Day_1 OpenAI

 

OpenAI 프롬프트 설정

 

OpenAI 프롬프트 설정은 작업 목적(정확성 vs 창의성)에 따라 Temperature, Top P, Max tokens 등의 값을 조절하여 최적의 결과를 얻을 수 있습니다. 두 파라미터(Temperature, Top P)는 비슷한 역할을 하므로 동시에 조정할 때는 주의가 필요하며, 직접 실험을 통해 최적의 값을 찾는 것이 좋습니다

https://platform.openai.com/api-keys
https://platform.openai.com/api-keys	https://platform.openai.com/playground/prompts?models=gpt-4.1

 

 

Prompt Engineering => 새로운 상호 작용(데이터 입력 및 학습 방법)

- Traditional ML : get labeled data > dev model > deploy // 1m, 3m, 3m

- Prompt -based ML : Prmpt model > deploy // 2m

 

Role : 답변자 페르소나 설정, 배경 지식을 가지고 답함.

Task: 작업 또는 목표

Policy : 규칙이나 정책

Format : 특정 형식 또는 구조(JSON 형태가 바람직함)

 

Few-shot learning

 

파이썬 venv 실행 방법

venv는 파이썬 표준 라이브러리로 제공되는 가상환경(virtual environment) 관리 도구입니다. 프로젝트별로 독립적인 패키지 설치 및 환경 구성을 할 수 있어, 패키지 충돌이나 버전 문제를 방지할 수 있습니다.

---

1. 가상환경 생성

원하는 디렉터리(폴더)로 이동한 뒤, 아래 명령어를 실행합니다.

 

bash

python -m venv 가상환경이름

• 예시: python -m venv venv
• 실행하면 해당 이름의 폴더(예: venv)가 생성됩니다12357.

---

2. 가상환경 활성화

운영체제에 따라 활성화 명령어가 다릅니다.

운영체제명령어

Windows	venv\Scripts\activate 또는 venv\Scripts\activate.bat
macOS/Linux	source venv/bin/activate

 

• 활성화되면 프롬프트 앞에 (venv)처럼 가상환경 이름이 표시됩니다.

---

3. 가상환경 비활성화

가상환경을 종료하려면 아래 명령어를 입력합니다.

 

bash deactivate

• macOS/Linux에서는 바로 입력, Windows에서는 deactivate.bat 실행도 가능.

---

4. 추가 팁

• 가상환경 내에서 pip install 패키지명 명령어로 패키지를 설치하면, 해당 가상환경에만 설치됩니다.
• 패키지 목록 저장: pip freeze > requirements.txt
• 패키지 일괄 설치: pip install -r requirements.txt

---

5. 자주 발생하는 문제 및 해결법

• 가상환경 폴더에 activate.bat(Windows) 또는 activate(macOS/Linux)가 없으면, venv 폴더를 삭제 후 다시 생성해보세요4.
• 경로에 한글이 포함되면 활성화가 안 될 수 있으니, 영문 경로를 사용하세요4.

---

요약

1. 가상환경 생성: python -m venv venv
2. 가상환경 실행:
   • Windows: venv\Scripts\activate
   • macOS/Linux: source venv/bin/activate
3. 가상환경 종료: deactivate
   이 과정을 통해 프로젝트별로 독립적인 파이썬 환경을 쉽게 관리할 수 있습니다.
   

 

파이참 설정 방법 with 퍼플렉시티~

아래의 파이선 코드를 설명하고, 변형해서 추가 학습할수있는 코드알려줘 from openai import OpenAI, completions client = OpenAI(api_key="XXX") completions = client.chat.completions.create(     model='gpt-4o',     messages=[         {'role':'user', 'content':'hello, 안녕하세요?, 너에 대해서 자세히 설명해줘 이해하기 쉽게'},     ],     temperature=0.2,     max_tokens=512 ) print(completions.choices[0].message.content)

이 코드는 OpenAI의 GPT-4o 모델을 사용해 챗봇과 대화하는 예제입니다. 주요 동작은 다음과 같습니다. 라이브러리 임포트   OpenAI 라이브러리에서 필요한 모듈을 가져옵니다. 클라이언트 객체 생성   OpenAI API 키를 사용해 클라이언트 객체를 만듭니다. "XXX" 부분에는 본인의 API 키가 들어가야 합니다. 챗봇에게 메시지 보내기   GPT-4o 모델을 사용해, 사용자 메시지(여기서는 "hello, 안녕하세요?, 너에 대해서 자세히 설명해줘 이해하기 쉽게")를 보냅니다. temperature는 창의성(랜덤성) 정도를 조절합니다. 0.2로 낮게 설정해 일관된 답변을 유도합니다. max_tokens는 응답의 최대 길이를 지정합니다. 응답 출력   모델이 생성한 답변을 출력합니다.

