AskSage Open Source Community
1.0.0
? Sage Python 클라이언트 v1.2.4에 문의하세요.
Ask Sage 개요 저장소에 오신 것을 환영합니다! ?
이 저장소는 진행 중인 프로젝트입니까? 샘플 코드 ? 및 문서 ?의 모음으로 만들어졌습니다. Ask Sage API를 통해 Ask Sage와 상호 작용할 때. 추가 콘텐츠에는 실제 단계가 포함될 수 있습니다. Ask Sage 플랫폼 내에 있지만 대부분의 경우 이 저장소는 API를 활용하고 미니 개념 증명 프로젝트를 만드는 데 중점을 둡니다.
제공된 예제는 생성적 AI와 관련된 광범위한 주제를 다루며 AI 및 프로그래밍에 대한 다양한 수준의 경험을 가진 사용자가 접근할 수 있도록 설계되었습니다. 현재 우리는 이 저장소에서 다룰 내용에 대한 아이디어 목록을 제공했으며 더 많은 콘텐츠가 추가되면 업데이트될 것입니다.
참고: 유료 구독자는 Ask Sage API만 사용할 수 있습니다. ??
이는 Ask Sage 사용자에게 추가 리소스와 예시를 제공하기 위한 커뮤니티 중심의 노력입니다.
여기에서 AskSage 공식 웹사이트를 방문하세요.
이 저장소에 기여하는 데 관심이 있다면 기여 지침에서 자세한 내용을 확인하세요.
질문이 있거나 도움이 필요한 경우 언제든지 이 저장소의 관리자나 Ask Sage 팀에 직접 문의하세요.
추가 리소스:
참고: 이 저장소의 콘텐츠는 오래되었거나 부정확할 수 있으므로 최신 정보는 공식 AskSage 설명서를 참조하세요.
AskSage는 광범위한 AI 모델 및 도구에 대한 액세스를 제공하는 불가지론적인 생성 AI 플랫폼입니다. 이 플랫폼은 사용하기 쉽고 사용자/조직의 요구 사항을 충족하기 위해 추가로 사용자 정의할 수 있는 기존 워크플로에 통합되도록 설계되었습니다.
불가지론적으로 독특하게 설계된 Ask Sage는 다양한 작업에 사용할 수 있는 광범위한 모델에 대한 액세스를 제공합니다. 사용 가능한 일부 모델에는 다음이 포함되지만 이에 국한되지는 않습니다.
| 모델명 | 설명 |
|---|---|
| Azure OpenAI | OpenAI에서 개발하고 Azure 플랫폼에서 호스팅되는 최첨단 언어 모델입니다. |
| Azure Gov OpenAI | OpenAI에서 개발하고 Azure Gov 플랫폼에서 호스팅되는 최첨단 언어 모델입니다. |
| 구글 제미니 프로 | Google에서 개발하고 다양한 자연어 처리 작업에 최적화된 언어 모델입니다. |
| LLMA3 | 고품질 텍스트 생성에 탁월한 Meta가 개발한 대규모 언어 모델입니다. |
| 미스트랄 | 창의적이고 일관된 텍스트를 생성할 수 있는 Mistral이 개발한 강력한 언어 모델입니다. |
| 클로드 3 | 코드 생성 및 프로그래밍 관련 텍스트에 중점을 두고 Anthropic에서 개발한 언어 모델입니다. |
| 코히어 | 코드 생성을 전문으로 하는 Cohere Technologies에서 개발한 언어 모델입니다. |
| OpenAI 속삭임 | 음성을 텍스트로 변환하는 기능을 지원하는 OpenAI에서 개발한 언어 모델입니다. |
| DALL-E v3 | 이미지 생성을 전문으로 하는 OpenAI가 개발한 언어 모델입니다. |
2024년 10월 22일 현재 Ask Sage 플랫폼에서 사용 가능한 모델의 실제 목록은 다음과 같습니다.
models = [ 'aws-bedrock-titan' , 'llma3' , 'claude2' , 'claude-3-opus' , 'claude-3-sonnet' , 'claude-35-sonnet' , 'cohere' , 'mistral-large' , 'gpt-gov' , 'gpt4-gov' , 'gpt' , 'gpt4' , 'gpt4-32k' , 'gpt35-16k' , 'gpt4-vision' , 'gpt-4o' , 'gpt-4o-mini' , 'dall-e-2' , 'dall-e-3' , 'google-bison' , 'google-gemini-pro' , 'gpt-4o-gov' , 'groq-70b' , 'gpt-o1' , 'gpt-o1-mini' , 'xai-grok' ]Ask Sage 팀은 사용자의 요구에 맞는 더 많은 모델을 추가할 수 있습니다. (추가비용이 발생할 수 있습니다)
참고: 위에 나열된 모델은 변경될 수 있으며 향후 더 많은 모델이 추가될 수 있습니다.
