제이로그
close
프로필 배경
프로필 로고

제이로그

  • 분류 전체보기 (67)
    • 제이로그 (9)
      • 회고 (3)
      • 생각정리 (2)
      • 면접후기 (4)
    • 데이터 엔지니어링 (12)
      • 개념정리 (1)
      • Airflow (5)
      • Spark (0)
      • Kafka (3)
      • dbt (3)
    • 데이터 분석 (3)
      • Redash (2)
      • Grafana (0)
      • Superset (1)
    • 데이터베이스 (3)
      • PostgreSQL (3)
    • 프로그래밍 (10)
      • 개발 환경 (4)
      • Python (2)
      • FastAPI (4)
    • 인프라 (3)
      • 리눅스 (3)
    • DevOps (5)
      • Docker (2)
      • Kubernetes (3)
    • AI (14)
      • LLM (14)
    • Google Cloud (1)
      • BigQuery (1)
    • 버전관리 (2)
      • Github (2)
    • 협업툴 (1)
      • Slack (1)
    • 블로그 (1)
    • 알고리즘 (3)
      • 개념정리 (0)
      • 백준 (0)
      • 프로그래머스 (3)
  • 홈
  • 방명록
  • 태그
  • Github
  • Linkedin
LangChain Vector Store를 도구(Tool) 변환하기

LangChain Vector Store를 도구(Tool) 변환하기

해당 포스트는 인프런에서 "AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)" 강의를 듣고 정리한 내용입니다. 이번에는 벡터 스토어를 도구로 변환해서 사용해보려고 한다. 문서 가져와서 청크로 분할하기 (청킹)먼저 문서를 읽어와서 임베딩해서 벡터 스토어에 저장해서 검색하는 과정을 만들고 이러한 과정을 도구로 만들어서 사용해보려고 한다.강의에서 제공해 준 레스토랑 메뉴와 와인에 대한 메뉴와 식재료, 설명이 들어있는 문서를 가져와서 사용해보려고 한다. 먼저, 문서를 가져온다.from langchain.document_loaders import TextLoader# 메뉴판 텍스트 데이터를 로드loader = TextLoader("../../data/restaurant_menu.txt", encod..

  • format_list_bulleted AI/LLM
  • · 2025. 5. 20.
  • textsms
Google Cloud 실습 - Vertex AI Gemini API를 사용한 멀티모달 검색 증강 생성(RAG)

Google Cloud 실습 - Vertex AI Gemini API를 사용한 멀티모달 검색 증강 생성(RAG)

이 글은 Google Cloud Skills Boost 의 실습을 진행하고 정리한 내용입니다. 실습을 시작하기 전에2021년도에 Google Cloud Study Jam 을 통해서 구글 클라우드에서 직접 실습해 보면서 스터디를 진행했었는데 그 당시에는 무료로 여러 실습을 진행할 수 있었다. 올해에도 마찬가지로 Study Jam 을 통해서 사용해 볼 수 있는 기회가 있었는데 기간 내에 신청하지 못해서 별도로 크레딧을 받아서 실습을 해보려고 한다. 크레딧 같은 경우는 아래와 같이 Innovators 를 구독하면 35 크레딧을 매달 무료로 준다고 해서 구독했다. 크레딧을 사용해서 실습해 보기내가 하려고 하는 실습은 Vertex AI Gemini API를 사용한 멀티모달 검색 증강 생성(RAG) 라는 내용이다...

  • format_list_bulleted AI/LLM
  • · 2025. 5. 17.
  • textsms
LangChain Runnable 객체를 도구(Tool)로 변환

LangChain Runnable 객체를 도구(Tool)로 변환

해당 포스트는 인프런에서 "AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)" 강의를 듣고 정리한 내용입니다. 이 글에서는 LangChain 의 Runnable 인터페이스에 대해서 알아보고 Runanble 객체를 만들어 도구로 변환해서 사용하는 방법에 대해서 실습하고 정리해보려고 한다. Runnable 인터페이스에 대해서 알아보기먼저 LangChain 에서 Runnable 객체가 무엇인지 먼저 알아보았다. 아래의 LangChain 문서를 살펴보니 다음과 같이 설명하고 있다. Runnable interface | 🦜️🔗 LangChainThe Runnable interface is the foundation for working with LangChain components, and it..

