Bedrock8 Amazon Bedrock, LangChain과 사용하기 - 8. 챗봇 구현 (RAG + Conversation Memory) Amazon Bedrock, LangChain과 사용하기 1. Amazon Bedrock, 개발환경 설정 2. Amazon Bedrock API, LangChain 사용해보기 3. 추론 매개변수 4. 스트리밍 API, 벡터 임베딩 5. Streamlit, 텍스트/이미지 생성 6. 간단한 검색증강(RAG : Retrieval Augmented Generation) 구현 7. 간단한 챗봇 구현 (Conversation Memory) 8. 챗봇 구현 (RAG + Conversation Memory) 이전에 챗봇에 RAG패턴을 적용하여 조금더 강력한 챗봇을 개발해보고자 합니다. ConversationBufferWindowMemory 를 사용하여 메모리를 구현하고 ConversationalRetrievalChai.. 2023. 10. 18. Amazon Bedrock, LangChain과 사용하기 - 7. 간단한 챗봇 구현 (Conversation Memory) Amazon Bedrock, LangChain과 사용하기 1. Amazon Bedrock, 개발환경 설정 2. Amazon Bedrock API, LangChain 사용해보기 3. 추론 매개변수 4. 스트리밍 API, 벡터 임베딩 5. Streamlit, 텍스트/이미지 생성 6. 간단한 검색증강(RAG : Retrieval Augmented Generation) 구현 7. 간단한 챗봇 구현 (Conversation Memory) 8. 챗봇 구현 (RAG + Conversation Memory) Amazon Bedrock과 일반적인 LLM의 경우 상태나 메모리에 대한 개념이 존재하지 않습니다. 모든 데이터는 외부적으로 추적된 다음 새로운 메세지와 함께 모델로 전달되어야합니다. 이번에는 채팅 기록을 추적하기.. 2023. 10. 18. Amazon Bedrock, LangChain과 사용하기 - 6. 간단한 검색증강(RAG : Retrieval Augmented Generation) 구현 Amazon Bedrock, LangChain과 사용하기 1. Amazon Bedrock, 개발환경 설정 2. Amazon Bedrock API, LangChain 사용해보기 3. 추론 매개변수 4. 스트리밍 API, 벡터 임베딩 5. Streamlit, 텍스트/이미지 생성 6. 간단한 검색증강(RAG : Retrieval Augmented Generation) 구현 7. 간단한 챗봇 구현 (Conversation Memory) 8. 챗봇 구현 (RAG + Conversation Memory) 기초모델 (FM : Foundation Model)은 일반적으로 오프라인으로 학습되므로 모델 학습 이후 모든 데이터에 구애받지 않고 모델을 학습시킬 수 있습니다. 기초모델의 경우 일반적인 도메인 코퍼스를 대상으로 .. 2023. 10. 18. Amazon Bedrock, LangChain과 사용하기 - 5. Streamlit, 텍스트/이미지 생성 Amazon Bedrock, LangChain과 사용하기 1. Amazon Bedrock, 개발환경 설정 2. Amazon Bedrock API, LangChain 사용해보기 3. 추론 매개변수 4. 스트리밍 API, 벡터 임베딩 5. Streamlit, 텍스트/이미지 생성 6. 간단한 검색증강(RAG : Retrieval Augmented Generation) 구현 7. 간단한 챗봇 구현 (Conversation Memory) 8. 챗봇 구현 (RAG + Conversation Memory) Streamlit은 머신러닝 애플리케이션을 시연하기 위한 프론트 엔드 애플리케이션을 쉽게 구성할 수 있도록 돕는 오픈소스 Python 런타임 프레임워크입니다. Streamlit을 사용하면 간단하고 매력적인 유저 인.. 2023. 10. 18. 이전 1 2 다음
