3.2 강의 수강중인데 소득세법 파일을 다운로드받고 docx 로 변환을 못하겠어요 |맥인데 word가 설치가 되어 있지 않아서요 파이선이 읽을 수 있게 변환된 파일 공유가 가능한거요?

저는 기존에 langchain, llm, prompt engineering 등 관련 지식이 없는 상태로 수강중이고 강사님 로드맵을 따라가면서 내가 사용하는 llm,cluadecode가 어떤식으로 동작하는지 조금은 이해해보려는 목적으로 듣고 있습니다!질문 1. LangChain이라는게 오픈소스 프레임워크이고, 특정 서비스에 전문화된 챗봇, LLM서비스(ex, 홈플러스 전용 LLM, xx대학교 학사 정보 LLM) 애플리케이션을 만들 수 있는 건가요?질문 2. 프롬프트 강의에서 Fewshots + 예제 강의를 보고, 사람이 직접 모든 [질문-답변]예제 리스트들을 직접 작성해서 미리 모델에 넣어놔야하는 느낌인데 gpt, gemini 같은 거대한 llm 서비스는 어떤 사용자가 어떤 질문을 할 지 모르는데 그걸 예측해서 전부 다 넣어놓는건가요?

뉴스데이터 전처리 - 메타데이터 추출 수업의 실습 파일이 없습니다.그외에도 ipynb을 수행할 수 있는 파일들이 존재하지 않습니다.강의를 수강할 수 있도록 실습 파일 다운로드 받을 수 있는 경로를 부탁드립니다.감사합니다.

5분 경의 테스트데이터셋 평가 에 대해 계산값이 자꾸 0.000이 나와서 context_docs와 retrieved_docs 내용을 확인해 보니 2번째 사진과 같이 나왔습니다.content 내용은 동일해도 doc_id 값이 다르며, 함수 수정을 통해 doc_id를 동일하게 변경해도 평가지표 값이 0.000이 나옵니다.애초에 구조 자체가 좀 달라서 발생하는 문제 같습니다.제가 어떤 것을 해볼 수 있을까요?   

다음 강의는 언제쯤 올라오려나요?공지해주시면 감사할 것 같네요!

제공된 stock price 들어가면 Get URL with keys instead 를 찾아볼 수 없고, Connect 에는 No Deployments found 라고만 뜨니다.

40강 언어 감지 및 검색 라우팅에 대해서 쿼리로 들어온 언어에 맞는 벡터DB에 접근해 관련 문서를 검색해서 답변을 하게끔 구현한다고 했는데, 이 방법으로 구현하려면 동일한 한개의 문서에 대해 여러 언어별로 벡터DB를 구현해놓아야 하는건가요?

mcp 강의 38:33 부근에서 스미서리 화면 자체가 저와 달라서 저는 프로필이 안뜹니다. 좌측 상단의 마크도 다릅니다. 

구글 드라이브 말고 다른 것도 혹시 몰라 봐봤는데 해당 부분에 Get URL with keys instead 가 없습니다.

py-zerox로 문서를 md파일로 바꿀 때 인코딩 관련 에러가 납니다..  다른 분께서 올려주신 글 보고 print(result) 부분을 아래와 같이 바꿔보기도 했었는데, 에러는 동일하게 나네요... with open("./docs/income_tax.md", "w", encoding="utf-8") as f: f.write(str(result))   result = asyncio.run(main()) 무엇보다 md파일 자체가 생성되지 않고, 이 부분에서 에러가 나는데, 해결 방법이 없을지 궁금합니다 

