Merge pull request #244 from 11mLLM/02_App
🇰🇷 Advanced Korean Translation - III Applications
pull/238/head^2
commit
0c3d283980
@ -1,3 +1,199 @@
|
||||
# Generating Code
|
||||
|
||||
Needs translation! Feel free to contribute a translation by clicking the `Edit this page` button on the right side.
|
||||
import { Callout, FileTree } from 'nextra-theme-docs'
|
||||
import {Screenshot} from 'components/screenshot'
|
||||
import CODE1 from '../../img/code-generation/chat-mode.png'
|
||||
|
||||
<Callout emoji="⚠️">
|
||||
이 장은 활발하게 개발 중입니다.
|
||||
</Callout>
|
||||
|
||||
ChatGPT와 같은 대규모언어모델은 코드 생성에 매우 유용합니다. 이 절은 코드 생성을 위해 ChatGPT를 사용하는 방법에 대한 많은 예시를 다룰 것입니다.
|
||||
|
||||
앞으로 나오는 모든 예시에는 OpenAI의 Playground(채팅 모드)와 gpt-3.5-turbo 모델이 사용됩니다.
|
||||
|
||||
OpenAI의 모든 채팅 모델과 마찬가지로, 사용자는 System Message를 사용하여 응답의 동작과 형식을 정의할 수 있습니다. 프롬프트의 예시로 다음 시스템 메시지를 사용해보겠습니다.
|
||||
|
||||
```
|
||||
너는 주니어 개발자에게 코딩을 가르칠 수 있는 코딩 도우미야. 언어는 Python이야. 코드를 설명하지는 말고 코드 블록 자체를 생성해.
|
||||
```
|
||||
|
||||
## 기본 예시
|
||||
|
||||
User Message는 사용자가 모델로 생성하고자 하는 특정 코드의 지시를 가진 프롬프트 자체가 됩니다. 아래는 코드 생성을 위한 첫 번째 기초 프롬프트의 스냅샷입니다. 최종 코드는 Assistant로 생성되었음을 인지하시기 바랍니다.
|
||||
|
||||
<Screenshot src={CODE1} alt="CODE1" />
|
||||
|
||||
직접 시도한다면 프롬프트는 다음과 같습니다:
|
||||
|
||||
```
|
||||
사용자에게 이름을 묻고 "안녕하세요"라고 말하는 코드를 작성해.
|
||||
```
|
||||
|
||||
## 주석을 코드로 변환
|
||||
|
||||
이러한 대규모언어모델의 코드 생성 기능을 사용하여 주석만으로도 코드를 생성할 수도 있습니다. 다음은 지시를 주석 블록으로 전달하는 예시입니다:
|
||||
|
||||
*Prompt:*
|
||||
```
|
||||
"""
|
||||
1. 영화들을 리스트로 생성해
|
||||
2. 이 영화들의 평점을 리스트로 생성해
|
||||
3. 이들을 결합하여 평점이 매겨진 영화의 json 객체를 10개 만들어.
|
||||
"""
|
||||
```
|
||||
|
||||
*Output:*
|
||||
```python
|
||||
movies = ["쇼생크 탈출", "대부", "다크 나이트", "쉰들러 리스트", "펄프 픽션", "반지의 제왕: 왕의 귀환", "포레스트 검프", "스타워즈: 에피소드 V - 제국의 역습", "인셉션", "양들의 침묵"]
|
||||
|
||||
ratings = [9.3, 9.2, 9.0, 8.9, 8.9, 8.9, 8.8, 8.7, 8.7, 8.6]
|
||||
|
||||
movie_ratings = {}
|
||||
|
||||
for i in range(len(movies)):
|
||||
movie_ratings[movies[i]] = ratings[i]
|
||||
|
||||
json_object = json.dumps(movie_ratings, indent=4)
|
||||
|
||||
print(json_object)
|
||||
```
|
||||
|
||||
생성된 코드는 작동하는 코드처럼 보입니다. 하지만 출력에는 중요한 import 문, 즉 import json이 포함되어 있지 않습니다. 따라서 이러한 모델들이 작동하는 코드를 생성하는 동안, 이와 같은 작은 디테일에 각별히 주의를 기울여야 하며 항상 코드를 테스트해야 합니다.
|
||||
|
||||
## 함수 또는 이후 내용을 완성시키기
|
||||
|
||||
이러한 대규모언어모델은 개발자에게 유용한 GitHub Copilot 같은 툴과도 통합되었습니다. 한가지 유용한 기능은 모델이 함수를 완성하는 것입니다.
