Onyu
AI가 보편화 되었을 땐 다음으로 어떤 산업이 가장 주목을 받을까?
그때는 진짜 자원 싸움이 되지 않을까?
결국 다시 모든 나라가 자원 개발 또는 재활용 산업에 뛰어들지 않을까?
쓰레기가 더욱 가치는 날이 오겠지?
왠지 자원을 100% 활용하는 산업이 커질 것 같다.
프로덕트
아직 프로덕트가 없습니다.
아티클
전체 보기
Onyu
약 2년 전 일이다.
내가 쓴 글 때문에 욕을 먹었다.
욕을 하도 먹어서 한 200년은 살 것 같았다.
학원에서 일할 때 단체문자를 보낼 일이 있었다.
학부모와 학생 600여명에 중요한 공지가 담긴 SMS를 전송했다.
1분이 지났을까?
학원 전화가 울렸다.
그리곤 답장 문자들이 쇄도 했다.
나는 스토리에 사진을 올린 유명 연예인이 된 줄 알았다.
이렇게 많은 전화와 문자가 쏟아지는 건 처음이었다.
그들의 질문은 모두 같았다.
"이게 뭔 소리죠?"
그날 욕은 정말 맛있었다.
집에 돌아왔다.
빡쳤다.
아니, 🐕빡쳤다.
나도 내가 쓴 글이 무슨 말인지 몰랐다.
너무 쫄팔렸다.
난독증을 가진 나에게 글쓰기이란, 멀미와 같았다.
울렁거렸다. 싫었다.
하지만 계속 멀미만 할 순 없었다.
배도 오래 타면, 멀미가 익숙해지지 않을까?
달리는 롤러코스터 안에서 한 달간 먹고자면, 배멀미는 식은죽 먹기 아닐까?
이런 마인드셋으로 일단 롤러코스터를 일주일간 타보기로 결심했다.
도서관에 가서 글쓰기 관련 책을 닥치는대로 읽었다.
하루도 빠짐없이 글을 썼다.
아직도 잘 쓰는지 모르겠다. 하지만 확실한 건, 예전보단 덜 멀미한다는 거다.
이젠 몇백통 CS전화 받지 않을 자신 있다.
글쓰기가 엿같은 분들에게 추천한다.
100만 클릭을 부르는 글쓰기
유시민의 글쓰기 특강
실전부터 배워보시라...
Onyu
나는 어리석게도 몇 년간 쉬운 길만 가려고 했다.
공짜를 바라는 욕심에서 출발했던 것 같다.
장사도 할 줄 모르면서, 플랫폼을 만들어 성공할 상상에 빠져 있었다.
시장을 잘 만들면, 장사꾼들이 알아서 들어와 장사를 할 거라고 생각했다.
장사꾼의 마음도 모른 채, 시장을 만든 난 어떻게 되었을까?
망.했.따
시장을 제대로 만들지도 못하고 끝났다. 이유는 간단했다.
뭘 만들어야 할지도 몰랐다. 확장만 하다가 결국 엎어졌다.
고객 문제에는 관심이 없었다. 내 성공하는 일에만 집중했다.
그래서 이제는 장사부터 해볼 생각이다.
장사로 시작해서 시장으로 끝낼 거다.
한국에 사는 열정러들에게 권하고 싶다.(걸러 들으셔도 좋습니다)
학력, 지식, 기술, 성과, 경험이 없거나 적다면 투자 받고 플랫폼 만들 생각하지 마시라...
받아도 사기고... 결국 투자자나 당신이나 매우 아플 거다.
세상에 공짜는 없다.
Onyu
#도전
올해 월 순수익만 오백 벌 거다.
작년에 회사 직영점들을 모두 네이버 플레이스 1위-5위권으로 만들어 놨다.
그것도 GPT와 Python으로 했다는 점이다.
블로그를 네이버 검색 첫페이지 노출하는 방법도 터득했다.
요즘 강력한 키워드들을 씹어 먹는 재미로 지내고 있다.
네이버 SEO가 어떻게 작동하는지, 그리고 어떻게 경쟁 블로그 글을 분석해야 하는지 알아냈다.
원리를 배웠으니, 이제는 진짜 돈을 벌 타이밍!
개발자 2명과 함께 프로그램을 만들어 팔아보려고 한다.
1월에 MVP를 만들고 바로 팔아 볼 계획이다.
Onyu
오늘은 'Langchain'이라는 흥미로운 오픈소스 개발자 프레임워크에 대해 이야기해 볼까 합니다.
2022년 10월에 출시된 이 프레임워크는 대규모 언어 모델(Large Language Model, LLM) 응용 프로그램을 구축하기 위해 설계되었어요.
Langchain 소개
창립자: Harrison Chase, LinkedIn의 CEO 겸 공동 창립자가 'Langchain'을 소개했어요.
배경: 원래는 Python 패키지로 시작했으나, 나중에 TypeScript 패키지까지 확장되었답니다.
커뮤니티와 기여도
Langchain 프로젝트는 언어 모델 응용 프로그램의 인기가 높아짐에 따라 관심이 크게 증가했어요.
이 프로젝트는 천 명이 넘는 기여자들을 자랑하며, 강력한 커뮤니티 참여와 협업 개발을 반영하고 있어요.
Langchain의 이중 가치 제안
모듈형 구성 요소: LLM 응용 프로그램을 만드는 데 필요한 기본 구성 요소들을 제공해요. 40개 이상의 LLM 제공자에 대한 표준 인터페이스와 LLM의 입력/출력을 관리하는 도구들이 포함돼 있죠.
사용 사례별 체인: 질문 답변, API에 자연어 계층 추가, 비정형 텍스트에서 구조화된 정보 추출 등과 같은 일반적인 응용 패턴을 위한 사전 정의된 체인을 제공해요.
중점 분야 및 혁신
검색: 최신 또는 특정 데이터에 대한 질문에 답하기 위해 검색-증강 생성 기능을 통해 LLM의 능력을 향상시키고 있어요.
에이전트: LLM을 추론 엔진으로 사용하는 에이전트의 인프라를 개발 중이에요.
도구 사용 및 평가: 복잡한 도구 상호 작용을 지원하며, 프로토타입과 생산 간의 격차를 해소하기 위한 평가 방법에 중점을 두고 있어요.
Databricks와의 통합 및 미래 비전
Langchain은 Databricks와 매끄럽게 통합되어 MLflow와 Spark와 같은 다양한 엔드포인트 및 도구를 지원해요.
Chase는 Langchain과 Databricks를 활용하여 AI 및 ML 혁신을 이끌 것을 권장하며, 커뮤니티가 개발할 미래의 응용 프로그램을 기대하고 있어요.
이렇게 Langchain에 대해 알아봤어요. 이 프레임워크가 어떻게 LLM 응용 프로그램 개발을 촉진할지, 그리고 커뮤니티가 어떤 혁신적인 작업을 해낼지 기대가 크네요!
포스트
아직 포스트가 없습니다.