AI Codes33 Agent의 평가와 function calling 관련 글 모음 요즘 개인용 음악 추천 챗봇을 계속 디벨롭하는 중인데 agent를 넣으려고 하고 있다. 그러다가 문득, RAG처럼 tool을 제대로 쓰고 있는지 특히 검색이면 쿼리랑 잘 맞게 가져오는지 평가해야 하지 않아 싶어서 에이전트의 성능 평가에 대해서 찾아서 정리해 보았다. Agent Evaluations AgentOps 한국 파이토치: 링크 IBM Watson 에이전트 AI 평가: 링크 Agents Companion (2): 에이전트를 평가하기, Agent Evaluation 블로그: 링크Agent Benchmark의 비용을 다룬 AI 타임즈 기사: 링크 LLM의 function calling LLM의 function calling은 곧 tool의 사용이며 이는 곧 에이전트와 관련된 내용으로 이어.. 2025. 5. 28. Multi Agent와 ReAct 관련 글 모음 다중 에이전트, 여러개의 에이전트를 활용하는 방법론이다. 여러개의 에이전트를 사용하면 이를 관리하는 관리자 supervisor를 사용하는 경우도 많아서 관련된 글도 찾았다. 그리고 에이전트의 핵심은 LLM이 알아서 도구를 사용하는 점에 있기에 이에 대해서도 간략하게 찾아보았다. 보통 langchain이나 langgraph의 creat_react_agent를 많이 사용하게 되어서 이와 관련된 글들도 모았다. Multi-Agent and Supervisor LangChain Multi-Agent Tutorial: 링크 LangChain Multi-Agent Supervisor: 링크 LangGraph Supervisor Github: 링크 '멀티 에이전트 시스템'에 대하.. 2025. 5. 28. MLOps와 LLMOps 자료 수집 MLOps AWS MLOps란?: 링크 Google Cloud MLOps: 머신러닝의 지속적 배포 및 자동화 파이프라인: 링크 IMB MLOps란 무엇인가요?: 링크 Azure Databricks의 MLOps 워크플로: 링크 NVIDIA What is MLOps?: 링크 요즘 IT 개발자를 위한 'MLOPs' 기본 개념 정리: 링크 AWS MLOps 구축 예시 NatWest Group 은행 그룹: 링크 Uplus 서버리스 MLOps 파이프라인: 링크 AWS 티머니의 MLOps 구현 사례 : Amazon SageMaker를 활용한 배차모델 자동화 및 배포: 링크 백엔드 N년차 MLOps 1일차 — MLOps 아키텍쳐 설계 블로그: 링크 카카오페이 ML 모델 학습 파이프라인 설계 (feat. MLOps .. 2025. 5. 24. Streamlit으로 음악 추천을 위한 챗봇 구현 Streamlit + LangChain + LangGrpah로 구현했다. 랭체인 한국어 튜토리얼 (링크)의 도움을 많이 받았다. Chainlit에서 Streamlit으로 갈아탄 이유는 예시나 도큐먼트 자료를 찾기 힘들기 때문이다. 그리고 로그인부터 시작해서 여러가지를 건들게 되는데, 이렇게 복잡하게 할 바에는 차라리 Open Web UI에 백엔드로 구현해서 연결하는게 낫지 않나 싶은 생각이 들었다. 그러려면 차라리 복잡한건 Open Web UI로, 간편하게 구현하고 사용할 개인 용도는 Streamlit으로 하는게 낫다는 생각이 들었다. 비슷한 프로젝트를 진행하는 사람들을 위해서 도움이 될것 같아서 전반적인 프로젝트의 개요와 이를 어떻게 해결했는지 적어본다. 개인 음악 추천 챗봇 구현1. 배경: 알고리.. 2025. 5. 16. Chainlit 리서치 및 튜토리얼 적용 결과 Chainlit을 알게 된 경위는 이렇다. 멀티턴 대화랑 Tavily를 비롯한 LangChain tools를 결합해서 내 음악 디깅 전용 챗봇을 만들어보자는 취지였다. Ollama를 비롯해서 많이 쓰던 Open Web UI를 사용해볼까 했는데 백엔드와 프론트엔드까지 생각 하려니 예상보다 복잡한 것 같았다. 때문에 더 쉬운 툴이 없을까 하다가 찾은게 Chainlit이다. Docs: 링크Github: 링크Cookbook: 링크 튜토리얼의 코드를 살짝만 손보아서 채팅 목록을 저장해보았는데 잘 작동하는걸 확인했다. import jsonfrom datetime import datetimefrom pathlib import Pathfrom langchain_openai import ChatOpenAIfrom l.. 2025. 5. 14. LLM으로 테이블과 차트 생성 ChartLLama (논문 링크)와 LIDA (논문 링크)를 보면 파이썬 코드로 matplotlib를 통해서 생성하는 것을 확인할 수 있다. 올해 나온 ChartCoder라는 모델 (논문 링크)도 마찬가지로 테이블과 그림을 코드를 이용해서 그린다. ChartLLama논문: 링크Github: 링크 LIDA논문: 링크Github: 링크홈페이지: 링크 ChartCoder논문: 링크Github: 링크 실습한 코드는 본인의 Github (링크)에 업로드 했다. Table 생성 프롬프트 from langchain_openai import ChatOpenAIfrom langchain.prompts import PromptTemplate, ChatPromptTemplate # OpenAI LLM Wrappers .. 2025. 5. 8. 이전 1 2 3 4 ··· 6 다음
