RAG를 활용한 LLM Application 개발 (feat. LangChain)

인프런 강의 바로가기 ↗️

인프런 강의 바로가기 ↗️

RAG를 활용한 LLM Application 개발 (feat. LangChain)
1. 강의의 목적과 대상
- 1.1 우리가 만들어낼 결과물로 보는 강의의 목적
- 1.2 강의자료
2. 본격적인 개발 전 필요한 배경지식
- 2.1 Retrieval Augmented Generation(RAG)란?
- 2.2 Vector Database와 Embedding Model 성능 비교
3. LangChain을 활용한 Retrieval Augmented Generation(RAG) 구성
4. Streamlit을 활용한 ChatBot 구현
5. 서비스 배포했다고 끝이 아니다
- 5.1 LangSmith를 활용한 LLM Evaluation
- 5.2 이제는 AI Agent의 시대

Powered by GitBook

On this page

4. Streamlit을 활용한 ChatBot 구현

Previous3.6 Retrieval 효율 개선을 위한 키워드 사전 활용 Next4.1 Streamlit 설치와 user message 작성

Last updated 10 months ago

이제 Large Language Model(LLM)을 활용해 답변을 받을 수 있으니, 본격적으로 ↗️ 챗봇 구현 시작