|
||||
|
||||
*Prompt:*
|
||||
```python
|
||||
# 두 수를 곱하고 75를 더하는 함수
|
||||
|
||||
def multiply(
|
||||
```
|
||||
|
||||
*Output:*
|
||||
```python
|
||||
a, b):
|
||||
result = a * b
|
||||
result += 75
|
||||
return result
|
||||
```
|
||||
|
||||
## MySQL 쿼리 생성
|
||||
|
||||
위에 등장한 기본 코드 생성의 예시 외에도 모델을 사용하여 MySQL 쿼리 생성 및 테스트와 같은 프로그래밍과 다른 측면으로 사용될 수 있는 유용한 코드를 생성할 수 있습니다.
|
||||
|
||||
프롬프트의 일부를 포함하고 특정 쿼리를 생성하도록 지시할 수 있는 정보가 담긴 데이터세트가 있다고 가정해 보겠습니다. 예를 들어:
|
||||
|
||||
```
|
||||
"""
|
||||
Table departments, columns = [DepartmentId, DepartmentName]
|
||||
Table students, columns = [DepartmentId, StudentId, StudentName]
|
||||
컴퓨터공학과의 모든 학생들의 MySQL 쿼리를 생성해
|
||||
"""
|
||||
```
|
||||
|
||||
*Output:*
|
||||
```mysql
|
||||
SELECT students.StudentId, students.StudentName
|
||||
FROM students
|
||||
INNER JOIN departments
|
||||
ON students.DepartmentId = departments.DepartmentId
|
||||
WHERE departments.DepartmentName = 'Computer Science';
|
||||
```
|
||||
|
||||
모델이 쿼리를 생성합니다! 그러나 이 예제는 생성된 쿼리를 테스트할 데이터베이스가 없는 채로 구성되었습니다. 이 예시를 테스트할 경우 이 데이터베이스를 생성하는 것이 유용할 수도 있습니다. 다행히 ChatGPT로 이를 생성할 수 있습니다. 한 가지 방법은 데이터베이스 스키마를 생성하기 위해 약간 다른 지시를 하여 위 프롬프트의 수정된 버전을 사용하는 것입니다.
|
||||
|
||||
```mysql
|
||||
Table departments, columns = [DepartmentId, DepartmentName]
|
||||
Table students, columns = [DepartmentId, StudentId, StudentName]
|
||||
위 테이블과 컬럼의 유효한 데이터베이스 스키마를 생성해
|
||||
```
|
||||
|
||||
모델은 다음과 같은 스키마를 생성했습니다:
|
||||
|
||||
```mysql
|
||||
CREATE TABLE departments (
|
||||
DepartmentId INT PRIMARY KEY,
|
||||
DepartmentName VARCHAR(50)
|
||||
);
|
||||
|
||||
CREATE TABLE students (
|
||||
DepartmentId INT,
|
||||
StudentId INT PRIMARY KEY,
|
||||
StudentName VARCHAR(50),
|
||||
FOREIGN KEY (DepartmentId) REFERENCES departments(DepartmentId)
|
||||
);
|
||||
```
|
||||
|
||||
[sqliteonline.com](https://sqliteonline.com/)에서 임시 데이터베이스를 만들 수 있습니다.
|
||||
|
||||
기존에 생성된 쿼리가 유효한지 테스트하려면 더미 데이터도 필요합니다. 이것도 ChatGPT를 써봅시다! 프롬프트는 다음과 같습니다:
|
||||
|
||||
```mysql
|
||||
CREATE TABLE departments (
|
||||
DepartmentId INT PRIMARY KEY,
|
||||
DepartmentName VARCHAR(50)
|
||||
);
|
||||
|
||||
CREATE TABLE students (
|
||||
DepartmentId INT,
|
||||
StudentId INT PRIMARY KEY,
|
||||
StudentName VARCHAR(50),
|
||||
FOREIGN KEY (DepartmentId) REFERENCES departments(DepartmentId)
|
||||
);
|
||||
|
||||
위의 데이터베이스 스키마를 바탕으로 각 테이블에 4개의 로우을 포함하는 유효한 Insert 구문을 생성해.