Ask Sage와 상호 작용하는 두 가지 주요 방법은 다음과 같습니다.
Ask Sage API는 플랫폼을 통해 사용 가능한 모델과 상호 작용하기 위한 RESTful 인터페이스를 제공합니다. 사용자는 API에 요청을 보내고 JSON 형식으로 응답을 받을 수 있습니다. API는 사용하기 쉽고 기존 워크플로우에 통합되도록 설계되었습니다.
전반적으로 이 저장소는 Generative AI의 기능과 실제 시나리오에서 사용할 수 있는 방법을 탐색하기 시작할 때 설정 지침, 예제 및 기타 리소스를 제공합니다.
Ask Sage API는 사용 가능한 엔드포인트, 요청 매개변수, 응답 형식 및 인증 방법에 대한 자세한 정보를 제공하는 Swagger를 사용하여 문서화되어 있습니다.
다음 표에는 사용자 API에서 사용 가능한 엔드포인트가 나와 있습니다.
| 엔드포인트 | 설명 |
|---|---|
| /get-token-with-api-key | API 키와 이메일로 액세스 토큰 받기 |
| /get-사용자-로그인 | 마지막 로그인 정보 가져오기(기본적으로 5개로 제한됨) |
| /get-사용자-로그 | 마지막 메시지 받기 |
| /추가-데이터세트 | 새 데이터 세트 추가 |
| /할당-데이터세트 | 데이터 세트 할당 |
| /삭제-데이터세트 | 데이터세트를 삭제합니다. |
이 정보는 Ask Sage API와 상호작용하는 데 사용됩니다. 사용자는 모델 쿼리, 페르소나 선택/가져오기, 데이터 세트 가져오기, 모델 교육 등을 수행할 수 있습니다.
다음 표에는 서버 API에서 사용 가능한 엔드포인트가 나와 있습니다.
| 엔드포인트 | 설명 |
|---|---|
| /get-모델 | Ask Sage 서비스를 통해 사용 가능한 모델 목록을 반환합니다. |
| /질문 | 사용자 입력을 기반으로 완성을 생성하기 위한 기본 엔드포인트 |
| /query_with_file | 사용자 입력을 기반으로 완성을 생성하기 위해 파일 엔드포인트로 쿼리 |
| /쿼리-플러그인 | 사용자 입력을 기반으로 완성을 생성하기 위해 플러그인 엔드포인트로 쿼리 |
| /실행-플러그인 | 제공된 콘텐츠로 플러그인 실행 |
| /follow_up_questions | 사용자 입력을 기반으로 후속 질문을 생성하기 위한 엔드포인트 |
| /토크나이저 | 문자열 값의 토큰을 가져오기 위한 엔드포인트 |
| /get-페르소나 | 문자열 토큰을 가져오기 위한 엔드포인트 |
| /get-데이터세트 | 사용 가능한 데이터세트 목록을 반환합니다. |
| /get-플러그인 | 사용 가능한 플러그인 목록을 반환합니다. |
| /get-기차 | 사용자 입력을 기반으로 모델을 학습합니다. |
| /파일 | 지원되는 파일을 일반/텍스트로 변환합니다. |
Python API 클라이언트는 다음 링크를 통해 문서화되고 관리됩니다: https://pypi.org/project/asksageclient/
| 기능 이름 | 설명 |
|---|---|
get_models | Ask Sage 서비스에서 사용 가능한 모델을 받으세요. |
add_dataset | 새 데이터세트를 추가합니다. |
delete_dataset | 지정된 데이터세트를 삭제합니다. |
assign_dataset | 데이터 세트 할당 |
get_user_logs | 사용자에 대한 모든 로그를 검색합니다. |
get_user_logins | 특정 사용자의 로그인 정보를 검색합니다. |
query | Ask Sage API의 /query 엔드포인트와 상호작용합니다. |
query_with_file | 파일을 사용하여 쿼리를 실행합니다. |
query_plugin | 특정 플러그인을 사용하여 쿼리를 실행합니다. |
execute_plugin | 제공된 콘텐츠로 플러그인을 실행합니다. |
follow_up_questions | Ask Sage API의 /follow-up-questions 엔드포인트와 상호작용하세요. |
tokenizer | Ask Sage API의 /tokenizer 엔드포인트와 상호작용합니다. |
get_personas | Ask Sage 서비스에서 사용 가능한 페르소나를 얻으세요. |
get_datasets | Ask Sage 서비스에서 사용 가능한 데이터 세트를 가져옵니다. |
get_plugins | Ask Sage 서비스에서 사용 가능한 플러그인을 받으세요. |
count_monthly_tokens | Ask Sage 서비스에서 이 사용자에 대해 지출된 월간 교육 토큰 수를 가져옵니다. |
count_monthly_teach_tokens | 한 달 동안 사용된 학습 토큰 수를 계산합니다. |
train | 제공된 콘텐츠를 기반으로 모델을 학습합니다. |
train_with_file | 제공된 파일을 기반으로 데이터 세트를 훈련합니다. |
file | Ask Sage 서비스에 파일을 업로드하세요. |
예제 섹션에서는 이러한 엔드포인트를 사용하여 Ask Sage API와 상호 작용하고 플랫폼에서 사용 가능한 모델을 사용하여 텍스트를 생성하는 방법에 대한 예제를 제공합니다.
