안녕하세요. 8기 랭체인방 정정민입니다.
오늘은 chat model에 관한 공부를 진행했고
중간 과정을 공유드리겠습니다.
호출
다양한 문서나 코드를 보면 아래와 같은 방식으로 chat model을 사용합니다.
result = chat.generate(message)
혹은
results = chat(message)
혹은
results = chat.invoke([message])
혹은
results = chat.batch([message]) 뭐가 맞을까요?
결론은 모두 맞습니다. 그리고 모두 작동합니다.
다만 langchain이 업데이트 되면서 호출 방법이 업데이트 됩니다.
어떤게 가장 최신이죠?
지금은 Langchain 모든 모듈은 LCEL 표현 방식을 사용하도록 권장됩니다.
따라서 invoke와 batch 방식이 가장 최신입니다.
구조는 어떻게 구성되나요?
아래와 같은 구조를 갖고 있습니다.
결국 근본은 generate 함수입니다.
다른 method 들은 내부적으로 generate 함수를 호출하고 있죠
왜 이렇게 쓰나요?
모든 Langchain 사용 과정을 본건 아니지만
LCEL이라는 통일된 형태로 모든 정보를 사용하기 위함으로 보입니다.
invoke의 결과물은 LCEL로 사용할 수 있는 모듈로 casting을 진행합니다. (코드)
즉, pipeline 과정에서 수월히 쓰기 위함이죠
1차 결론
LCEL는 앞으로(이미??) Langchain에 근본이 되는 구조로 보입니다.
빨리 공부해서 숙지해야겠네요.
잘 와닿지는 않아도 invoke, batch, steam을 써보기로!
대화하기
chatGPT가 단순 LLM보다 큰 의미를 갖는 이유는 대화가 가 능성이 한 몫 할겁니다.
Langchain도 이것한 가능한 모델을 제공해 대화가 가능하게 합니다.
chat = ChatOpenAI(openai_api_key=OPENAI_API_KEY)내부에 구현된 chat model로 대화를 시도합니다.
while 문으로 반복적으로 입력을 제공합니다.
희망하건데, 이전 질문과 답변에 결을 맞춘 대답을 해주길..
결과가..??
잘 안됩니다
이전에 얘기 했던 질문과 그에 맞는 적절한 답변에 추가적인 질문을 제공했을 때
쌩뚱맞은 결과를 보여줍니다.
마치 처음 받는 질문 같은 모습이죠??
이 모습은 단순 LLM 모델을 쓰는 것과 같습니다.
내부 코드도 그렇습니다.
위는 OpenAI 에게 호출을 보내기 직전의 코드
제공하는 kwargs를 보면 마지막 질문에 대한 내용만 입력으로 들어갑니다.
과거 정보를 알 수 없겠죠??
OpenAI에서 제 호출을 기억해주고 있으면 모르겠지만.. 그렇게 해주지는 않겠죠?
2차 결론
단순 chat model은 (특별한 세팅을 하기 전에) 대화를 저장하는 기능이 없습니다.
물론 system message, human message, AI message를 강제로 세팅은 가능
messages = [
SystemMessage(content="너는 친절한 도우미다"),
HumanMessage(content="머신러닝이 뭐냐?"),
]대화같은 대화하기
생각보다 대화같은 대화를 하는건 어렵지 않았습니다.
how?
대화 기록을 Message Module의 형태로 listing 해서 보관하고 모델에 넣어주면 됩니다.
conversation = []
while True:
user_input = input("사용자 입력: ")
if user_input.lower() == "종료":
break
user_message = HumanMessage(content=user_input)
conversation.append(user_message)
response = chat.invoke(conversation)
conversation.append(response)
print("모델 응답:", response.content)
추후 사용 시 필요에 따라 사용할 이전 내용을 핸들링 해주면 될 듯
전체 단어수로 조절 하던지
전체 list 수로 조절 하던지
등등
떠오르는 질문
model.batch([message1, message2]) 와의 차이를 알아봐야 함
삽질 : InMemoryCache
대화 저장 과정을 모델의 새로운 입력으로 사용하기 위한 기능을 찾아보던 중 너무 매력적인 코드를 보게 됨 (링크)
또한, docs에도 설명이 구체적이지 않았구요.. 링크
결론적으로 이는 대화 내용을 저장하는건 맞지만, 이것을 이용해 모델의 출력에 긍정적인 영향을 주는 것은 아님
InMemoryCache
코드 내부에 저장되는 dict 저장소
key : tuple( (str)사용자입력, (str)LLM출력 )
value : LLM의 AIMessage 객체
이전에 있었던 사용자 입력과 똑같은 입력이 들어오면 빠른 답변을 주기 위한 기능
세팅 및 사용
코드 맨 앞에 이를 적어주면 됨
cache = InMemoryCache()
set_llm_cache(cache)필요시 상기 명시한 내용대로 key, value를 넣어서 dict를 update 시키면 됨
마지막 결론
chat model은 이전 대화 내용을 유지한 상태로 대화가 가능함
List의 형태로 저장해서 넣어주면 됨
이전 대화가 없다면 단순 LLM과 다름이 없음
LCEL는 Langchain을 관통하는 큰 개념이라 추가 공부 필요!
작성자
정정민
블로그 : 링크