|
||||
```
|
||||
|
||||
Insert 구문이 포함된 출력은 다음과 같습니다:
|
||||
|
||||
```mysql
|
||||
INSERT INTO departments (DepartmentId, DepartmentName)
|
||||
VALUES (1, 'Computer Science'), (2, 'Mathematics'), (3, 'Physics'), (4, 'Biology');
|
||||
|
||||
INSERT INTO students (DepartmentId, StudentId, StudentName)
|
||||
VALUES (1, 101, '철수'), (1, 102, '영희'), (2, 201, '민수'), (2, 202, '길동');
|
||||
```
|
||||
|
||||
이제 데이터베이스와 더미 데이터가 있으므로 기존 쿼리를 테스트할 수 있습니다. 더미 데이터를 기반으로 결과는 철수와 영희가 포함된 두 로우여야 합니다.
|
||||
|
||||
## 코드 설명
|
||||
특정 언어로 프로그래밍을 배운다면 모델이 특정한 몇 가지 코드를 설명하도록 유도하는 것이 유용할 수 있습니다. 위에서 생성한 쿼리를 재사용하여 모델에게 설명을 요청해 봅시다.
|
||||
|
||||
이전과 동일한 Sysyem Message를 사용한다면 모델에 지시하는 방법에 주의하시기 바랍니다. 예를 들어, 다음 예시를 사용하는 경우 모델은 Python의 코딩 도우미라는 이유로 지시를 거부하는 듯하지만 설명은 제공합니다. 모델은 시스템 메시지를 따르도록 설계되었기 때문에 가끔 지시하는 내용을 생성하지 않는 경우가 있습니다.
|
||||
|
||||
*Prompt:*
|
||||
|
||||
```mysql
|
||||
SELECT students.StudentId, students.StudentName
|
||||
FROM students
|
||||
INNER JOIN departments
|
||||
ON students.DepartmentId = departments.DepartmentId
|
||||
WHERE departments.DepartmentName = 'Computer Science';
|
||||
|
||||
위를 SQL 문으로 설명해.
|
||||
```
|
||||
|
||||
*Output:*
|
||||
|
||||
```
|
||||
죄송합니다. Python의 코딩 도우미로서 SQL 코드를 생성할 수 없습니다. 하지만 제공된 SQL 문의 목적을 설명할 수는 있습니다.
|
||||
|
||||
이 SQL 문은 `students` 테이블에서 `StudentId` 및 `StudentName` 컬럼을 선택합니다. 여기서 `departments` 테이블의 `DepartmentName` 컬럼은 'Computer Science'와 같습니다. 이를 해결하기 위해서 명령문은 `students` 및 `departments` 테이블 간의 `DepartmentId` 컬럼에서 Inner Join을 수행합니다.
|
||||
|
||||
쉽게 말해 컴퓨터공학과에 재학 중인 학생의 이름과 아이디를 뽑는 것입니다.
|
||||
```
|
||||
|
||||
## 코드 수정
|
||||
|
||||
해당 페이지는 개발 중에 있습니다.
|
||||
|
||||
## 코드 디버깅
|
||||
|
||||
해당 페이지는 개발 중에 있습니다.
|
||||
|
||||
## 우수 사례
|
||||
|
||||
해당 페이지는 개발 중에 있습니다.
|
||||
|
@ -1,47 +1,44 @@
|
||||
# 데이터 생성
|
||||
일관된 텍스트를 생성하는 것은 LLM이 두각을 나타내는 분야입니다. 효과적인 프롬프트 전략을 사용하면 모델을 조정하여 보다 우수하고 일관적이며 더욱 사실에 입각한 답변을 생성할 수 있습니다. 또한 LLM은 모든 종류의 실험과 평가를 수행하기 위한 유용한 데이터를 생성하는 데 특히 유용합니다. 가령, 다음과 같이 감정 분류기에 대한 빠른 샘플을 생성할 수 있습니다.
|
||||
|
||||
일관된 텍스트를 생성하는 것은 LLMs이 두각을 나타내는 분야입니다. 효과적인 프롬프트 전략을 사용하면 모델을 더 낫고, 일관성 있고, 더 사실에 기반한 답변을 생성할 수 있습니다. LLMs는 여러 종류의 실험과 평가를 수행하는 데 큰 도움이 되는 데이터를 생성하는 데 특히 유용합니다. 예를 들어, 다음과 같이 감정 분석을 위한 10가지 예를 생성해보겠습니다:
|
||||
|
||||
_프롬프트:_
|
||||
|
||||
_Prompt:_
|
||||
```
|
||||
감정 분석을 위한 10가지 예시를 작성해 줘. 예시는 긍정적 혹은 부정적으로 둘 중 하나로 분류할 수 있어. 부정적인 예시 2개와 긍정적인 예시 8개를 생성해줘. 다음 예시와 같은 형식을 사용해줘:
|
||||
감정 분석을 위한 10가지 예시를 작성해 줘. 예시는 긍정적 혹은 부정적 둘 중 하나로 분류할 수 있어. 부정적인 예시 2개와 긍정적인 예시 8개를 생성해줘. 다음 예시와 같은 형식을 사용해줘.