안녕하세요 ! 너무 유익한 강의라 현재 2회차 수강 중 입니다 ㅜㅠ (좋은 강의 감사해요)강의와 관련된 부분은 아니지만 궁금한 부분이 있어 질문드립니다 !영상 분석을 목적으로 영상 타임스탬프 구간별 메타데이터를 생성하려고 하는데요(누가 등장했는지, 누가 뭐라고 말했는지, 어떤 사물이 등장하는지 등등), 1. Whisper 모델을 사용해봤을 때 도메인 특화 용어에 대해서는 단어의 인식이 아쉬운 부분이 있었습니다. LLM을 사용하여 후보정하는 방법에 대해 간단한 가이드를 들을 수 있을까요? 2. 사용해보신 STT 모델 중에 가장 성능이 좋다고 느끼셨던 모델이 있을까요 ? 3. 누가/어떤 사물이 등장하는지에 대해서는 YOLO같은 딥러닝 모델을 사용해야하는지, 아니면 Gemini/GPT 모델 등으로도 가능할지, 다른 유용한 방법이 있는지 궁금합니다..!

학습 관련 질문이 있으시면, 상세하게 남겨주세요.문제가 발생한 부분의 코드를 함께 올려주세요.수업 영상 몇 분/초 구간인지 알려주세요. 동영상이 검은 화면으로 나옵니다. 관련 증상 mac m1 노트북에서 화면히 검정화면으로 나옵니다. (사파리, 크롬 다 포함 )관련 동영상 RAG의 기본 개념과 LangChain 소개

  안녕하세요, 허깅페이스에서 모델을 불러오다가 에러가 생겨서 질문 남깁니다!강의상으로는 model_id='LGAI-EXAONE/EXAONE-3.0-7.8B-Instruct 를 사용하셨지만, 인증 문제 때문에 model_id='LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct' 로 대체하여 사용중입니다 대체된 모델로 chat_model을 만들고 돌렸을 때, 위 이미지와 같은 에러가 나타납니다...혹시 transformer 관련 버전 호환문제일 수도 있을까요? 답변 부탁드립니다!

No deployments found라고 뜨는데, 회사 노트북으로 듣기 때문에 보안상 Smithery 사이트 접근이 잘 안되서 그러는 걸까요? 

섹션2. LangChain의 주요RAG 컴포넌트 소개 과정에서 다음과 같은 메세지와 함께 진행되지 않습니다. 해결 부탁드립니다. "압축파일이 잘 해제되지 않을 때는 반디집 또는 알집 같은 압축 프로그램을 사용해보시기 바랍니다.문제가 계속 발생할 경우에는 질문 게시판에 남겨주세요."

학습 자료가 노션으로 제공된다고 본것 같은데, 어떻게 볼 수 있나요?

