dhlee-note

지난 게시글에 이어서 Output Parser에 대해서 정리해보겠습니다. Output Parser는 LLM을 특정 형식으로 출력하도록 할 때, 그 출력을 프로그램적으로 다루고 싶을 때 사용합니다.Output Parser는 JSON 등의 출력 형식을 지정하는 프롬프트 작성과 응답 텍스트의 Python 객체로의 변환 기능을 제공합니다. LangChain에서 제공하는 OutputParser의 종류는 다음과 같습니다.StrOutputParser: 메시지/LLMResult → “가장 그럴듯한 문자열”CommaSeparatedListOutputParser: “a, b, c” → ["a","b","c"]MarkdownListOutputParser: "- 항목1\n- 항목2\n- 항목3" 같은 마크다운 불릿 리스트 텍..

지난 게시글에서는 LangChain의 주요 컴포넌트 중에 하나인 Chat model 컴포넌트 사용 방법에 대해서 정리했습니다. 2025.09.08 - [AI] - LangChain의 주요 컴포넌트 사용 방법 및 예시 - LLM/Chat model 이번 글에서는 Prompt Template 사용 방법과 예시에 대해서 정리하도록 하겠습니다. PromptTemplatePromptTemplate은 단순 문자열 템플릿에 변수를 주입해 프롬프트를 재사용할 수 있게 합니다.input_variables에 입력받을 변수를 넣어주고, format 함수에서 각각 변수에 입력할 값을 넣어주면 됩니다.from langchain.prompts import PromptTemplatetemplate = "너는 {subject} 전..

LangChain은 LLM(Large Language Model)을 사용하여 애플리케이션을 개발하기 위한 오픈소스 프레임워크입니다.2023년도에 사용해 봤을 때는 크게 필요성을 못 느꼈었는데, 2024년 1월에 v0.1.0으로 업데이트되면서 많이 바뀐 것으로 보입니다. v0.1.0에서는 기존 langchain 패키지에 대한 의존 관계가 너무 많아지는 문제 등을 해결하기 위해 langchain-core, langchain-community 등을 분리하여 아키텍처를 모듈화 하고,LangGraph라는 새로운 라이브러리를 소개하며, 에이전트에 그래프 기반 워크플로우를 도입하게 되었다고 합니다. 따라서, 최근 다시 LangChain을 공부하면서 배운 것을 정리해보고자 합니다. 제가 읽고 있는 책은 "랭체인과 ..