사용자는 Ask Sage 플랫폼에서 API 키를 얻고 이를 사용하여 액세스 토큰을 생성할 수 있습니다. API 키는 사용자를 인증하고 API 엔드포인트에 대한 액세스 권한을 부여하는 데 사용되는 고유 식별자입니다.
메뉴 옵션으로 이동하여 '계정 및 토큰' 옵션을 선택하세요.
'API 키' 섹션까지 아래로 스크롤한 후 'API 키 생성' 버튼을 클릭하세요.
'새 API 키 생성' 버튼을 선택하여 새 API 키를 생성합니다. API 키의 고유 이름을 입력하고 '제출' 버튼을 클릭하세요.
API Key가 생성되어 화면에 표시됩니다. API 키를 복사하여 안전한 위치에 저장하세요.
사용자가 Ask Sage Endpoints로 인증할 수 있는 세 가지 방법이 있습니다.
API 키와 이메일을 사용하여 사용자를 인증하고 Ask Sage Python 클라이언트를 통해 액세스 권한을 부여할 수 있습니다. API 키와 사용자 이메일은 요청 헤더에 포함됩니다.
예를 들어, 다음 코드 조각은 AskSageClient 클래스의 인스턴스를 생성하고 API 키와 이메일을 사용하여 Ask Sage API로 인증하는 방법을 보여줍니다.
import json # Import the json module to work with JSON data
import requests # Import the requests library to send HTTP requests
from asksageclient import AskSageClient # Import the AskSageClient class from the asksageclient module
# Function to load credentials from a JSON file
def load_credentials ( filename ):
try :
with open ( filename ) as file :
return json . load ( file )
except FileNotFoundError :
raise FileNotFoundError ( "The credentials file was not found." )
except json . JSONDecodeError :
raise ValueError ( "Failed to decode JSON from the credentials file." )
# Load the credentials
credentials = load_credentials ( '../../credentials.json' )
# Extract the API key, and email from the credentials to be used in the API request
api_key = credentials [ 'credentials' ][ 'api_key' ]
email = credentials [ 'credentials' ][ 'Ask_sage_user_info' ][ 'username' ]
"""
class AskSageClient(
email: email, # The email address of the user
api_key: api_key, # The API key for the Ask Sage API, which can be obtained from the Ask Sage website
user_base_url: str = 'https://api.asksage.ai/user', # The base URL for the user API
server_base_url: str = 'https://api.asksage.ai/server' # The base URL for the server API
)
"""
ask_sage_client = AskSageClient ( email , api_key ) # Create an instance of the AskSageClient class with the email and api_key 이 설정에 따라 사용자는 이제 AskSageClient 개체를 사용하여 Ask Sage API와 상호 작용할 수 있습니다.
액세스 토큰은 엔드포인트 '/get-token-with-api-key'와 함께 API 키와 이메일 주소를 사용하여 생성됩니다. 액세스 토큰은 24시간 동안 유효하며 Ask Sage API에 대한 요청을 인증하는 데 사용할 수 있습니다.
액세스 토큰은 제한된 시간 동안만 유효하고 주기적으로 다시 생성되어야 하므로 이는 보다 안전한 인증 방법입니다.
