Azure OpenAI Service로 시작하는 ChatGPT/LLM 시스템 구축 입문의 Jupyter Notebook 예제다.
- 00_DataIngest_AzureAISearch_PythonSDK.ipynb: 노트북에 있는 콘텐츠들을 실행하기 위해 필요한 Azure AI Search의 검색 인덱스를 생성한다.
- 01_AzureAISearch_PythonSDK.ipynb: Azure AI Search의 키워드 검색, 벡터 검색, 의미 체계 하이브리드 검색을 사용한다.
- 02_RAG_AzureAISearch_PythonSDK.ipynb: Azure AI Search로 RAG 아키텍처를 구현한다. 검색 쿼리 생성, 검색 결과 취득, 응답 생성의 세 단계로 나눠 실행한다.
- 03_ReAct_ToolSelection_LangChain.ipynb: ReAct로 툴을 선택한다. 예제 코드에서는 2개의 툴(Azure AI Search, CSV 룩업 테이블)을 사용해서 정보를 검색한다.
- 04_ReAct_MusinCafeReservationPlugins_LangChain.ipynb: 무신 카페 검색 & 예약 플러그인 예제다. 두 가지 시스템을 ChatGPT 플러그인으로 공개하고, 이를 오케스트레이터인 LangChain에서 호출한다.
- 05_AzureAISearch_LangChain.ipynb: LangChain으로 Azure AI Search의 검색 쿼리를 사용한다.
- 01_AzureOpenAI_completion.ipynb: Azure OpenAI의 Completion API를 활용하여 여러 작업을 수행한다.
- 02_AzureOpenAI_chatcompletion.ipynb: Azure OpenAI Chat Completion API의 기본적인 기능들을 사용해보는 예제다.
- 03_AzureOpenAI_functioncalling.ipynb: Azure OpenAI의 Function Calling(함수 호출) 기능을 사용해보는 예제다.
- 04_AzureOpenAI_embeddings.ipynb: Azure OpenAI Embeddings API의 기본적인 기능들을 사용해보는 예제다.
- 05_SemanticKernel.ipynb: SemanticKernel의 기본적인 기능들을 사용해보는 예제다.
- 06_AzureAIDocumentIntelligence.ipynb: Azure AI Document Intelligence로 PDF에서 정보를 추출하는 예제다.
예제 코드를 실행하려면 다음과 같은 환경이 필요하다. 아래 내용을 참고하여 설정한다.
Python 3.10.11을 다운받아 실행한다.
참고로 Linux（Ubuntu）나 macOS는 기본으로 파이썬이 설치되어 있어 별도의 설치 과정 없이도 사용할 수 있다. 단, 기본으로 설치된 파이썬은 오래된 버전인 경우가 있다. 이 책에서는 Python 3.10.11을 사용하므로 실행에 문제가 있으면 이 버전을 설치하는 것을 권장한다.
CMD 혹은 터미널에서 다음 커맨드를 입력하여 Jupyter Notebook을 설치한다.
pip install notebook설치가 완료되면 Jupyter Notebook을 실행하는 아래 커맨드를 입력한다.
jupyter notebook여기까지 진행하면 기본 브라우저에서 Jupyter UI가 나타나야 한다.
라이센스는 MIT 라이센스를 따른다.