OpenAI, Google Vertex AI PaLM과 같은 독립형 AI 모델 및 앱은 시작점에 불과합니다. 내 관점에서 모든 전문 영역에서 워크플로의 생산성을 능률화하고 향상시키기 위해 다양한 모델을 적용하는 방법은 뷰티 및 섹스 전문가를 실제로 활용할 수 있는 핵심 단계입니다.
이 글에서는 생산성을 높이고 게임에서 지속적인 히트를 만들기 위해 AI 웹 앱 및 DApps에서 소유한 체인 모델을 구축하는 데 관심이 있는 초보자를 위해LangChain Chat AI 모델에 대해 간략하게 살펴보겠습니다.
목차: 초보자를 위한 마케팅 앱에 적용된 LangChain 채팅 AI 모델
- LangChain이 필요한 이유와 채팅 AI 모델 선택
- LangChain Chat AI 모델 기본 설정
- 단방향 AI 통신의 단일 히트
- AI 시스템과의 한 번의 상호 작용에서 단일 히트
- 하나의 AI 모델을 사용하는 N+ 프롬프트 템플릿
- 하나의 체인에 있는 N+ AI 모델
- 기타 – 소비된 총 토큰 추적
- 마케팅 앱에 적용된 LangChain Chat AI 모델의 전체 핵심 기능 Python 스크립트
- BuyfromLo AI API 및 현장 앱
LangChain이 필요한 이유와 채팅 AI 모델 선택
LangChain은 대규모 언어 모델을 사용하여 애플리케이션 생성을 단순화하도록 설계된 소프트웨어 개발 프레임워크입니다. 개발자가 다른 프레임워크를 사용하여체인을 구축할 수도 있지만 LangChain을 사용하는 몇 가지 뛰어난 기능이 있습니다.
- 체인 프레임워크는 일반적으로 코딩 워크로드를 단순화합니다.
- 요청 간 신속한 응답
- 다양한 AI 모델 통합을 고려할 때
- 타사 외부 모듈 통합 제공
- 추적 가능한 성능
금전적인 관점에서 업무용 애플리케이션에 적용된 AI 모듈을 사용하는 것은 기본적으로 종량제 모델이다. 따라서 가변 비용은 차입이 부적절할 경우 이윤 병목 현상을 일으키거나 심지어 손실을 초래할 수 있기 때문에 모든 비즈니스에서 고려해야 할 핵심 요소입니다.
일반적으로 OpenAI GPT3.5와 같은 Chat AI 모델은 비 Chat 기반 모델에 비해 토큰 1,000개당 가장 저렴한 모델입니다. 성능 및 출력 용량이 상위 모델과 유사하면 Chat AI 모델이 선호되며 특히 해당 모델이 체인에서 사용되고 있으므로 볼륨이 클 수 있음을 의미합니다.
LangChain Chat AI 모델 기본 설정
이 글에서는 OpenAI를 샘플로 사용하겠습니다. 실제 필요에 따라 다른 AI 모델을 사용할 수 있다고 합니다. 모델명 가져오기와 같은 미세한 차이가 있지만 기본적으로 로직, 기본 기능 및 흐름은 서로 유사합니다.
다음은 LangChain Python 라이브러리, 가져올 패키지 및 추가할 주요 기능입니다.
- 라이브러리 설치
pip install langchain- 필수 패키지 가져오기
import timefrom langchain . chat_models import ChatOpenAIfrom langchain import PromptTemplate , LLMChainfrom langchain . prompts . chat import (ChatPromptTemplate ,SystemMessagePromptTemplate ,AIMessagePromptTemplate ,HumanMessagePromptTemplate ,)from langchain . schema import (AIMessage ,HumanMessage ,SystemMessage)from langchain . callbacks . streaming_stdout import StreamingStdOutCallbackHandlerfrom langchain . callbacks import get_openai_callback- 핵심 기능:
llm = ChatOpenAI ( temperature = 0.7 , model = "gpt-3.5-turbo" , openai_api_key = "" )단방향 AI 통신의 싱글 히트
LangChain은 ChatGPT 또는 OpenAI API를 사용할 뿐만 아니라 단일 요청을 이행할 수 있습니다. 다음은 프롬프트와 연결하는 HumanMessage 매개 변수 및콘텐츠 인수를 사용하는 샘플입니다.
response = llm ([ HumanMessage ( content = prompt )])AI 시스템과의 상호 작용에서 싱글 히트
단방향 외에도 LangChain 및 AI 모델에 미리 역할을 설정하거나 컨텍스트 데이터 세트를 공유하여 보다 정확한 결과를 얻을 수 있습니다.
messages = [SystemMessage ( content = "You are a marketing specialist and specialise in writing engaging Tiktok Short form video scripts in English." ),HumanMessage ( content = "Write me a Tiktok Short form video script to engage with Japanese Ramen fans" )]하나의 AI 모델을 사용하는 N+ 프롬프트 템플릿
실제로 마케팅 애플리케이션의 출력 하나는 위의 주어진 두 샘플보다 더 복잡합니다. 기본적으로 동일한 AI 모델을 사용하더라도 많은 변수 요인과 프롬프트 템플릿이 함께 작동하여 생성됩니다.