|
||||
Q: <문장>
|
||||
A: <감정>
|
||||
```
|
||||
|
||||
_출력:_
|
||||
|
||||
_Output:_
|
||||
```
|
||||
Q: 나 방금 굉장한 소식을 들었어!
|
||||
A: 긍정
|
||||
A: 긍정적
|
||||
|
||||
Q: 우리 급여가 올랐네요!
|
||||
A: 긍정
|
||||
Q: 우리 급여가 인상되었어!
|
||||
A: 긍정적
|
||||
|
||||
Q: 나는 오늘 내가 성취한 일에 뿌듯함을 느껴.
|
||||
A: 긍정
|
||||
A: 긍정적
|
||||
|
||||
Q: 최고의 하루를 보내고 있어!
|
||||
A: 긍정
|
||||
A: 긍정적
|
||||
|
||||
Q: 이번 주말을 매우 고대하고있어!
|
||||
A: 긍정
|
||||
Q: 이번 주말을 매우 고대하고 있어!
|
||||
A: 긍정적
|
||||
|
||||
Q: 나는 지금 최고의 선물을 받았어!
|
||||
A: 긍정
|
||||
A: 긍정적
|
||||
|
||||
Q: 나는 지금 매우 행복해.
|
||||
A: 긍정
|
||||
A: 긍정적
|
||||
|
||||
Q: 이렇게 훌륭한 가족의 일원으로서 축복받았다고 느껴.
|
||||
A: 긍정
|
||||
Q: 이렇게 훌륭한 가족의 일원이라는 건 정말 축복이야.
|
||||
A: 긍정적
|
||||
|
||||
Q: 바깥 날씨가 굉장히 흐리네요.
|
||||
A: 부정
|
||||
Q: 바깥 날씨가 굉장히 흐려.
|
||||
A: 부정적
|
||||
|
||||
Q: 방금 끔찍한 소식을 들었어요.
|
||||
A: 부정
|
||||
Q: 방금 끔찍한 소식을 들었어.
|
||||
A: 부정적
|
||||
```
|
||||
|
||||
이는 매우 유용합니다. 실제로 이 가이드의 또 다른 섹션의 테스트에서 이 예시를 사용하고 있을정도로요.
|
||||
이는 매우 유용합니다. 이 가이드의 다른 섹션의 테스트에서 실제로 이 예시를 사용하고 있을 정도로요.
|
||||
|
@ -1,3 +1,107 @@
|
||||
# Prompt Function
|
||||
# 프롬프트 함수(Prompt Function)
|
||||
|
||||
Needs translation! Feel free to contribute a translation by clicking the `Edit this page` button on the right side.
|
||||
## 도입
|
||||
GPT의 대화 인터페이스와 프로그래밍 언어의 쉘(shell)을 유사하게 생각하면 프롬프트(prompt)를 캡슐화(encapsulation) 하는 것은 함수를 생성하는 것으로 생각할 수 있습니다. 이 함수는 고유한 이름을 가지며, 입력 텍스트와 함께 이 이름을 호출하면, 설정된 내부 규칙에 따라 결과를 생성합니다. 간단히 말해, GPT를 쉽게 사용할 수 있도록 이름과 함께 재사용 가능한 프롬프트를 만든다는 것입니다. GPT가 우리 대신 특정 작업을 수행하는 편리한 도구가 되는 것과 같습니다. - 우리는 그냥 입력을 주고, 원하는 결과를 돌려 받는 것입니다.
|
||||
|
||||
프롬프트를 함수로 캡슐화하여, 일련의 함수를 만들어 워크플로우(workflow)를 만들 수 있습니다. 각각의 함수는 특정 단계 혹은 작업을 나타내며, 특정 순서로 작업을 결합하면 복잡한 프로세스(process)를 자동화하거나 문제를 보다 효율적으로 해결할 수 있습니다. 이 접근법을 통해 GPT와 보다 체계적이고 간소화된 상호작용이 가능해져, 궁극적으로 GPT의 기능을 향상하고, GPT를 다양한 작업을 수행할 수 있는 강력한 도구로 만듭니다.
