Assistants API를 이용해 연애상담 챗봇을 만들어 보자. 어시스턴스를 미리 정의해 만들어 두고, 쓰레드(방)를 만들어 대화내용을 기록하게 한다. 대화의 연속성을 얻을 수 있다. 매번 R&R을 지정하지 않아도 되니 편리하다. 총 5개 스텝으로 만든다. from openai import OpenAI from dotenv import load_dotenv load_dotenv() client = OpenAI() # Step 1: Create an Assistant # my_assistant = client.beta.assistants.create( # instructions=""" # 당신은 연애코칭 전문가이자 심리학을 전공했습니다. 쉬운 용어를 이용해 이해하기 쉽게 상담하세요. # 규칙은 다음과 같아요. # 1. 친한 친구에게 말하듯 편안하게 상담해줘. # 2. 비슷한 사례를 들어 해결방법을 제시해줘. # """, # name="연애코칭 상담봇", # # tools=[{"type": "code_interpreter"}], # model="gpt-3.5-turbo", # ) # print(my_assistant) assista..

자청이 운영하는 이별상담서비스를 만들어 보자. AI를 연애코칭 전문가로 인식시키고 상담을 진행한다. 구구절절한 사연이 올라올 테니 상담내용을 잘 기억했다가 만족할만한 답변을 줘야 한다. OpenAI의 ChatCompleton를 이용한다. from openai import OpenAI from dotenv import load_dotenv load_dotenv() client = OpenAI() print(f"client.api_key : {client.api_key}") messages = [ {"role": "system", "content": """ 당신은 연애코칭 전문가이자 심리학을 전공했습니다. 쉬운 용어를 이용해 이해하기 쉽게 상담하세요. 규칙은 다음과 같아요. 1. 친한 친구에게 말하듯 편안하게 상담해줘. 2. 비슷한 사례를 들어 해결방법을 제시해줘. """ } ] while True: user_content = input("상담자: ") messages.append({"role": "user", "content": user_content}) completion = client.chat.completions.create( ..

자청이 운영하는 이별상담서비스를 만들어 보자. AI를 연애코칭 전문가로 인식시키고 상담을 진행한다. 구구절절한 사연이 올라올 테니 상담내용을 잘 기억했다가 만족할만한 답변을 줘야 한다. OpenAI의 ChatCompleton를 이용한다. from openai import OpenAI from dotenv import load_dotenv load_dotenv() client = OpenAI() print(f"client.api_key : {client.api_key}") messages = [ {"role": "system", "content": """ 당신은 연애코칭 전문가이자 심리학을 전공했습니다. 쉬운 용어를 이용해 이해하기 쉽게 상담하세요. 규칙은 다음과 같아요. 1. 친한 친구에게 말하듯 편안하게 상담해줘. 2. 비슷한 사례를 들어 해결방법을 제시해줘. """ } ] while True: user_content = input("상담자: ") messages.append({"role": "user", "content": user_content}) completion = client.chat.completions.create( ..

ChatGPT가 프로그램을 작성하는 건 일도 아니다. 프롬프트를 이용해 "파이썬으로 Hello World 출력하는 코드를 작성해줘" 명령어를 날리면 순식간에 작성한다. API를 이용해 똑같은 작업을 해보자. API를 이용하면 좀 더 다이내믹한 결과를 만들 수 있다. from openai import OpenAI from dotenv import load_dotenv load_dotenv() client = OpenAI() print(f"client.api_key : {client.api_key}") completion = client.chat.completions.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "당신은 창의적인 감각으로 복잡한 프로그래밍 개념을 설명하는 데 능숙한 선생님입니다."}, {"role": "user", "content": "파이썬으로 hello world를 출력하는 코드를 작성해줘."} ] ) print(completion.choices[0].message.content) OpenAI 모듈 불러오기 \from openai import OpenAI client = OpenAI() print(f"client.api_key : {client.api_key}") api 키값은 2가지 ..

ChatGPT가 프로그램을 작성하는 건 일도 아니다. 프롬프트를 이용해 "파이썬으로 Hello World 출력하는 코드를 작성해줘" 명령어를 날리면 순식간에 작성한다. API를 이용해 똑같은 작업을 해보자. API를 이용하면 좀 더 다이내믹한 결과를 만들 수 있다. from openai import OpenAI from dotenv import load_dotenv load_dotenv() client = OpenAI() print(f"client.api_key : {client.api_key}") completion = client.chat.completions.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "당신은 창의적인 감각으로 복잡한 프로그래밍 개념을 설명하는 데 능숙한 선생님입니다."}, {"role": "user", "content": "파이썬으로 hello world를 출력하는 코드를 작성해줘."} ] ) print(completion.choices[0].message.content) OpenAI 모듈 불러오기 \from openai import OpenAI client = OpenAI() print(f"client.api_key : {client.api_key}") api 키값은 2가지 ..

css, html, javascripts 몰라도 웹페이지를 만들 수 있다. Streamlit을 이용하면 이 기능을 아주 쉽게 구현한다. 1. Streamlit 설치 pip install streamlit 2. Streamlit Welcome 페이지 열어보기 streamlit hello 명령어 관련해 실행되면 웹 페이지가 열린다. 자동으로 열리지 않으면 아래 url을 클릭해 연다. LocalURL:http://localhost:8501 Network URL: http://172.30.1.83:8501 WelcometoStreamlit! 3. 코딩 streamlit 모듈을 import 해 다양한 기능을 사용한다. 4.실행 streamlit run .\streamlit_test.py Local URL: http://localhost:8501 NetworkURL:http://172.30.1.83:8501 5. Streamlit 다큐멘트 https://docs.streamlit.io 반응형 (adsbygoogle = window.adsbygoogle || []).push({});

css, html, javascripts 몰라도 웹페이지를 만들 수 있다. Streamlit을 이용하면 이 기능을 아주 쉽게 구현한다. 1. Streamlit 설치 pip install streamlit 2. Streamlit Welcome 페이지 열어보기 streamlit hello 명령어 관련해 실행되면 웹 페이지가 열린다. 자동으로 열리지 않으면 아래 url을 클릭해 연다. LocalURL:http://localhost:8501 Network URL: http://172.30.1.83:8501 WelcometoStreamlit! 3. 코딩 streamlit 모듈을 import 해 다양한 기능을 사용한다. 4.실행 streamlit run .\streamlit_test.py Local URL: http://localhost:8501 NetworkURL:http://172.30.1.83:8501 5. Streamlit 다큐멘트 https://docs.streamlit.io

파이썬 가상환경을 만들어 보자. 개발을 하다보면 라이브러리 버전이 맞지않아 원하는 결과를 얻지 못하는 경우가 왕왕 발생한다. 버전관리가 어렵고 문제가 생겼을 때 해결하기도 어렵다. venv를 이용하면 완전히 독립적인 환경을 구축할 수 있다. 1. 소스 폴더를 생성한다. 2. cmd창 또는 Vscode powershell에서 파이썬 가상환경 명령어 실행 python-mvenvmyvenv 3. 가상환경 디렉토리 확인 하위에 myvenv 디렉토리가 만들어진다. 4. 가상환경 시작하기 활성화 : .\venv\Scripts\activate 5. 가상환경 테스트 ( pip list ) 가상디렉토리와 일반 디렉토에서 pip list 명령을 날려 설치된 라이브러지 비교하자. 가상환경은 처음 설치된 것처럼 2개만 설정되어 있다. * 가상환경이 활성화 시 권한 에러가 발생할 경우 아래와 같이 조치한다. Unrestricted 권한을 부여한다. Set-ExecutionPolicy-Scope..