마크다운을 텍스트 파일로 변환하기

안녕하세요 좋은 질문 감사합니다. 토큰을 아끼려고 마크다운 형식들을 제외하고 txt로 저장하는 코드인데요, 말씀하신 것처럼 바로 txt로 변경하는게 오히려 더 좋겠다는 생각이 드네요. 토큰을 아끼는 것 보다 마크다운 형식을 남기고 형태를 보존하는 것이 LLM Context 주입에 더 유리할 것 같습니다. 좋은 피드백 감사합니다

max token을 제한하는게 왜 성능을 개선하게 되는걸까요?

안녕하세요! 좋은 질문 감사합니다. 수치를 통해 증명된 바는 없지만 경험상 GPT 모델들이 장황하게 부연설명을 많이하는데 그러면서 잘못된 내용이나 원하지 않는 내용들이 포함되는 경우가 많다고 생각합니다. 강의에서 말씀드리는 상황에서는 짧은 답변을 통해서 다음 단계로 넘어가는 상황에 max_tokens를 활용해서 답변의 길이를 제한하고 이를 통해 불필요한 내용이 답변에 포함되는 할루시네이션을 어느정도 방지할 수 있다고 보시면 됩니다

n8n으로 context를 고려한 이메일 답장 드래프트 작성 봇 생성 강의

작업하신 workflow를 json으로 올려주실 수 있을까요? 디버깅 해서 전달 드리겠습니다

강의자료 오류

clone 해서 봤을 때는 문제가 없어서 괜찮은 줄 알았는데 GitHub 웹에서는 안나오는 노트북들이 있었네요. 수정해서 업데이트 했습니다. 확인 부탁 드립니다!

Golden Dataset 권장사항 부분 질문

이해하신 내용이 정확합니다! 추가로 설명을 드리자면 너무 똑같이 만드는 것은 불가능하기도 하지만, 완전 똑같아지면 사실상 Golden Dataset에 치중된 평가가 되어버려서 오히려 평가의 객관성을 잃거나 새로운 유형의 답변을 유연하게 측정하지 못하는 '과적합(Overfitting)' 문제가 발생할 수 있습니다. (overfitting에 대해서는 강의에서 추가로 설명 드립니다)즉, 특정 데이터셋에만 지나치게 맞춰진 편향된 잣대를 갖게 되기 때문에, 전체적인 평가의 일관성과 경향성을 맞추는 것이 실질적인 성능 개선에 훨씬 효과적입니다.

구글 드라이브 연결 에러

json.name만 활용해도 동일한 에러가 발생하나요? 첨부 스크린샷을 보니 https:// 앞에 파일의 고유값이 추가되면서 url로 인식되지 않아 에러가 발생하는게 아닌가 추측해봅니다

웹훅 설정 시

혹시 PowerShell에서 실행중이신가요? Invoke-WebRequest -Uri "http://localhost:5678/webhook-test/0dff5731-59c5-4607-be65-c3a128ea5018" -Method POST -Headers @{"Authorization"="awefawefawefawefawefawefawef"}처럼 시도하시거나 아래와 같이 시도하셔야 합니다 curl.exe -X POST http://localhost:5678/webhook-test/0dff5731-59c5-4607-be65-c3a128ea5018 -H "Authorization: awefawefawefawefawefawefawef"

안녕하세요! 질문이 있습니다.

안녕하세요, 좋은 질문 감사합니다. 하나씩 답변을 드려보자면네, 맞습니다. LangChain은 오픈소스 프레임워크이고, 말씀하신 것처럼 특정 도메인에 특화된 LLM 애플리케이션을 만들 때 많이 씁니다. 다만 한 가지 구분하면 좋은 게 있는데, "홈플러스 전용 LLM"이라고 하면 모델 자체를 새로 만드는 것처럼 들리지만, 실제로는 GPT-4나 Claude 같은 기존 범용 모델 위에 홈플러스의 데이터를 연결해서 "홈플러스에 대해 잘 대답하는 앱"을 만드는 거라고 보시면 됩니다. LangChain이 해주는 역할은 그 "연결"을 쉽게 해주는 겁니다.이건 아주 핵심적인 오해를 짚어주신 건데, GPT나 Gemini 같은 서비스는 few-shot 예제를 미리 다 넣어놓는 방식이 아닙니다.작동 방식이 계층적으로 나뉘게 됩니다:1단계 — 사전학습(Pre-training): 인터넷의 방대한 텍스트를 학습해서 언어 자체를 이해하는 단계입니다. 이게 "거대한" 부분이고, few-shot과는 전혀 다른 부분입니다..2단계 — RLHF 등 정렬(Alignment): 사람이 좋은 답변/나쁜 답변을 평가해서 모델이 유용하고 안전하게 대답하도록 튜닝합니다.3단계 — 시스템 프롬프트: 각 서비스가 내부적으로 "너는 이런 식으로 대답해라"라는 지침을 넣어둡니다.그러니까 few-shot은 이미 똑똑한 모델을 특정 작업에 맞게 안내할 때 쓰는 기법이지, 모델의 전체 지식을 만드는 방법은 아닙니다. 비유하자면 — 이미 한국어를 유창하게 하는 사람한테 "이 회사에서는 고객 응대를 이런 톤으로 해줘"라고 예시 2-3개 보여주는 것과 비슷합니다. 한국어를 처음부터 가르치는 게 아니라요.수강 중이신 강의에서 few-shot을 배운 건, 나중에 LangChain으로 앱을 만들 때 "내 앱이 이런 형식으로 대답하게 하고 싶다"는 상황에서 쓰는 도구를 배운 거라고 보시면 됩니다.

배포과정 금액이 상관 없다면 N8N 월간 비용으로 결제하고 수업따라가도 괜찮을까요?

네네 n8n 홈페이지에서 진행하셔도 괜찮습니다!

Basic LLM Chain 에서 모델 추가 시 API 키

안녕하세요, 구글 인증은 2가지 경로가 있는데요,Gemini를 사용하신다면: https://docs.n8n.io/integrations/builtin/credentials/googleai/VertexAI를 사용하신다면: https://docs.n8n.io/integrations/builtin/credentials/google/service-account/ 공식문서를 참고하셔서 진행하시면 됩니다