|
||||
|
||||
함수를 사용하기 전에 GPT에 함수에 대해 알려줘야 합니다. 다음은 함수를 정의하는 프롬프트입니다.
|
||||
|
||||
*Prompt:*
|
||||
> 이 프롬프트를 **메타 프롬프트(meta prompt)** 라고 부릅시다.
|
||||
이 프롬프트는 GPT 3.5에서 실행되었고, GPT 4에서 더 잘됩니다.
|
||||
|
||||
```
|
||||
안녕 ChatGPT! 그동안 잘 지냈니? 나는 특정 함수를 통해 너의 도움을 받고 싶어. 나는 네가 제공된 지침에 따라 다양한 작업을 수행할 수 있는 기능이 있다고 알고 있어. 내 요청을 알아듣기 쉽도록 함수, 입력 그리고 입력에 대한 지시사항을 설명하는 탬플릿을 쓸거야. 아래 자세한 내용을 확인해.
|
||||
|
||||
function_name: [함수 명]
|
||||
input: [입력]
|
||||
rule: [입력 처리 방법에 대한 지침]
|
||||
|
||||
내가 제공한 세부 정보를 바탕으로 이 함수에 대한 출력을 제공해. 도와주면 좋겠어. 땡큐!
|
||||
대괄호 안의 텍스트는 내가 수행하고자 하는 기능에 대한 관련 정보로 대체할 거야. 이렇게 자세히 소개하면 내 요청을 더 효율적으로 이해하고 원하는 출력을 제공하는데 도움이 될거야. 형식은 function_name(input) 이며, 이해했으면 ok 한 단어만 출력해.
|
||||
|
||||
```
|
||||
|
||||
|
||||
## 예시
|
||||
|
||||
### 영어 공부 도우미
|
||||
예를 들어 영어 공부를 돕기 위해 GPT를 사용한다고 가정해 보겠습니다. 일련의 함수를 만들어 프로세스를 단순화할 수 있습니다.
|
||||
|
||||
이 프롬프트는 GPT 3.5에서 실행되었고, GPT 4에서 더 잘됩니다.
|
||||
|
||||
#### 함수 설명
|
||||
|
||||
위에서 정의한 **메타 프롬프트**를 GPT에 먼저 붙여 넣어야 합니다.
|
||||
|
||||
다음으로 우리는 `trans_word`라는 함수를 만들 것입니다.
|
||||
이 프롬프트 함수는 GPT가 중국어를 영어로 번역하게 만듭니다.
|
||||
|
||||
*Prompt:*
|
||||
```
|
||||
function_name: [trans_word]
|
||||
input: ["텍스트"]
|
||||
rule: [너는 영어 번역가, 맞춤법 교정자이자 언어 개선자야. 내가 어떤 언어로든 "텍스트"를 포함한 입력 양식을 제공하면, 내 텍스트를 영어로 번역해.]
|
||||
```
|
||||
|
||||
|
||||
텍스트를 확장하는 함수를 작성해 봅니다.
|
||||
|
||||
*Prompt:*
|
||||
```
|
||||
function_name: [expand_word]
|
||||
input: ["텍스트"]
|
||||
rule: [너는 투머치토커인 맞춤법 교정자이자 언어 개선자야. 어떤 언어로든 "텍스트"를 포함한 입력 양식과 원어 출력을 제공할테니 원래 언어로 출력해줘. 의미는 유지하면서 문학적으로 바꿔줘.]
|
||||
```
|
||||
거야
|
||||
텍스트를 교정하는 함수를 작성합니다.
|
||||
|
||||
*Prompt:*
|
||||
```
|
||||
function_name: [fix_english]
|
||||
input: ["텍스트"]
|
||||
rule: [영어 마스터이자 맞춤법 교정자 및 언어 개선자로 일해. "텍스트"를 포함한 입력 양식을 줄거야. 이 입력을 좀 더 자연스럽고 우아한 어휘와 문장을 사용해서 개선해줘. 의미는 유지한 채로.]
|
||||
```
|
||||
마지막으로 함수를 독립적으로 실행하거나 함께 연결(chain)할 수 있습니다.