마케팅을 샘플로 사용하십시오. 마케팅 인재로서 카피 작성은 SEM, SEO, 제휴사, 소셜, 이메일, 제품 목록, 동영상, 광고, PR 등에 적용할 수 있는 기술입니다. 또한 다양한 프로젝트 콘텐츠, 브랜드 스토리, 기존 성과 등을 다룰 수 있습니다. 따라서 이 앱을 빌드하고 프로세스를 자동화하려면 프롬프트 템플릿 모음을 갖추어야 합니다.
template = "You are a {role} specialist and specialise in writing engaging {object} copies in English."system_message_prompt = SystemMessagePromptTemplate . from_template ( template )human_template = " {text} "human_message_prompt = HumanMessagePromptTemplate . from_template ( human_template )chat_prompt = ChatPromptTemplate . from_messages ([ system_message_prompt , human_message_prompt ])response123 = llm ( chat_prompt . format_prompt ( role = "marketing" , object = "email" , text = "Write me a Welcomed email to a first time purchase shoe buyer." ). to_messages ())하나의 체인에 있는 N+ AI 모델
동일한 모델을 사용하는 것 외에도 앞서 언급한 바와 같이 AI 성능과 재무적 요소를 동시에 고려하고 싶을 수 있습니다. 이는 하나의 작업 또는 체인의 여러 작업에서서로 다른 AI 모델이 필요함을 의미합니다. 예를 들어 트윗을 작성하는 것은 원자료를 꿰뚫어 읽을 수만 있다면 글자수 제한으로 인해 화려하고 값비싼 AI 모델이 필요하지 않다. 반면에 복잡한 연구 논문이나데이터 분석을 생성하려면 더 발전된 모델이 필요합니다. 여기서는 AI 모델의 효율적인 프론티어를 최적화하기 위한 사고방식을 다룹니다.
chain = LLMChain ( llm = llm , prompt = chat_prompt )finalResult = chain . run ( role = "marketing" , object = "email" , text = "Write me a Welcomed email to a first time purchase shoe buyer." )기타 – 소비된 총 토큰 추적
AI 모델 리셀러 또는 AI 앱 공급자인 경우 비용을 계산하는 데 필요하므로 지출된 총 토큰을 추적하는 것이 중요합니다. LangChain은 AI 모델 콜백 패키지를 제공합니다. 다음은 충분한 OpenAI입니다.
with get_openai_callback () as cb :buyfromloAPIandAIYes = directResponse ()print ( buyfromloAPIandAIYe )buyfromloAPIandAI = cbprint ( buyfromloAPIandAI )Tokens. Used: 241Prompt Tokens: 17Completion Tokens: 224Successful Requests: 2Total Cost (USD): $0.000482BuyfromLo AI API 및 현장 앱
LangChain을 사용하여 앱 또는 API를 구축하는 시간을 절약하고 싶다면 BuyfromLo API 및 온사이트 앱 스토어를 확인하십시오. 지금 무료체험 프로그램을 진행하고 있으니 go!
https://www.buyfromlo.com마케팅 앱에 적용된 LangChain Chat AI 모델의 전체 핵심 기능 Python 스크립트
Chapter 80 – 초보자를 위한 AI 웹 앱 및 DApp에 적용된 LangChain 채팅 AI 모델에 관심이 있는 경우, 'Chapter 80 + AI Apps용 전체 LangChain 스크립트'라는 메시지를 추가하여 뉴스레터를 구독 하십시오. . 최신 앱 스크립트가 활성화되면 스크립트를 보내드립니다.
Chapter 80 – 초보자를 위한 AI 웹 앱 및 DApp에 적용된 LangChain 채팅 AI 모델을 재미있게 읽으시기 바랍니다. 그렇다면 아래 나열된 항목 중 하나를 수행하여 지원해 주세요. 항상 채널에 도움이되기 때문입니다.
- PayPal( paypal.me/Easy2digital )을 통해 채널을 지원하고 기부하세요.
- 제 채널 구독하시고 알림벨을 켜주세요 Easy2Digital 유튜브 채널 .
- 내 페이지 팔로우 및 좋아요 Easy2Digital Facebook 페이지
- #easy2digital 해시태그를 사용하여 소셜 네트워크에 기사를 공유하세요.
- Easy2Digital 최신 기사, 비디오 및 할인 코드를 받으려면 주간 뉴스레터에 가입하십시오.
- 독점적인 혜택을 누리려면 Patreon을 통해 월간 멤버십을 구독하세요( www.patreon.com/louisludigital ).