다음은 이메일 주소와 API 키를 사용하여 액세스 토큰을 얻는 방법을 보여주는 Python의 샘플 코드 조각입니다.
import requests
# Define the endpoint URL
url = "https://api.asksage.ai/user/get-token-with-api-key"
# Define the payload with the user's email and API key
payload = {
"email" : "your_email@your_domain.com" ,
"api_key" : "sdfsdfsfr23456789" # Your API key generated from the Ask Sage platform
}
# Set the headers, if required (e.g., Content-Type)
headers = {
"Content-Type" : "application/json"
}
# Make the POST request
response = requests . post ( url , json = payload , headers = headers )
# Check if the request was successful
if response . status_code == 200 :
# Parse the JSON response
data = response . json ()
# raw response
print ( data )
# Extract the access token only from the response
access_token = data [ 'response' ][ 'access_token' ]
print ( access_token )생성된 액세스 토큰은 다음 24시간 동안 Ask Sage API에 대한 요청을 인증하는 데 사용될 수 있습니다. 다음은 액세스 토큰을 사용하여 Ask Sage API 엔드포인트에 대한 요청을 인증하는 방법의 예입니다.
import requests
# Define the access token obtained from the previous request - Note: You would want to store this securely and not hardcode it in your script/file.
access_token = "fghjkl4567890" # Replace with the actual access token
# Define the endpoint URL
url = "https://api.asksage.ai/user/get-user-logins" # Replace with the actual base URL of the API
# Define the payload with the limit parameter
payload = {
"limit" : 1 # Replace with the desired limit (max is 100)
}
# Set the headers, including the Authorization header with the Bearer token
headers = {
"x-access-tokens" : access_token ,
"Content-Type" : "application/json"
}
# Make the POST request
response = requests . post ( url , json = payload , headers = headers )
# Check if the request was successful
if response . status_code == 200 :
# Parse the JSON response
data = response . json ()
print ( "User Logins:" , data )
else :
print ( f"Failed to get user logins. Status code: { response . status_code } " )
print ( f"Response: { response . text } " )API에 액세스해야 할 때마다 액세스 토큰을 생성하는 대신 토큰이 필요한 곳에 정적 API 키를 전달할 수 있습니다. 이는 24시간 액세스 토큰을 생성하는 것만큼 안전하지는 않지만 일부 사용 사례에서는 유효한 옵션입니다.
참고: 예상되는 헤더 변수는
x-access-tokens이고 값은 API 키입니다. API 키에는 시간 제한이 없지만 보안상의 이유로 주기적으로 다시 생성하는 것이 좋습니다.
import requests
# Define the access token obtained from the previous request - Note: You would want to store this securely and not hardcode it in your script/file.
access_token = api_key #
# Define the endpoint URL
url = "https://api.asksage.ai/user/get-user-logins" # Replace with the actual base URL of the API
# Define the payload with the limit parameter
payload = {
"limit" : 1 # Replace with the desired limit (max is 100)
}
# Set the headers, including the Authorization header with the Bearer token
headers = {
"x-access-tokens" : access_token ,
"Content-Type" : "application/json"
}
# Make the POST request
response = requests . post ( url , json = payload , headers = headers )
# Check if the request was successful
if response . status_code == 200 :
# Parse the JSON response
data = response . json ()
print ( "User Logins:" , data )
else :
print ( f"Failed to get user logins. Status code: { response . status_code } " )
print ( f"Response: { response . text } " )이 예에서는 Ask Sage API와 상호 작용하는 방법과 응답에서 무엇을 기대할 수 있는지에 더 중점을 둘 것입니다. 또한 Generative AI의 기능과 이를 실제 시나리오에서 어떻게 사용할 수 있는지 보여주기 위해 일부 미니 프로젝트가 생성될 예정입니다. 이 저장소는 Ask Sage API에 중점을 두고 있지만 예제는 유사한 서비스를 제공하지만 엔드포인트나 매개변수가 다를 수 있는 다른 플랫폼에 적용할 수 있을 만큼 충분히 일반적입니다.
참고: 현재 예제는 텍스트 기반 모델에 더 중점을 두고 있지만 LLM과 이미지, 오디오 및 비디오(다중 모드 모델)와 같은 다른 데이터 유형의 상호 작용으로 확장될 예정입니다. 이러한 예를 살펴보면 프로젝트가 더 복잡해지고 완료하는 데 더 많은 리소스와 시간이 필요합니다.
requirements.txt 에서 패키지를 설치한 후 업데이트된 패키지를 사용하려면 Jupyter 커널을 다시 시작해야 할 수도 있습니다. 이렇게 하면 새로 설치된 라이브러리가 올바르게 로드됩니다.