|
||||
|
||||
*Prompt:*
|
||||
```
|
||||
trans_word('婆罗摩火山处于享有“千岛之国”美称的印度尼西亚. 多岛之国印尼有4500座之多的火山, 世界著名的十大活火山有三座在这里.')
|
||||
fix_english('Finally, you can run the function independently or chain them together.')
|
||||
fix_english(expand_word(trans_word('婆罗摩火山处于享有“千岛之国”美称的印度尼西亚. 多岛之国印尼有4500座之多的火山, 世界著名的十大活火山有三座在这里.')))
|
||||
```
|
||||
함수를 이 형식으로 표현하면 각 함수의 이름, 입력, 입력을 처리하는 규칙을 명확하게 볼 수 있습니다. 이를 통해 워크플로우의 각 단계의 기능과 목적을 체계적으로 이해할 수 있습니다.
|
||||
|
||||
_팁:_
|
||||
ChatGPT가 과도한 정보를 출력하지 않도록 하려면 함수의 규칙을 정의한 후 아래 문장을 추가하면 됩니다.
|
||||
```
|
||||
이해했으면 OK만 출력해
|
||||
```
|
||||
|
||||
### 다중 파라미터(params) 함수
|
||||
5개의 입력 파라미터를 받아 비밀번호를 생성하는 함수를 만들어 봅시다!
|
||||
|
||||
*Prompt:*
|
||||
```
|
||||
function_name: [pg]
|
||||
input: ["길이", "대문자", "소문자", "숫자", "특수문자"]
|
||||
rule: [너는 안전한 비밀번호를 원하는 개인을 위한 비밀번호 생성기야. "길이", "대문자", "소문자", "숫자", 그리고 "특수문자" 이렇게 5개 입력을 줄거야. 주어진 입력을 사용해 복잡한 비밀번호를 생성해. 설명이나 부가 정보 없이 그냥 생성한 비밀번호만 반환해. 예를 들어 길이 = 8, 대문자 = 1, 소문자 = 5, 숫자 = 2, 특수문자 = 1이 주어지면 출력은 "D5%t9Bgf" 등의 비밀번호가 되는 거야.]
|
||||
```
|
||||
```
|
||||
pg(길이 = 10, 대문자 = 1, 소문자 = 5, 숫자 = 2, 특수문자 = 1)
|
||||
pg(10,1,5,2,1)
|
||||
```
|
||||
|
||||
### 생각
|
||||
현재, 다음과 같이 많은 프로젝트 들에서 GPT 프롬프팅을 사용하고 있습니다. 예는 다음과 같습니다.
|
||||
- [GitHub Copilot](https://github.com/features/copilot)
|
||||
- [Microsoft AI](https://www.microsoft.com/en-us/ai)
|
||||
- [chatgpt-plugins](https://openai.com/blog/chatgpt-plugins)
|
||||
- [LangChain](https://github.com/hwchase17/langchain)
|
||||
- [marvin](https://github.com/PrefectHQ/marvin)
|
||||
|
||||
하지만 이 프로젝트들은 제품의 구매자 혹은 파이썬(Python) 이나 다른 프로그래밍 언어를 작성할 수 있는 사람들을 대상으로 합니다.
|
||||
일반 유저들은 간단한 탬플릿을 일상에 반복적으로 사용합니다. 노트 애플리케이션을 이용해 함수를 작성하고 라이브러리로 업데이트 할 수도 있습니다.
|
||||
대체제로 [ChatGPT-Next-Web](https://github.com/Yidadaa/ChatGPT-Next-Web), [chatbox](https://github.com/Bin-Huang/chatbox), [PromptAppGPT](https://github.com/mleoking/PromptAppGPT), 그리고 [ChatGPT-Desktop](https://github.com/lencx/ChatGPT) 등의 몇몇 오픈 소스 ChatGPT 도구를 사용할 수 있습니다. 현재 ChatGPT-Next-Web은 새로운 채팅을 시작하기 전 퓨샷(few-shot)을 더하는 것을 허용합니다. PromptAppGPT는 프롬프트 템플릿을 기반으로 한 웹 애플리케이션을 로우-코드(low-code)로 작성할 수 있게 하여, AutoGPT 비슷한 애플리케이션을 프롬프트 몇 라인으로 만들 수 있도록 합니다.
|
||||
이러한 도구들을 이용해 함수를 만들고 사용할 수 있습니다.
|
||||
|
Loading…
Reference in New Issue