패스트캠퍼스 환급챌린지 1일차 : 조대협의 항로 2 : 실전 LLM 애플리케이션 개발 로드맵 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

#패스트캠퍼스 #환급챌린지 #패스트캠퍼스후기 #습관형성 #직장인자기계발 #오공완

https://fastcampus.info/4n8ztzq

1. 학습 인증샷

 

오늘 학습 인증샷을 추가한다. 시작, 종료, 강의 학습통계 완강률, 오늘 수강한 내용, 그리고 오늘 실습에 대한 필기이다. 

2. 오늘 수강한 강의

Output Parser 를 활용하여 LLM 출력 제어 실습

3. 오늘 느낀 점

오늘 강의는 Output Parser에 대한 내용이였습니다. 

LangChain Output Parser 수업을 들으면서 LLM을 단순한 챗봇이 아니라 정교한 데이터 처리 도구로 활용할 수 있다는 개발자적인 관점을 갖게 되었습니다.

이전까지는 원하는 결과를 얻기 위해 프롬프트에 구체적인 설명을 나열하는 것이였고, 오늘은 해당 LLM 응답에 대해서 다양한 응답 형태로 출력 할 수 있게 끔 하는 것이였습니다. CSV 파서, JSON 파서 등 여러가지 파서가 있었고, 이것도 기술적인 것 보다 LLM 프롬프트에 녹여서 보여주는 형태였습니다. 

이번 수업에서는 Pydantic으로 원하는 데이터 구조를 명확히 정의하고, JsonOutputParser가 이를 LLM이 이해할 수 있도록 변환해주는 것이였습니다. 코드로 시스템의 요구사항을 정의하고, LLM이 그에 맞춰 결과물을 생성하는게 기존 프로그래밍 과는 좀 다른 관점이였지만, 신기한 경험이였습니다. 

또한 LCEL의 파이프 연산자(|)는 복잡한 처리 과정을 하나의 파이프라인으로 자연스럽게 구성해줘서 코드의 가독성과 재사용성을 크게 높여주는 방식이였습니다. 체이닝이 복잡할 것 같았지만 단순한 연산자 하나로 체이닝이 가능하다는 것이 신기했습니다. 

XML 파서에서의 예외 처리 예시는 LLM의 출력이 항상 완벽하진 않다는 점을 상기시켜주었고, 이를 견고한 시스템으로 만들기 위한 에러 핸들링의 중요성을 다시 생각하게 해주는 계기가 되었습니다. 그리고 강사님도 예외 처리가 정말 중요하다고 하였고, 현업에서도 예외 처리를 제대로 하지 않으면 앱이 죽는 등 여러가지 문제가 있었습니다. 

이번 강의를 통해 LLM을 다루는 기술이 단순히 ‘어떻게 질문할까’의 수준이 아닌 정제된 형태의 Output으로 파싱하게 쉽게 내 보낼 수 있다는 것을 알았고, 파이선에서 pydantic 이라는 라이브러리를 통해 정교한 데이터 타입 처리를 할 수 있다는 것을 알게 되었습니다. 

오늘은 첫 강의를 들은 날이고, 50일 간 공부한 내용을 기록해 보려고 하는데, 이번 계기를 통해 좋은 습관을 들여 더 발전해 나나고 싶습니다.