은 RAG와 웹 서비스 개발에 관심 있는 분들을 위한 것입니다. RAG는 'Retrieval-Augmented Generation'의 약자로, 대규모 언어 모델(LLM)에 외부 지식을 결합하여 더 정확하고 신뢰성 있는 응답을 생성하는 기술입니다.

튜토리얼을 원활하게 진행하기 위해서는 다음과 같은 파이썬 지식이 필요합니다:

LLM(Large Language Model)은 대규모 텍스트 데이터로 학습된 인공지능 모델로, 자연어를 이해하고 생성하는 능력을 갖추고 있습니다. 이를 활용하여 질문에 대한 답변, 텍스트 요약, 번역, 코드 작성 등 다양한 작업을 수행할 수 있습니다.

본 튜토리얼은 다음과 같은 내용으로 구성되어 있습니다:

LLM은 어떤 질문이든 답변을 하려고 노력합니다.
- LLM의 한계와 실세계 적용 시 고려할 점을 다룹니다.
튜토리얼 실습 준비
- 실습에 필요한 환경과 도구를 설정하는 방법을 안내합니다.
비용 계산 함수
- OpenAI API 사용 시 발생하는 비용을 파악하고 관리하는 방법을 설명합니다.
대화 시작 시에 한 번에 모든 지식을 제공하기
- 초기 대화에서 필요한 정보를 효과적으로 전달하는 방법을 소개합니다.
전형적인 RAG
- RAG의 단계별 구현 방법을 자세히 설명합니다:
- 1. 지식 변환 (Load)
  2. 지식을 쪼개기 (Split)
  3. 지식 표현 (Embed)
  4. 지식 저장 (Store)
  5. 지식 검색 (Search) 및 LLM 요청/응답
- 랭체인(LangChain)을 활용한 RAG 구현 방법도 다룹니다.
장고로 RAG 웹 채팅 만들기 (장고 초보)
- Django 프레임워크를 사용하여 RAG 기반의 웹 채팅 애플리케이션을 개발하는 과정을 단계별로 안내합니다.
- 프로젝트 다운로드부터 웹소켓 채팅 페이지, OpenAI LLM 연동, 스타일링, 응답 생성까지 포괄적으로 다룹니다.