from langchain_core.messages import HumanMessage query = '집이 15억일때 종합부동산세를 계산해주세요' for chunk in graph.stream({"messages": [HumanMessage(query)]}, stream_mode='values'): chunk['messages'][-1].pretty_print() from langchain_core.tools import create_retriever_tool from pinecone import Pinecone from langchain_openai import OpenAIEmbeddings import dotenv from langchain_pinecone import PineconeVectorStore dotenv.load_dotenv() index_name = "real-estate-tax" embeddings = OpenAIEmbeddings(model='text-embedding-3-large') vectorstore = PineconeVectorStore(index_name=index_name, embedding=embeddings) retriever = vectorstore.as_retriever(search_kwargs={'k':5}) retriever_tool = create_retriever_tool(retriever= retriever, name="real_estate_tax_retriever", description="Contains information about real estate tax. if you have any questions about real estate tax, use this tool.")   ================================ Human Message ================================= 집이 15억일때 종합부동산세를 계산해주세요 ================================== Ai Message ================================== Tool Calls: real_estate_tax_retriever (call_LiPlj4OGqlAzP2PsssaZTVsc) Call ID: call_LiPlj4OGqlAzP2PsssaZTVsc Args: query: 15억 종합부동산세 ================================= Tool Message ================================= Name: real_estate_tax_retriever 납세의무자가 3주택 이상을 소유한 경우 | 과세표준 | 세율 | | ------------------- | -------------------------------------------------------------------- | | 3억원 이하 | 1천분의 5 | | 3억원 초과 6억원 이하 | 150만원+(3억 원을 초과하는 금액의 1천분의 7) | | 6억원 초과 12억원 이하 | 360만원+(6억원을 초과하는 금액의 1천분의 10) | | 12억원 초과 25억원 이하 | 960만원+(12억원을 초과하는 금액의 20) | | 25억원 초과 50억원 이하 | 3천 560만원+(25억원을 초과하는 금액의 30) | | 50억원 초과 94억원 이하 | 1억 1천60만원+(50억원을 초과하는 금액의 40) | | 94억원 초과 | 2억 8천 660만원+(94억원을 초과하는 금액의 1천분의 50) | ``` --- [Section: Page 4-6] ---... - 9,600,000 + 600,000 = 10,200,000 따라서, 15억 원의 집에 대한 종합부동산세는 1,020만 원입니다.    안녕하세요, 선생님강의 마지막 쯤 create_retriever_tool 부분에서 강의 대로 쭉 그대로 진행했는데 이 tool 이 pdf 에서 병렬로 자료를 검색해서 가져오지 못하고 ( 과세표준, 공정시장가액비율, 1세대 1주택 여부 등) 오직 종합부동산세 표 '한개만' 가져옵니다. 왜 여러 정보를 검색을 못할까요...?ㅠ -------------gemini 검색결과입니다-------병렬 리트리빙 부재:create_retriever_tool은 기본적으로 "질문 1개 -> 검색 1번" 구조입니다. AI가 스스로 "세율도 모르고, 공정시장가액비율도 모르네? 추가로 검색해야지!"라고 생각하게 만드는 추론(Reasoning) 루프가 약한 상태입니다 AI의 오판: 리트리버가 준 결과물(제8항 세대 정의, 제9항 공시가격 정의 등)은 실제 계산에 필요한 세율표나 공정시장가액비율이 아닌, 용어 정리 수준의 파편화된 정보였습니다. 그런데 AI는 이 정보를 보고 "아, 더 이상 찾을 게 없나 보다" 혹은 "내가 아는 지식으로 대충 계산해야지"라고 판단하고 1560만원이라는 (부정확할 확률이 높은) 결론을 내버린 것입니다.

안녕하세요.Cloudflare를 이용해 앱 배포를 진행하던 중, 강의 영상에서 안내된 과정과 현재 Cloudflare의 인터페이스 및 설정 방법이 달라진 것을 확인했습니다. 그 과정에서 생성 및 배포를 진행할 때 지속적으로 빌드 실패가 발생하고 있습니다.특히 최근 업데이트로 인해 "Worker 생성" 관련 버튼과 설정 방식이 변경된 것으로 보이며, 이전에는 확인할 수 있었던 빌드 명령(Build Command) 설정이 현재는 "선택 사항"으로 표시되어 정확한 설정 방법을 파악하기 어려운 상황입니다.최신화된 Cloudflare 환경에서는 어떤 방식으로 생성 및 배포 과정을 진행해야 하는지 안내해 주시면 감사하겠습니다.감사합니다.

