김주원

김주원님의 아티클

김주원

김주원

프롬프트 엔지니어들을 위한 예제, 팁 모음

LLM 모델로부터 좋은 결과물을 얻으려면 프롬프트를 잘 작성해줘야 하는데, 쓰다보면 생각보다 내가 원하는 대로 동작하지 않아서 막막하고 어렵다는 것 느낄 때가 있을텐데요.


이럴 때 다른 사람들이 잘 써둔 것 보면 도움이 많이 됩니다. 이번 글은 오픈소스에 올라와있는 다양한 프롬프트 예제들 모아둔 링크 공유드리고 GPT 기반 서비스를 생각한다면 읽어봐야 하는 팁들 정리해보았습니다.

url thumbnail

생성형 AI 제대로 다뤄보기 (4): 프롬프트 엔지니어들을 위한 예제, 팁 모음

이번 글에서는 유명한 오픈소스들에서 기본적으로 제공하는 프롬프트 템플릿 리스트들을 모아둔 깃허브 레포 링크 안내드리고, 기억하고 있으면 좋을 몇가지 아이디어 정리해 보았습니다

https://medium.com/@joowon.kim/생성형-ai-제대로-다뤄보기-4-프롬프트-엔지니어들을-위한-예제-팁-모음-92b46eba693?source=friends_link&sk=ec3856ccc68137df8af1720665e61b24


4
0
김주원

김주원

LLM을 제품화 하기 위한 프레임워크 소개 및 비교

이번 글은 팀 또는 기업이 GPT 와 같은 LLM 모델들을 서비스화 하기 위해 사용해 볼 수 있는 프레임워크들에 대한 소개 및 비교 글입니다.

이 글을 통해 Langchain 말고도 Semantic-Kernel 이라는 좋은 옵션이 있다는 것과, 각자의 상황에서 어떤 프레임워크를 선택해야 하는지 알아가시면 좋을 것 같습니다 :)

url thumbnail

Langchain or Semantic Kernel: Which One Fits Your NLP Needs?

이번 글에서는 GPT 기반 기술들을 서비스에 Integration 하기 위해 주로 사용되는 프레임워크 두가지를 간단하게 소개하고 비교할 것입니다.

https://medium.com/@joowon.kim/langchain-or-semantic-kernel-which-one-fits-your-nlp-needs-c87c2829a32b?source=friends_link&sk=b8f75c278f09393f41d70f8e69800621


7
0
김주원

김주원

GPT와 Prompt-Engineering 기술만으로 복잡한 NLP Task 수행하기

"생성형 AI 제대로 다뤄보기" 시리즈의 세번째 글은 어려운 NLP 문제를 GPT-3 만으로 해결하고 원하는 포맷(json, ..) 에 담아내는 방법을 다룹니다.


이 글을 통해 GPT-3를 단순한 텍스트 생성기가 아닌, 다재다능한 Assistant 로써 활용할 수 있기를 기대합니다. 예제는 코드 형태로도 확인하고 사용해보실 수 있도록 github 링크도 남겨두었습니다. :)


url thumbnail

텍스트 기반 생성형 인공지능 개선하기 (3): Prompt-Engineering (Case Study, complex task)

텍스트 기반 생성형 인공지능의 성능 개선 안내하는 글이며, Prompt-Engineering에 관한 내용을 복잡한 작업을 수행하도록 하는 예시를 통해 담아봤어요

https://medium.com/@joowon.kim/텍스트-기반-생성형-인공지능-개선하기-3-prompt-engineering-case-study-complex-task-c5ed9889a57f


url thumbnail

medium-examples/complex_task.py at main · joowon-dm-snu/medium-examples

Contribute to joowon-dm-snu/medium-examples development by creating an account on GitHub.

https://github.com/joowon-dm-snu/medium-examples/blob/main/handle_gen_ai/1_prompt_engineering/case2/complex_task.py


6
2
김주원

김주원

GPT와 Prompt-Engineering 기술만으로 챗봇 만들어보기

"생성형 AI 제대로 다뤄보기" 시리즈의 두번째 글은 간단한 챗봇을 만들어보면서, 어떤 Prompt-Engineering 기술들이 있는지 확인하고 적용해보는 내용입니다.


챗봇의 페르소나 추가, 말투 교정, 답변 영역 추가, 답변 영역 제한, 개인화에 관한 내용을 다루고 있습니다.


사실 기업에서 제대로 챗봇을 구현하려면, 훨씬 상세하고 정교한 준비 작업들이 필요하지만 간단하게 GPT-3 만을 이용해서 첫 발을 뗄 수 있도록 돕고 싶었습니다. 나중 연재할 시리즈에서는 실제 대화 설계 프로세스에 기반해서 실전에 쓰일 수 있는 챗봇도 다룰 예정입니다 :)


url thumbnail

텍스트 기반 생성형 인공지능 개선하기 (2): Prompt-Engineering (Case Study, chatbot)

텍스트 기반 생성형 인공지능의 성능 개선 안내하는 글이며, Prompt-Engineering에 관한 내용을 Chatbot 예시를 통해 담아봤어요

https://medium.com/@joowon.kim/텍스트-기반-생성형-인공지능-개선하기-2-prompt-engineering-case-study-chatbot-debb906539bd
4
0
김주원

김주원

GPT-3, chatGPT로 제품 만들었는데 이제 뭘 하면 되나요?

생성형 인공지능이 핫해지면서 GPT-3 또는 chatGPT에 대한 수요가 많이 늘었죠. 아직 신기술의 영역이다보니 기본적인 지식을 다룬 글은 많지만, 실제 제품을 운영하고 고도화할 때 참고할만한 좋은 글이 없는것 같더라구요.


많은 아쉬움을 느껴 coxwave에서 생성형 인공지능을 기반으로 한 제품들을 만들고 개선했던 노하우를 담아 "텍스트 기반 생성형 인공지능 개선하기" 시리즈를 작성하게 되었습니다.


이번 시리즈가 텍스트 생성 인공지능 모델을 어떻게 개선하면 될지 고민하고 계신 분들에게 도움이 되었으면 좋겠습니다 :)

텍스트 기반 생성형 인공지능 개선하기 (1): Prompt-Engineering

2
0