--------------------------------------------------------------------------- ConfigError Traceback (most recent call last) Cell In[13], line 1 ----> 1 from langchain_chroma import Chroma 3 database = Chroma.from_documents(documents=document_list, embedding=embedding) File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/langchain_chroma/__init__.py:3 1 """LangChain integration for Chroma vector database.""" ----> 3 from langchain_chroma.vectorstores import Chroma 5 __all__ = [ 6 "Chroma", 7 ] File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/langchain_chroma/vectorstores.py:18 12 from pathlib import Path 13 from typing import ( 14 TYPE_CHECKING, 15 Any, 16 ) ---> 18 import chromadb 19 import chromadb.config 20 import numpy as np File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/chromadb/__init__.py:3 1 from typing import Dict, Optional, Union 2 import logging ----> 3 from chromadb.api.client import Client as ClientCreator 4 from chromadb.api.client import ( 5 AdminClient as AdminClientCreator, 6 ) 7 from chromadb.api.async_client import AsyncClient as AsyncClientCreator File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/chromadb/api/__init__.py:51 46 from overrides import override 47 from chromadb.api.collection_configuration import ( 48 CreateCollectionConfiguration, 49 UpdateCollectionConfiguration, 50 ) ---> 51 from chromadb.config import DEFAULT_DATABASE, DEFAULT_TENANT 52 from chromadb.api.types import ( 53 CollectionMetadata, 54 Documents, (...) 73 DefaultEmbeddingFunction, 74 ) 76 from chromadb.auth import UserIdentity File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/chromadb/config.py:120 116 NODE = "node" 117 ID = "id" --> 120 class Settings(BaseSettings): # type: ignore 121 # ============== 122 # Generic config 123 # ============== 125 environment: str = "" 127 # Can be "chromadb.api.segment.SegmentAPI" or "chromadb.api.fastapi.FastAPI" or "chromadb.api.rust.RustBindingsAPI" File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/main.py:221, in ModelMetaclass.__new__(mcs, name, bases, namespace, **kwargs) 219 elif is_valid_field(var_name) and var_name not in annotations and can_be_changed: 220 validate_field_name(bases, var_name) --> 221 inferred = ModelField.infer( 222 name=var_name, 223 value=value, 224 annotation=annotations.get(var_name, Undefined), 225 class_validators=vg.get_validators(var_name), 226 config=config, 227 ) 228 if var_name in fields: 229 if lenient_issubclass(inferred.type_, fields[var_name].type_): File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:504, in ModelField.infer(cls, name, value, annotation, class_validators, config) 501 required = False 502 annotation = get_annotation_from_field_info(annotation, field_info, name, config.validate_assignment) --> 504 return cls( 505 name=name, 506 type_=annotation, 507 alias=field_info.alias, 508 class_validators=class_validators, 509 default=value, 510 default_factory=field_info.default_factory, 511 required=required, 512 model_config=config, 513 field_info=field_info, 514 ) File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:434, in ModelField.__init__(self, name, type_, class_validators, model_config, default, default_factory, required, final, alias, field_info) 432 self.shape: int = SHAPE_SINGLETON 433 self.model_config.prepare_field(self) --> 434 self.prepare() File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:544, in ModelField.prepare(self) 537 def prepare(self) -> None: 538 """ 539 Prepare the field but inspecting self.default, self.type_ etc. 540 541 Note: this method is **not** idempotent (because _type_analysis is not idempotent), 542 e.g. calling it it multiple times may modify the field and configure it incorrectly. 543 """ --> 544 self._set_default_and_type() 545 if self.type_.__class__ is ForwardRef or self.type_.__class__ is DeferredType: 546 # self.type_ is currently a ForwardRef and there's nothing we can do now, 547 # user will need to call model.update_forward_refs() 548 return File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:576, in ModelField._set_default_and_type(self) 573 self.annotation = self.type_ 575 if self.type_ is Undefined: --> 576 raise errors_.ConfigError(f'unable to infer type for attribute "{self.name}"') 578 if self.required is False and default_value is None: 579 self.allow_none = True ConfigError: unable to infer type for attribute "chroma_server_nofile" 저는 Python 3.14 버전으로 venv 를 사용중이었는데요. 위와 같은 에러가 발생하였습니다. 구글에 ConfigError 문구를 검색해도 잘 나오지 않아서 ChatGPT의 도움을 좀 받았는데 이렇게 답하더라구요. - Python 3.14 환경에서 chromadb 가 (pydantic v2에서 BaseSettings가 빠진 걸 처리하려다) pydantic.v1 호환 레이어로 떨어지고 - 그런데 Pydantic v1 코어는 Python 3.14+에서 제대로 동작하지 않아서, Settings 모델 필드( chroma_server_nofile ) 타입 추론이 깨지면서 ConfigError 가 납니다. 파이썬 버전을 3.12로 낮추어서 venv 를 다시 설정했더니 같은 코드임에도 정상적으로 실행되었습니다. 혹시나 저와 같은 이슈를 겪으신 분들은 python 버전을 낮추어보시길 바라요.