안녕하세요. 강의 수강 중 중간중간에 일이 생겨 이제서야 빠르게 복습하고 다시 수강하고 있는 수강생입니다. 저는 강의에서 사용되었던 코드를 실행했을 때, 평가 실행 시 "KeyError" 오류가 발생되었습니다. 많은 분들께서 따라하는 과정에서 저와 같은 오류를 마주하고 Langsmith Docs를 열어보셨을 것 같습니다. 다만 강의에서 다루는 코드와 현재 시점에 Langsmith Docs에 작성된 튜토리얼 코드는 많은 부분이 변경되었기에 현재 시점의 Langsmith Docs에서 다루는 LLM Evaluator 구현 시 포인트와 함께 Upstage를 사용한 방법을 정리하여 공유드리려합니다. 참고로 현재 시점의 Langsmith Docs는 아래 링크의 문서이며, 이하 설명에서는 Langsmith Docs를 Docs로 부르겠습니다.https://docs.langchain.com/langsmith/evaluate-rag-tutorial 1. Evaluator 종류- 현재 Doc에서는 다음과 같은 평가 지표에 대한 예시를 제공하고 있습니다.1) 정확성(Correctness): LLM의 답변이 실제 답변과 얼마나 유사하고 정확한지 측정2) 관련성(Relevance): LLM의 답변이 사용자의 질문과 얼마나 관련있는지 측정3) 근거성(Groundedness): LLM의 답변이 검색된 데이터의 맥락과 얼마나 일치하는지 측정4) 검색 관련성(Retrieval relevance): 입력된 질문과 검색된 데이터는 얼마나 관련있는지 측정 2. 데이터 셋 형식 변경- 현재의 Docs에서는 다음과 같은 데이터 셋 형식을 사용하고 있습니다.# Define the examples for the dataset examples = [ { "inputs": {"question": "How does the ReAct agent use self-reflection? "}, "outputs": {"answer": "ReAct integrates reasoning and acting, performing actions - such tools like Wikipedia search API - and then observing / reasoning about the tool outputs."}, }, ... ] - 따라서 강의에서 제공된 데이터 셋을 다음과 같이 변경할 수 있습니다. Docs의 Evaluator에서는 'contexts' 를 사용하진 않는 것 같지만 기존 데이터 셋의 내용에 맞추어 수정한 점은 참고바랍니다.examples = [ { "inputs": {"question": "제1조에 따른 소득세법의 목적은 무엇인가요?"}, "outputs": {"answer": "소득세법의 목적은 소득의 성격과 납세자의 부담능력에 따라 적정하게 과세함으로써 조세부담의 형평을 도모하고 재정수입의 원활한 조달에 이바지하는 것입니다."}, "metadata": {"contexts": "제1조(목적) 이 법은 개인의 소득에 대하여 소득의 성격과 납세자의 부담능력 등에 따라 적정하게 과세함으로써 조세부담의 형평을 도모하고 재정수입의 원활한 조달에 이바지함을 목적으로 한다."}, }, ... ] 3. Upstage Model을 사용하는 방법- 현재의 Docs에서는 각 단계에서 LLM을 선언하는 부분에서 다음과 같이 'ChatOpenAI()' 함수를 사용하고 있습니다.# Rag-Bot from langchain_openai import ChatOpenAI ... llm = ChatOpenAI(model="gpt-4.1", temperature=1) # Evaluators grader_llm = ChatOpenAI(model="gpt-4.1", temperature=0).with_structured_output( ... ) - 따라서 다음과 같이 'ChatUpstage' 라이브러리를 import한 후, 'ChatOpenAI()' 함수를 사용하는 부분을 'ChatUpstage()' 함수로 변경해주면 됩니다. 'Rag-Bot' 코드를 작성하는 셀에서 'ChatUpstage' 라이브러리를 import한다면 이하 코드에서는 일일이 import하지 않아도 되며, 'ChatOpenAI()' 함수에서 사용하던 'temperature=1' 인자는 제거해도 무방했습니다. # Rag-Bot from langchain_upstage import ChatUpstage ... llm = ChatUpstage(model="solar-pro3") # Evaluators grader_llm = ChatUpstage(model="solar-pro3").with_structured_output( ... ) 제가 수정한 전체 코드, 코드별 설명과 변경된 데이터 셋 파일은 아래 링크에 업로드해두었으며, 참고하시면 좋을 것 같습니다.https://github.com/C0deH4ter/llm-application/tree/main/5.1%20Upstage%20Challenge

안녕하세요. 강의 잘 듣고 있습니다.강의를 들었는데 잘 이해가 안되는데요.react agent랑 이전에 설명한 tool여러개 붙인 agent랑 구분이 잘 안되는데 무슨 차이가 있길래 react agent라고 하는 걸까요? reasoning_effort="high", # 논리성 강화이 부분이 그런걸 하는 것인가요?