1. 여러 질문을 한 번에 보내보기 questions = [     "AI가 무엇인가요?",     "파이썬의 장점은 무엇인가요?",     "오늘의 날씨를 알려줘." ] for q in questions:     completions = client.chat.completions.create(         model='gpt-4o',         messages=[{'role':'user', 'content': q}],         temperature=0.2,         max_tokens=256     )     print(f"Q: {q}")     print(f"A: {completions.choices[0].message.content}\n")

2. 대화 히스토리 유지하며 대화하기 history = [     {'role':'user', 'content':'안녕!'},     {'role':'assistant', 'content':'안녕하세요! 무엇을 도와드릴까요?'} ] history.append({'role':'user', 'content':'AI가 뭔지 설명해줘.'}) completions = client.chat.completions.create(     model='gpt-4o',     messages=history,     temperature=0.3,     max_tokens=256 ) print(completions.choices[0].message.content)

3. 사용자 입력을 받아 대화하기 user_input = input("질문을 입력하세요: ") completions = client.chat.completions.create(     model='gpt-4o',     messages=[{'role':'user', 'content': user_input}],     temperature=0.3,     max_tokens=256 ) print(completions.choices[0].message.content)

 

messages 부분 다양한 요소에 대해서 설명하고 학습 예시 알려줘 with 퍼플렉시티

reponse = client.chat.completions.create(     model = 'gpt-4o',     temperature=0.9,     messages=[         {'role':'system', 'content':'you are student.'},         {'role':'user', 'content':'오리'},     ] ) print(reponse) print('.....................') print(reponse.choices[0].message.content)

messages 요소 설명 OpenAI의 Chat API에서 messages는 대화의 흐름을 정의하는 리스트입니다. 각 요소는 하나의 메시지를 의미하며, 다음과 같은 주요 역할(role)을 가질 수 있습니다. 1. role system: 모델의 성격, 말투, 역할 등 전체 대화의 기본 설정을 지정합니다. 예시:   user: 실제 사용자가 입력한 질문이나 요청을 전달합니다. 예시:   assistant: 모델이 이전에 생성한 답변을 명시적으로 추가할 때 사용합니다. 예시:   2. content 각 메시지의 실제 텍스트(질문, 명령, 설명 등)를 담습니다. 3. messages의 활용 messages는 대화의 맥락(문맥)을 모델에 전달하는 역할을 합니다. 여러 번의 질문과 답변을 messages에 차례로 추가하면, 모델이 이전 대화 내용을 기억하며 더 자연스럽고 일관성 있는 답변을 할 수 있습니다. 학습 예시 예시 1: 역할 지정과 간단한 대화 messages=[     {'role':'system', 'content':'너는 초등학생을 위한 동물 설명 선생님이야.'},     {'role':'user', 'content':'오리'} ] system 메시지로 모델의 역할을 "초등학생을 위한 동물 설명 선생님"으로 지정. user가 "오리"라고 입력하면, 모델은 초등학생 눈높이에 맞게 오리를 설명합니다. 예시 2: 대화 맥락 유지 messages=[     {'role':'system', 'content':'너는 친절한 동물 백과사전이야.'},     {'role':'user', 'content':'오리'},     {'role':'assistant', 'content':'오리는 물과 땅에서 사는 새입니다.'},     {'role':'user', 'content':'오리의 먹이는 뭐야?'} ] 이전 대화(오리 설명)를 기억하고, "오리의 먹이는 뭐야?"라는 추가 질문에 자연스럽게 답변합니다. 예시 3: 다양한 역할과 상황 messages=[     {'role':'system', 'content':'너는 영어 선생님이야. 모든 답변을 영어로 해줘.'},     {'role':'user', 'content':'오리를 영어로 뭐라고 해?'} ] system 메시지로 영어 선생님 역할을 지정, 답변도 영어로 유도할 수 있습니다. 활용 팁 system 메시지로 모델의 말투, 역할, 답변 형식 등을 자유롭게 설정할 수 있습니다. user/assistant 메시지를 번갈아 추가하면 실제 대화처럼 맥락을 쌓아갈 수 있습니다. 여러 메시지를 조합해 "퀴즈", "역할극", "설명", "번역" 등 다양한 학습용 챗봇을 만들 수 있습니다. 실습 아이디어 동물 퀴즈 챗봇: system에 "너는 동물 퀴즈 선생님이야." 추가, user가 "문제 내줘"라고 입력하면 assistant가 퀴즈를 출제. 영어 회화 연습: system에 "너는 영어 회화 선생님이야. 대화를 영어로만 해." 지정, user가 영어로 질문. 역사 인물 역할극: system에 "너는 세종대왕 역할을 맡아." 지정, user가 세종대왕에게 질문. 이처럼 messages를 다양하게 조합해 원하는 학습 목적에 맞는 챗봇을 쉽게 만들 수 있습니다!

