[실습] 랭체인(LangChain) Embedding & Vector stores 예제

 

✅  실습 준비물: apikey

https://server-engineer.tistory.com/983

---

https://www.langchain.com/

 

✅  실습 자료

https://colab.research.google.com/github/i-am-shuan/learn-langchain/blob/main/langchain_embedding_vector_stores_example.ipynb

langchain_embedding_vector_stores_example.ipynb

 

 

✅  서비스 설명

이 소스는 사용자 질문에 대한 답변을 생성하는 서비스입니다. 서비스는 다음과 같은 과정을 거칩니다.

1. 사용자 질문을 받습니다.
2. 질문을 벡터화하여 벡터스토어에 저장합니다.
3. 벡터스토어에서 유사한 답변을 참조합니다.
4. LLM(Large Language Model)을 이용하여 답변을 생성합니다.
5. 생성된 답변을 사용자에게 전달합니다.

서비스 활용 방안

이 서비스는 다음과 같은 용도로 활용할 수 있습니다.

• 고객 서비스: 고객의 질문에 대한 답변을 생성합니다.
• 마케팅: 잠재 고객의 질문에 대한 답변을 생성합니다.
• 교육: 학생의 질문에 대한 답변을 생성합니다.

질문과 응답 과정

1. 사용자가 질문을 입력합니다.
2. 질문은 벡터화되어 벡터스토어에 저장됩니다.
3. 벡터스토어에서 유사한 답변을 찾습니다.
4. LLM이 유사한 답변과 사용자 질문을 기반으로 새로운 답변을 생성합니다.
5. 생성된 답변이 사용자에게 전달됩니다.

사용된 라이브러리

• OpenAI: LLM을 사용하기 위한 라이브러리입니다.
• NumPy: 벡터화를 위한 라이브러리입니다.
• LangChain: 벡터스토어와 LLM을 연결하는 라이브러리입니다.
• VectorStore: 벡터를 저장하고 검색하는 라이브러리입니다.