  • format_list_bulleted AI/LLM
  • · 2025. 5. 14.
  • textsms
XGBoostError in MacOS M3

XGBoostError in MacOS M3

머신 러닝 라이브러리인 xtboost 를 사용하려고 하는데 다음과 같이 에러가 발생했다. from xgboost import XGBClassifier---------------------------------------------------------------------------XGBoostError Traceback (most recent call last)Cell In[1], line 7 5 from sklearn.metrics import f1_score 6 from sklearn.preprocessing import LabelEncoder----> 7 from xgboost import XGBClassifier 9 ..

  • format_list_bulleted 프로그래밍/개발 환경
  • · 2025. 5. 11.
  • textsms

LangChain 사용자 정의 도구(Tool) 만들어보기

해당 포스트는 인프런에서 "AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)" 강의를 듣고 정리한 내용입니다. 이번에는 LangChain 에서 도구를 직접 만들 수 있는 방법에 대해서 알아보고 정리해보려고 한다. LangChain 사용자 정의 도구(Tool)LangChain 에서는 사용자가 직접 도구를 정의해서 사용할 수 있는 방법을 제공해주고 있다. 가장 대표적인 방법으로는 @tool 이라는 데코레이터를 사용해서 도구를 정의하는 방법이다.도구 함수를 정의하기 위한 작성 가이드라인의 원칙을 준수해야하고 도구의 설명을 명확하게 LLM 이 이해할 수 있도록 작성해주어야 한다. LangChain 사용자 정의 도구 만들어보기강의를 참고해서 직접 정의한 도구를 만들어서 사용해보자.from typin..

  • format_list_bulleted AI/LLM
  • · 2025. 5. 10.
  • textsms
LangChain ToolCalling 알아보기 (2)

LangChain ToolCalling 알아보기 (2)

해당 포스트는 인프런에서 "AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)" 강의를 듣고 정리한 내용입니다. 지난 포스트에 이어서 이번에는 LLM 에 Tool Message 를 전달해서 답변을 생성하는 과정에 대해서 공부하고 정리해보려고 한다. ToolMessage 를 LLM 에 전달해서 답변 생성하기지난 포스트에서는 도구를 사용해보고 LLM 을 통해 도구를 바인딩해서 사용해보는 과정을 하나씩 진행했었는데이번에는 하나로 연결해서 답변까지 생성해주는 과정을 진행해보려고 한다. 먼저, Tavily 검색 도구와 LLM 모델을 각각 정의해서 객체로 만들어주었다. Tavily 검색 도구 정의 (tavily_search_tool.py)import warningswarnings.filterwarnin..

  • format_list_bulleted AI/LLM
  • · 2025. 5. 10.
  • textsms
LangChain ToolCalling 알아보기 (1)

LangChain ToolCalling 알아보기 (1)

해당 포스트는 인프런에서 "AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)" 강의를 듣고 정리한 내용입니다. 이번에는 LangChain 의 Tool Calling 에 대해서 공부하고 정리해보았다.Tool Calling 이란LLM 이 외부 기능이나 데이터 접근할 수 있게 해주는 매커니즘이다.최신 정보가 부족하거나 특정 작업 수행이 불가하는 등의 LLM 의 한계를 극복하기 위해서 필요한 방법이다. 이 방법은 RAG 에서도 중요하다. 실시간 데이터 접근이 필요하거나 특수 기능을 수행하거나 정확도를 향상시키기 위해서 LLM 과 외부 도구의 연동이 필요한 경우가 발생할 수 있다. 아래의 페이지에서 Tool Calling 의 컨셉에 대해서 설명을 해주고 있다. OverviewGuides LangGr..

