[목 차]

 

옮긴이 머리말 x

베타리더 후기 xii

시작하며 xiv

감사의 글 xvi

이 책에 대하여 xvii

 

CHAPTER 1 ChatGPT로 할 수 있는 것은 무엇일까? 1

1.1 ChatGPT로 무엇을 할 수 있을까? 2

__1.1.1 ChatGPT를 비서로 5

__1.1.2 ChatGPT를 내 동료로 7

__1.1.3 개발 프로세스에서 ChatGPT 활용하기 8

1.2 어떻게 가능할까? 10

__1.2.1 트랜스포머의 탄생 10

__1.2.2 간단하게 살펴볼까요? 11

__1.2.3 토큰의 분해와 순서 부여 12

__1.2.4 주의 집중이란 13

__1.2.5 단일 주의 집중과 복수의 주의 집중 15

__1.2.6 부호기에 의해 생성된 문맥을 복호기에 연결하기 17

__1.2.7 더 이상 두렵지 않다! Attention Is All You Need 18

__1.2.8 GPT는 어떻게 문장을 생성하는 것일까? 19

 

CHAPTER 2 프로그래밍에서의 활용 23

2.1 자동 코드 작성 24

__2.1.1 이해는 하지만 잘하지 못하는 것을 맡기기 25

__2.1.2 작게 쪼개서 요청하기 28

__2.1.3 함수에 대한 테스트 코드도 함께 생성하기 31

__2.1.4 단계별로 쌓아 올리기 33

2.2 오류 대책 33

__2.2.1 오류 대책의 기본 33

__2.2.2 오류가 계속 반복되는 경우에 대한 대응 방법 35

__2.2.3 그래도 오류가 해결되지 않는다면 35

2.3 클래스화에 대하여 36

__2.3.1 클래스 구성도로부터 코드 생성 접근하기 40

2.4 상태전이표로 코드 생성하기 43

__2.4.1 상태전이표로부터 코드 생성 접근하기 44

2.5 디자인 패턴 제안받기 50

__2.5.1 적합한 디자인 패턴 찾기 52

2.6 알고리즘 제안받기 54

2.7 단계별로 쌓아 올리기 70

2.8 코드 변환 80

__2.8.1 SQL 버전이 달라도 두렵지 않다 81

__2.8.2 다른 프로그래밍 언어(또는 여러 개의 언어)도 쉽게 배울 수 있다 83

__2.8.3 다른 언어에서도 작동하는 코드로 변환하기 86

__2.8.4 이것까지 된다고? 90

2.9 테스트 케이스에서 주의할 점 93

 

CHAPTER 3 리팩터링에서의 활용 95

3.1 자투리 시간에 가볍게 리팩터링하기 97

__3.1.1 함수 분할 97

__3.1.2 변수 이름과 함수 이름의 개선 99

__3.1.3 중복 제거 100

3.2 주석과 문서화 102

__3.2.1 인라인 주석을 추가해달라고 하기 102

__3.2.2 함수 문서를 추가해달라고 하기 104

3.3 보안 취약성 확인 107

3.4 예외 처리와 논리 완전성 개선 112

__3.4.1 예외 처리 개선 112

__3.4.2 논리 완전성 확인과 개선 114

 

CHAPTER 4 문서의 자동 작성 117

4.1 파워포인트 슬라이드 자동 작성 118

4.2 워드 문서 자동 작성 124

4.3 엑셀 연계 문서 자동 작성 127

4.4 diagrams를 사용한 클라우드 구성도 작성 134

4.5 dbdiagram.io에 의한 개체 관계 구성도 작성 139

 

CHAPTER 5 각종 개발 방법의 제안 145

5.1 도메인 주도 설계와 구현 147

5.2 테스트 주도 개발에 의한 테스트 기반 구현 165

5.3 ChatGPT와 소프트웨어 개발의 접근 방식 175

 