✅ 완료 ✅
이는 실제 예가 아니라 AI 사용의 윤리적 영향과 잠재적 위험을 완화하는 방법에 대한 논의에 가깝습니다. 우리는 사용자가 AI 작동 방식에 대해 잘 교육받아야 한다는 점을 강조하지만, GenAI 도구를 통해 생성된 내용이 항상 정확할 수는 없다는 명확한 이해도 제공합니다.
✅ 완료 ✅
이 예에서는 Ask Sage API 엔드포인트를 사용하는 방법과 높은 수준의 응답에서 기대할 수 있는 사항을 다룹니다. 다음 예제에서는 실제 시나리오에서 엔드포인트를 사용하여 유용한 애플리케이션, 도구 또는 서비스를 만드는 방법을 보여줍니다.
? 건설 중? --> 정식 출시가 곧 시작됩니다!
이 예에서는 LLM 모델과 상호 작용하는 방법과 프롬프트 엔지니어링을 사용하여 모델이 원하는 출력을 생성하도록 안내하는 데 사용할 고품질 텍스트를 생성하는 방법을 다룹니다. 프롬프트 엔지니어링은 언어 모델의 출력을 제어하고 특정 기준이나 요구 사항을 충족하는 텍스트를 생성하는 데 사용할 수 있는 강력하고 필요한 기술입니다.
? 건설 중?
대부분의 경우 LLM 모델은 다양한 소스의 광범위한 텍스트를 포함하고 사용자의 특정 요구 사항과의 관련성이 보장되지 않는 대규모 데이터 세트에 대해 교육됩니다. 그러나 Ask Sage에서 사용자는 자신의 도메인이나 사용 사례와 관련된 텍스트가 포함된 사용자 지정 데이터 세트를 생성하고 이를 RAG(검색 증강 생성)와 같은 방법과 함께 사용하여 모델 성능을 향상시킬 수 있습니다. 따라서 이 예에서는 사용자 정의 데이터 세트를 생성하고 이를 LLM 모델과 함께 사용하여 사용자의 요구 사항에 더 적합한 텍스트를 생성하는 방법을 다룹니다. 모델이 데이터 세트와 작동/통합하는 방법에 대한 자세한 정보는 예시 내에서 제공됩니다.
? 건설 중?
현재 사용 가능한 LLM 모델의 수는 방대하며 생성 AI 분야에서 더 많은 연구가 진행됨에 따라 계속해서 증가할 것입니다. 이 예에서는 Ask Sage agnostic API 방법을 사용하여 다양한 LLM 모델을 비교하고 텍스트 품질, 일관성, 창의성 등과 같은 다양한 기준에 따라 성능을 평가하는 방법을 다룹니다. 사용자는 이 정보를 사용하여 자신의 필요에 가장 적합한 모델을 선택하고 프로젝트에 사용할 모델에 대해 정보에 입각한 결정을 내릴 수 있습니다.
이 섹션으로 이동하려면 LLM 모델 비교를 클릭하세요.
? 건설 중?
이것은 독특한 프로젝트이고 앞으로는 구식이 될 것입니다. 하지만 LLM은 사용자가 제공한 입력을 기반으로 텍스트를 생성하는 텍스트 기반 모델입니다. 하지만 수동으로 만들지 않고도 다이어그램을 생성하려면 어떻게 해야 할까요? 예를 들어 순서도, 마인드 맵, 간트 차트 또는 기타 유형의 다이어그램을 원한다고 가정해 보겠습니다. 이 예에서는 텍스트 기반 다이어그램 생성 도구인 mermaid.js를 사용하여 LLM 모델에서 생성된 텍스트를 기반으로 다이어그램을 생성하는 방법을 다룹니다.
이 섹션으로 이동하려면 LLM을 사용한 다이어그램 생성을 클릭하세요.
? 건설 중?
Raspberry Pi 또는 Jetson Nano와 같은 에지 장치에 LLM 모델을 배포할 수 있다면 어떨까요? 이 예에서는 엣지 장치에 LLM 모델을 배포하고 Ask Sage API를 활용하여 텍스트를 생성하는 방법을 다룹니다.
이 섹션으로 이동하려면 Edge 장치에 LLM 배포를 클릭하세요.