def get_ai_reponse(messages):     reponse = client.chat.completions.create(         model='gpt-4o',         temperature=0.9,         max_tokens=128,         messages=messages     )     return reponse.choices[0].message.content messages = [     {'role': 'system', 'content': '너는 친절한 동물 백과사전이야.'}, ] while True:     user_input = input('사용자:>')     if user_input == 'exit':         break     messages.append({'role': 'user', 'content': user_input})     ai_reponse = get_ai_reponse(messages)     messages.append({'role': 'assistant', 'content': ai_reponse})  # assistant로 수정     print('assistant:', ai_reponse)

반복 과정 상세 설명 1. 대화 이력(messages) 초기화 최초에 시스템 메시지(역할 지정)만 들어있는 리스트 messages가 생성됩니다. 2. 무한 반복 시작 (while True) 프로그램은 while True로 감싸져 있어, 사용자가 'exit'을 입력할 때까지 계속 반복됩니다. 3. 사용자 입력 받기 user_input = input('사용자:>') → 콘솔에 '사용자:>' 프롬프트가 표시되고, 사용자가 질문이나 명령을 입력합니다. 예: "호랑이에 대해 알려줘" 4. 종료 조건 확인 사용자가 'exit'을 입력하면, if user_input == 'exit': break → 반복문을 즉시 종료하고 프로그램이 끝납니다. 5. 사용자 입력을 대화 이력에 추가 사용자의 입력을 messages.append({'role': 'user', 'content': user_input}) → messages 리스트에 추가합니다. 이로써 지금까지의 대화 맥락이 모두 저장됩니다. 6. AI 응답 요청 및 반환 ai_reponse = get_ai_reponse(messages) → 지금까지의 대화 이력(messages)을 AI에게 전달하여, 가장 최근 질문에 대한 답변을 받아옵니다. get_ai_reponse 함수는 OpenAI API를 호출해, AI의 답변만 content 형태로 반환합니다. 7. AI 응답을 대화 이력에 추가 messages.append({'role': 'assistant', 'content': ai_reponse}) → AI의 답변도 messages에 추가합니다. 이렇게 하면 다음 질문을 할 때, AI가 이전 대화(질문과 답변)를 모두 참고할 수 있습니다. 8. AI 응답 출력 print('assistant:', ai_reponse) → AI가 생성한 답변을 화면에 출력합니다. 9. 다음 반복으로 이동 다시 while True의 처음으로 돌아가, 3~8번 과정을 반복합니다. 사용자가 'exit'을 입력할 때까지 계속해서 질문→AI답변→질문→AI답변... 순서로 반복됩니다. 값의 반환과 재입력 절차 사용자 입력: input()을 통해 값을 입력받음 → 이 값은 user_input 변수에 저장 대화 이력에 추가: → messages에 {'role': 'user', 'content': user_input} 형태로 저장 AI 응답 요청: → get_ai_reponse(messages) 함수에 messages를 넘겨줌 → 이 함수는 OpenAI API로부터 답변(문자열)을 반환 AI 응답 저장: → messages에 {'role': 'assistant', 'content': ai_reponse} 형태로 저장 AI 응답 출력: → print()로 사용자에게 보여줌 다음 입력 대기: → 다시 input()으로 사용자 입력을 기다림 → 이 과정을 사용자가 'exit'을 입력할 때까지 반복 예시 흐름 사용자: "호랑이에 대해 알려줘" 입력 AI: "호랑이는 육식성 포유류로..." 답변 사용자: "호랑이의 서식지는 어디야?" 입력 AI: "호랑이는 주로 아시아의 숲에 서식합니다..." 답변 사용자: "exit" 입력 프로그램 종료 정리 사용자의 입력이 messages에 쌓이고, AI의 답변도 messages에 쌓여, 대화의 맥락이 계속 이어집니다. AI는 매번 전체 대화 이력을 참고해 답변합니다. 이 과정은 사용자가 'exit'을 입력할 때까지 무한 반복됩니다.