golc

?️? GoLC

구성 가능성을 통해 LLM으로 Go 애플리케이션 구축

GoLC는 구성 가능성 개념을 활용하여 LLM(대형 언어 모델)으로 애플리케이션을 구축하는 것을 목표로 하는 LangChain 프로젝트에서 크게 영감을 받은 혁신적인 프로젝트입니다. 개발자가 LLM 기반 애플리케이션을 원활하게 생성하고 통합할 수 있는 프레임워크를 제공합니다. 구성 가능성의 원칙을 통해 GoLC는 LLM 기반 구성 요소의 모듈식 구성을 허용하여 강력한 언어 처리 애플리케이션을 개발할 수 있는 유연성과 확장성을 제공합니다. LLM의 기능을 활용하고 구성 가능성을 수용함으로써 GoLC는 자연어 처리 애플리케이션 개발을 위한 Golang 생태계에 새로운 기회를 제공합니다.

특징

GoLC는 언어 처리 애플리케이션 개발을 향상시키는 다양한 기능을 제공합니다.

• ? LLM 및 프롬프트: GoLC는 프롬프트 관리 및 최적화를 단순화하고 LLM(대형 언어 모델) 작업을 위한 일반 인터페이스를 제공합니다. 이를 통해 애플리케이션에서 LLM 활용이 단순화됩니다.
• ? 체인: GoLC를 사용하면 LLM 또는 기타 유틸리티에 대한 호출 시퀀스를 생성할 수 있습니다. 체인에 대한 표준화된 인터페이스를 제공하여 다양한 도구와 원활하게 통합할 수 있습니다. 또한 GoLC는 일반적인 애플리케이션 시나리오를 위해 설계된 사전 구축된 엔드투엔드 체인을 제공하여 개발 시간과 노력을 절약합니다.
• 검색 증강 생성(RAG): GoLC는 데이터 소스와 상호 작용하는 특정 유형의 체인을 지원합니다. 이 기능을 사용하면 긴 텍스트 요약, 특정 데이터 세트를 기반으로 한 질문 답변 등의 작업이 가능합니다. GoLC를 사용하면 RAG 기능을 활용하여 언어 처리 애플리케이션을 향상할 수 있습니다.
• ? 에이전트: GoLC는 LLM을 활용하여 정보에 입각한 결정을 내리고, 조치를 취하고, 결과를 관찰하고, 완료될 때까지 반복하는 에이전트 생성을 지원합니다. 에이전트를 애플리케이션에 통합하면 에이전트의 지능과 적응성을 향상시킬 수 있습니다.
• ? 메모리: GoLC에는 체인 또는 에이전트 호출 간의 상태 지속성을 촉진하는 메모리 기능이 포함되어 있습니다. 이 기능을 사용하면 애플리케이션이 처리 파이프라인 전체에서 컨텍스트를 유지하고 중요한 정보를 유지할 수 있습니다. GoLC는 유연성을 위해 다양한 메모리 구현과 함께 표준화된 메모리 인터페이스를 제공합니다.
• ? 평가: GoLC는 전통적으로 기존 측정법을 사용하여 평가하기 어려운 생성 모델의 평가를 단순화합니다. 평가를 위해 언어 모델 자체를 활용함으로써 GoLC는 생성 모델의 성능을 평가하는 새로운 접근 방식을 제공합니다.
• ? 중재: GoLC는 언어 처리 애플리케이션의 보안과 적절성을 강화하기 위해 필수 중재 기능을 통합합니다. 여기에는 신속한 주입 감지, 개인 식별 정보(PII) 감지 및 수정, 독성 콘텐츠 식별 등이 포함됩니다.
• ? 문서 처리: GoLC는 로드, 변환, 압축을 포함한 포괄적인 문서 처리 기능을 제공합니다. 문서 관련 작업을 간소화하는 다양한 도구 세트를 제공하므로 문서 중심 언어 처리 애플리케이션에 이상적인 솔루션입니다.

설치

Go 모듈을 사용하여 프로젝트에 golc를 포함합니다.

 go get github.com/hupe1980/golc

용법

 package main

import (
	"context"
	"fmt"
	"log"
	"os"

	"github.com/hupe1980/golc"
	"github.com/hupe1980/golc/chain"
	"github.com/hupe1980/golc/model/chatmodel"
)

func main () {
	openai , err := chatmodel . NewOpenAI ( os . Getenv ( "OPENAI_API_KEY" ))
	if err != nil {
		log . Fatal ( err )
	}

	conversationChain , err := chain . NewConversation ( openai )
	if err != nil {
		log . Fatal ( err )
	}

	ctx := context . Background ()

	result1 , err := golc . SimpleCall ( ctx , conversationChain , "What year was Einstein born?" )
	if err != nil {
		log . Fatal ( err )
	}

	fmt . Println ( result1 )

	result2 , err := golc . SimpleCall ( ctx , conversationChain , "Multiply the year by 3." )
	if err != nil {
		log . Fatal ( err )
	}

	fmt . Println ( result2 )
}

산출:

 Einstein was born in 1879.
1879 multiplied by 3 equals 5637.

더 많은 사용 예를 보려면 예를 참조하세요.

기여

기여를 환영합니다! 보고 싶은 개선 사항이나 새로운 기능에 대해 자유롭게 문제를 열거나 풀 요청을 제출하세요.

참고자료

• https://github.com/langchain-ai/langchain/
• https://www.promptingguide.ai/

특허

이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.