  • format_list_bulleted AI/LLM
  • · 2025. 5. 10.
  • textsms
Github 여러 계정 사용하기 (with SSH Key)

Github 여러 계정 사용하기 (with SSH Key)

하나의 PC 에서 여러 개의 Github 계정을 사용하는 방법에 대해서 정리해보려고 한다.예시로 회사 계정과 개인 계정이 있다는 가정 하에 방법을 정리해보려고 한다. 1. SSH Key 생성하기먼저 회사 계정과 개인 계정의 SSH Key 를 생성해준다. 명령어는 ~/.ssh 디렉터리에서 실행한다. 아래의 명령어를 통해서 SSH Key 를 생성할 수 있는데 RSA 타입으로 키를 생성하게 되고 -C 옵션은 Comment 로 주로 키의 소유자를 식별하기 위해서 이메일 주소를 사용한다. -f 옵션은 생성할 키 파일의 경러와 이름을 지정한다.ssh-keygen -t rsa -C "이메일주소" -f "id_rsa_이름" 해당 명령어를 실행하게 되면 .ssh 디렉터리에 "id_rsa_이름" 인 비밀키와 "id_rsa..

  • format_list_bulleted 버전관리/Github
  • · 2025. 5. 8.
  • textsms
AI 에이전트(Agent)에 대해서 알아보기

AI 에이전트(Agent)에 대해서 알아보기

해당 포스트는 인프런에서 "AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)" 강의를 듣고 정리한 내용입니다. LLM 을 이용한 생성형 AI 가 만들어지고 나서 어느 순간 AI Agent 라는 키워드가 자주 들리기 시작했다.그래서 AI Agent 와 관련된 강의를 들으면서 AI Agent 가 무엇인지 알아보면서 정리해보려고 한다. 에이전트(Agent) 가 무엇인가에이전트는 특정 목표를 달성하기 위해서 자율적으로 행동하고 결정을 내리는 AI 시스템이라고 한다.여기서 중요한 점은 자율적으로 행동한다는 부분에 초점을 맞추어서 이해하면 된다. AutoGen, Crew AI, LangGraph 와 같은 새롭게 등장한 프레임워크들은 멀티 에이전트 문제 해결 방식을 구축하는 다양하고 풍부한 방법을 제공..

  • format_list_bulleted AI/LLM
  • · 2025. 5. 7.
  • textsms
Redash 최신 코드 가져와 직접 빌드해서 적용하기

Redash 최신 코드 가져와 직접 빌드해서 적용하기

Redash 차트 버그 확인redash 를 사용하던 중 차트가 이상해 이슈를 확인해보니 다음과 같이 차트에서 발생한 버그를 수정한 PR 을 확인할 수 있었다. Fix the issue that chart(scatter, bubble, line...) having data with same x-value have wrong y-value by yoshiokatsuneo · Pull ReWhat type of PR is this? Bug Fix Description Before this PR, the chart(scatter, line, bubble...) having same x-value have wrong y-value. For example, before this PR, if the data is l..

  • format_list_bulleted 데이터 분석/Redash
  • · 2025. 5. 7.
  • textsms
  • navigate_before
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • navigate_next
전체 카테고리
  • 분류 전체보기 (67)
    • 제이로그 (9)
      • 회고 (3)
      • 생각정리 (2)
      • 면접후기 (4)
    • 데이터 엔지니어링 (12)
      • 개념정리 (1)
      • Airflow (5)
      • Spark (0)
      • Kafka (3)
      • dbt (3)
    • 데이터 분석 (3)
      • Redash (2)
      • Grafana (0)
      • Superset (1)
    • 데이터베이스 (3)
      • PostgreSQL (3)
    • 프로그래밍 (10)
      • 개발 환경 (4)
      • Python (2)
      • FastAPI (4)
    • 인프라 (3)
      • 리눅스 (3)
    • DevOps (5)
      • Docker (2)
      • Kubernetes (3)
    • AI (14)
      • LLM (14)
    • Google Cloud (1)
      • BigQuery (1)
    • 버전관리 (2)
      • Github (2)
    • 협업툴 (1)
      • Slack (1)
    • 블로그 (1)
    • 알고리즘 (3)
      • 개념정리 (0)
      • 백준 (0)
      • 프로그래머스 (3)
공지사항
최근 글
인기 글
최근 댓글
전체 방문자
오늘
어제
전체
Copyright © 쭈미로운 생활 All rights reserved.
Designed by JJuum

티스토리툴바