? 건설 중?
LLM 모델의 성능을 어떻게 평가하고 시간 경과에 따른 진행 상황을 모니터링합니까? 이 예에서는 LLM 모델에 대한 주요 지표와 통찰력을 표시하는 대시보드를 만드는 방법을 다룹니다. 사용자는 이 대시보드를 사용하여 모델의 성능을 추적하고 시간이 지남에 따라 이를 개선하는 방법에 대해 정보에 입각한 결정을 내릴 수 있습니다.
하지만 먼저 @arize-ai phoenix 오픈 소스 도구를 사용하여 LLM 모델에 대한 주요 지표와 통찰력을 표시하는 대시보드를 생성하겠습니다.
? 건설 중?
서로 소통하고, 서로의 결과물을 바탕으로 텍스트를 생성할 수 있는 챗봇 네트워크를 만들어 봅시다. 이 예에서는 LLM 모델을 사용하여 챗봇 네트워크를 생성하고 챗봇 간의 대화를 시뮬레이션하는 방법을 다룹니다. 사용자는 이 네트워크를 사용하여 다양한 애플리케이션, 시나리오 및 모델링 사용 사례에서 사용할 수 있는 창의적이고 매력적인 텍스트를 생성할 수 있습니다.
이 섹션으로 이동하려면 LLM Chatbot Network를 클릭하세요.
여기서는 특정 예나 사용 사례를 요청하는 사용자로부터 발생한 추가 예 목록을 제공합니다. 보고 싶은 구체적인 예나 사용 사례가 있는 경우 당사에 문의해 주시면 귀하의 요구 사항에 맞는 예를 만들기 위해 최선을 다하겠습니다. 저희에게 연락하는 가장 좋은 방법은 Discord 서버에 가입하여 Discord - Ask Sage에 요청을 게시하는 것입니다.
AskSage API는 잘못된 요청이 발생하거나 속도 제한이 초과되는 등 특정 상황에서 오류를 반환할 수 있습니다. 사용자는 API에서 반환된 오류 코드와 메시지를 숙지하고 코드에서 적절하게 처리해야 합니다.
Ask Sage API를 사용할 때 명심해야 할 몇 가지 모범 사례는 다음과 같습니다.
GenAI(GenerativeAI) 관련 리소스가 포함된 추가 PDF 문서를 제공할 예정입니다. 이 문서에는 제너레이티브 AI와 이를 효과적으로 사용하는 방법에 대해 자세히 알아보는 데 관심이 있는 사용자에게 도움이 될 수 있는 기사, 책, 튜토리얼, 비디오 및 기타 콘텐츠에 대한 링크가 포함되어 있습니다.
우리의 목표는 자연어 처리, 컴퓨터 비전, 강화 학습 등을 포함하여 생성 AI와 관련된 광범위한 주제를 다루는 포괄적인 리소스 목록을 제공하는 것입니다. 또한 생성 AI 분야에서 일반적으로 사용되는 특정 모델과 도구를 다루는 리소스도 포함됩니다.
이 문서에 포함할 리소스에 대한 제안 사항이 있는 경우 언제든지 당사에 연락해 주시면 목록에 추가할 수 있도록 최선을 다하겠습니다.
즐거운 학습! ?
Generative AI 또는 Machine Learning을 사용할 때 알아야 할 중요한 어휘 목록을 제공할 것입니다. 이 용어는 사용자가 AI/머신러닝 분야에서 사용되는 용어를 이해하고 이를 프로젝트에 적용하는 방법을 이해하는 데 도움이 됩니다.
예를 들어 Generative AI를 사용할 때 알아야 할 몇 가지 용어는 다음과 같습니다.
전체 정의 목록을 보려면 알아야 할 정의를 클릭하세요.
Ask Sage API에 추가되었으면 하는 몇 가지 기능이나 개선 사항은 다음과 같습니다.
각 항목에는 해당 기능이나 향상된 기능을 사용할 수 있는 위치를 보여주기 위해 생성될 예제에 대한 링크가 있습니다.
Ask Sage API에서 발견된 모든 버그나 문제는 Ask Sage 팀에 직접 보고되어야 합니다. API에 문제가 발생하면 Ask Sage 팀에 도움을 요청하세요. 또한 이 저장소에서 버그나 문제를 보고할 수 있으며 Ask Sage 팀에 전달하기 전에 이를 테스트하고 검증할 것입니다.
이 저장소는 MIT 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.