모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기
안녕하세요 강사님, 강의 잘 듣고있습니다. https://docs.langchain.com/oss/python/integrations/tools 를 확인해보면 LangChain에서 제공해주는 미리 구현된 툴 구현체를 확인할 수 있는데, 이것들과 langchain-mcp-adapters를 사용하여 외부 서비스의 MCP를 LLM과 직접 연동하는 것이 어떤 차이가 있는지 궁금합니다. 강의를 촬영할 당시에는 MCP가 나오기 전이라 강의 내용처럼 tool로만 연동이 가능했었던 것일까요?
강사님 학부 기준으로 프로젝트를 하는데 OCR 기술을 이용하여 영수증및 음식을 인식하고 이거에 대한 음식이 DB에 저장이 되고 DB에서 추천 레시피를 만듭니다. (사용자가 채팅창에 입력을 할 경우) 여기서 만약 추천 레시피를 DB에 저장해서 나중에 북마크 형태로 볼수 있게 만들려고 생각중에 있습니다. 문제는 안드로이드 폰으로 볼 때 북마크 화면에서 상세보기를 보면 너무 길게 나올 수도 있고 중간에 잘릴 수도 있어 가지고 형식에 맞게 Db에 저장하고 보여주는 걸 생각하고 있습니다. 조금 형식에 맞게 만들려면 Few Shot 이정도면 되는건가요?
1시간 만에 완성하는 사내 문서 AI 챗봇 - RAG와 LangChain으로 (feat. 소스코드 제공)
첫 번째, 소스 코드 자료 다운로드를 해보면 압축 파일이 나오는데, 압축이 안 풀립니다. 확인 부탁 드리겠습니다. 두 번째, 강의는 모두 완강했습니다. 예제에서는 특정 메뉴얼 pdf 파일 하나였는데, 여러 개의 pdf파일을 타겟하려면 어떻게 하는 게 효율적일까요? 코드에서 여러 타겟을 지정해주는 게 좋을지, 아니면 특정 폴더를 하나 추가로 만들어서 문서를 거기에 다 넣고 특정 폴더를 타겟팅하는 게 좋을지 문의드립니다.
맞춤형 LLM 만들기 : 처음 시작하는 분을 위한 RAG 기초 개념부터 멀티모달·Agent 실습까지
공유해주신 수업자료 중 실습8 벡터데이터베이스 기반 RAG어플리케이션.ipynb에서 3번 째 셀의 # LangChain과 BeautifulSoup 관련 라이브러리 불러오기에서 from langchain.text_splitter import RecursiveCharacterTextSplitter에서 from langchain.text_splitter -> from langchain_text_splitters가 되어야 하지 않을런지요??
어떤 강의에 대한 질문인지 자세하게 알려주시면 답변을 드리는데 도움이 됩니다. 스크린샷 윈도우키 + 쉬프트키 + S(윈도우) 을 자세히 첨부하시면 답변 드리는데 많은 도움이 됩니다. 동영상 재생 관련 같은 인프런 서비스 관련 문의는 1:1 문의하기를 이용해 주세요 . 도커 설치가 제대로 안되고 있습니다 ㅠㅠ
안녕하세요! 강의 수강과 책을 병행해서 보고 싶은데요, 강의가 예전에 촬영된것 같아서, 책을 참고해서 보는게 훨씬 수월하고 학습하는데 좋을것 같아서요. 각 강의 회차별로 "혼자서도 척척 해내는 AI 에이전트 만들기" 책에서 어떤 챕터랑 같이 보면 도움이 될지 알 수 있을까요??
