DynPrompt 1a
1.0.0
동적 프롬프트 도우미 - 단일 에이전트
Automate repetitive tasks using gen AI.
$0 subscription fee. 100% data privacy.
이 프로젝트는 Gen AI를 사용하여 Python에서 신속한 엔지니어링 및 코딩에 대한 나의 이해를 보여줍니다.
반복적인 작업을 자동화하기 위한 도구로, 가치를 추가하지 않는 프로세스에 소요되는 시간을 최소화하고 작업 효율성을 높입니다.
이것은 deeplearning.ai 에서 AI Python course 과 Prompt Engineering with Llama course 마친 후의 프로젝트입니다.
https://ollama.com/download 에서 Ollama를 다운로드하고 설치하세요.
터미널에서:
pip install ollama
ollama pull llama3.1:latest
pip install pandas
prompt_var 작업 내용입니다.
각각을 별도의 행에 있는 prompt_var 열에 붙여넣습니다.
app.py 의 Base prompt 섹션에서 프롬프트를 편집하세요. 원하는 결과를 얻으려면 신속한 엔지니어링 기술을 사용하십시오.
사용 사례 예시:
이메일용 텍스트 추출기
prompt = f"""
Given is an email from contains product code and corresponding remarks. Identify the product code and remarks within the original text.
Provide the product code and remark only in csv format, ready to save. Exclude the "```csv" declaration, don't add spaces after the comma, include column headers.
Format:
product_code, remark
product_code_1, remark_1
...
Email:
"""
고객 리뷰 텍스트 분류기
prompt = f"""
Respond with "Positve" or "Negative":
the comment is a product reivew, describing an user experience.
Comment:
"""
신속한 엔지니어링 리소스:
cd DynPrompt-1a
python app.py
responses.csv 같은 폴더에 저장됩니다. Excel에서 엽니다.
응답은 주로 사용 중인 LLM과 신속한 엔지니어링 기술에 따라 달라집니다.
위에서 언급한 리소스를 통해 신속한 엔지니어링 기술을 개선할 수 있습니다.
사용할 수 있는 LLM 모델은 하드웨어에 따라 다릅니다. LLM 모델이 좋을수록 RAM 및 VRAM 요구 사항도 높아집니다.
특히 이 스크립트에서는 MacBook M3 Pro 18GB RAM 에서 Llama 3.1 8B 사용하고 있습니다. VRAM이 부족하면 오류가 발생할 수 있습니다.
Ollama가 올바르게 실행되고 있는지 터미널에서 확인하세요. 또는 그에 따라 더 작은 LLM의 스크립트를 편집하십시오.
ollama run llama3.1:latest
나는 다음에 관심이 있습니다:
Langflow - 다중 에이전트 작업 흐름을 위한 로우 코드 도구로 더욱 복잡한 작업이 가능합니다.
n8n - 다양한 앱에서 작동하는 자동화 작업 흐름 도구
개선을 위한 피드백이나 제안 사항이 있거나 Langflow 및 n8n에 대한 좋은 튜토리얼을 알고 있다면 알려주시기 바랍니다! 연결해 봅시다.
오픈소스 커뮤니티와 deeplearning.ai의 강사님께 감사의 말씀을 전하고 싶습니다.