어떤 강의에 대한 질문인지 자세하게 알려주시면 답변을 드리는데 도움이 됩니다. 스크린샷 윈도우키 + 쉬프트키 + S(윈도우) 을 자세히 첨부하시면 답변 드리는데 많은 도움이 됩니다. 동영상 재생 관련 같은 인프런 서비스 관련 문의는 1:1 문의하기를 이용해 주세요. // 웹에서 확인한 AI의 미래 관련 신뢰성 있는 정보를 텍스트 형태로 정리했습니다. 다음과 같이 주제와 내용을 구분하여 노션에 저장하는 형식으로 작성해 드렸는데, 노션 저장 시 입력 형식 오류가 발생했습니다. 저는 현재 노션에 저장할 때 'Title'과 '주제', '내용' 세 개 항목을 함께 보내는 방식으로 시도했습니다만, 노션 API 데이터 양식이 정확히 어떻게 되어야 하는지 추가 안내를 부탁드립니다. 임시로 작성한 요약 내용은 아래와 같습니다: 위 처럼 노션 노드를 설정했는데 실행하면 구조가 맞지 않아서 글 생성이 되지 않는다고 나옵니다. AI통해서 해결을 시도했는데 같은 대답만 반복해서 해결이 안되어 여기에 글을 납깁니다.
안녕하세요, 개인 프로젝트로 rag 기반 챗봇을 구현하고 있습니다. ollama, gemma3:1b를 사용중입니다. txt 파일을 어느정도 전처리를 하고 임베딩을 시키려고 하는데 전처리 중 고민이 있습니다. 구조가 잡혀있는 txt 파일인데, 문서 구조는 대략 아래와 같은 형태입니다. 1.2 화면 설명 1.2.1 개요 - 이 화면은 사용자가 업무를 처리하기 위한 화면입니다. 1.2.2 화면 위치 상단 메뉴 > 업무 관리 > 처리 화면 1.2.3 처리 절차 1) 항목 선택 2) 저장 버튼 클릭 현재 고민되는 부분은 다음과 같습니다. 이런 번호 기반 구조를 그대로 유지한 채로 chunking 하는 것이 좋은지, 아니면 번호는 제거하고 의미 단위로만 분할하는 것이 나은지 - , • , 숫자 목록 같은 불릿/목록 기호를 임베딩 전에 제거하거나 정규화하는 게 좋은지 “개요 / 처리 절차 / 화면 위치” 같은 섹션 제목을 chunk 본문에 포함시키는 것이 검색 품질에 도움이 되는지 감사합니다.
안녕하세요. 이번에 챌린지에 참석했는데요. 아래처럼 한빛 마일리지 2만점 지급이라고 되어 있는데, 강의에는 관련 내용이나 안내가 없네요. 제가 인프런에서 한빛미디어 도서로 완독챌린지를 몇번 한적이 있는데 보통 1주차에 도서 구입 인증하고, 마지막 회차에 한빛 마일리지 적립을 구글 폼을 받더라구요. 이번 강의는 그런게 없고, 별도 안내도 안되어 있습니다.
현재 안내된 내용을 기준으로 볼 때, 전반적인 진행 구조와 참여자가 실제로 무엇을 어떻게 수행해야 하는지에 대한 설명이 다소 부족하게 느껴집니다. 강의 소개에는 20개 수업 학습 4회 미션 수행 라이브 1회 질문에 대한 즉답 한빛 마일리지 최대 2만 점 지급 역자 동영상 강의 제공 등이 안내되어 있습니다. 다만 실제 진행을 살펴보면 별도의 강의 제공은 없는 것으로 보이며, 각자 자료를 읽은 뒤 ‘봤어요’ 체크를 하는 방식의 챌린지인지 궁금합니다. 만약 해당 방식이 맞다면, 개인적으로 학습하는 것과 비교했을 때 챌린지에 참여함으로써 얻을 수 있는 차별점이나 장점이 무엇인지도 함께 안내해주시면 감사하겠습니다. 챌린지의 취지와 기대 효과를 보다 명확히 이해하고 싶어 문의드리오니, 확인 후 안내 부탁드립니다.