CHAPTER 6 학습 과정에서의 활용 177

6.1 분야별 학습 178

__6.1.1 학습 체험을 시작하면서 179

__6.1.2 [Step 1] 학습 영역 범위 좁히기 179

__6.1.3 [Step 2] 학습 테마 결정 181

__6.1.4 [Step 3] 생성 코드로 직접 체험하는 학습 183

__6.1.5 [Step 4] 코드 학습 뒤 확인 작업 189

__6.1.6 [Step 5] 더욱 깊이 파고들어 의미 이해하기 190

__6.1.7 [Step 6] 현실 응용을 위해 함수 깊이 파고들기 190

__6.1.8 [Step 7] 소크라테스의 가정교사(GPT-4 전용) 192

__6.1.9 [Step 8] 무한 대화를 무기로 삼아 193

6.2 프로그래밍 언어 학습 194

__6.2.1 [Step 1] 대상 언어의 특징 이해하기 195

__6.2.2 [Step 2] 작동 환경 구축 196

__6.2.3 [Step 3] 언어 치트시트 작성하기 198

__6.2.4 [Step 4] 빌드 이해하기 199

__6.2.5 [Step 5] 소크라테스 대화법으로 정리 205

6.3 학습 속도를 높이는 ChatGPT 206

 

CHAPTER 7 ChatGPT API의 활용 207

7.1 가장 기본적인 사용 방법 208

__7.1.1 API 키 발급 208

__7.1.2 가장 간단한 코드 211

__7.1.3 결과를 스트림으로 표시하기 213

__7.1.4 챗봇화하기 214

7.2 요약으로 문맥 연결하기 216

7.3 자연어로 사내 데이터베이스 질의하기 222

7.4 사내 데이터베이스와 연계한 사용자 지원 232

__7.4.1 역할을 분담시키기 232

 

CHAPTER 8 ChatGPT로 장문 데이터 다루기 245

8.1 LlamaIndex로 장문 데이터 처리 247

__8.1.1 장문의 외부 데이터와의 연계 체험하기 247

__8.1.2 어떤 원리로 작동하는가 256

__8.1.3 적재기 사용하기 256

8.2 랭체인으로 장문 데이터 처리 261

__8.2.1 색인 저장과 적재 266

__8.2.2 적재기 사용하기 268

__8.2.3 장문을 ChatGPT에서 취급할 때의 요령 271

 

CHAPTER 9 랭체인을 이용한 과정 자동화 275

9.1 랭체인 구조 276

9.2 Chains로 작업 연결하기 278

__9.2.1 일단 사용해보기 279

__9.2.2 단독 체인으로 질의하기 280

__9.2.3 단독 체인을 연결해보기 282

__9.2.4 SimpleSequentialChain으로 한 번에 연결하기 285

__9.2.5 SequentialChain으로 여러 개의 결과 얻기 287

9.3 Chains 기반의 챗봇 예제 290

__9.3.1 랭체인을 이용한 기본적인 챗봇 291

__9.3.2 SQL 질의 방법 293

__9.3.3 챗봇 구현 296

9.4 Agent를 이용한 코드 실행 304

__9.4.1 파워포인트 자동 작성 304

__9.4.2 diagrams를 사용한 클라우드 구성도 자동 작성 307

__9.4.3 그래프 자동 작성 309

9.5 Agent를 이용한 판단/실행/과정 자동화 311

__9.5.1 자동으로 퍼즐을 푸는 간단한 예 311

__9.5.2 웹 검색에 대응하기 316

__9.5.3 색인 데이터베이스 검색 통합하기 319

__9.5.4 PDF 문서 검색하기 322

__9.5.5 여러 개의 색인 데이터베이스를 각각 별도의 도구로 생성하기 324

__9.5.6 SQL 데이터베이스 검색 통합하기 329

9.6 Agent를 이용한 챗봇 최종형 332

__9.6.1 대화 예시 336

__9.6.2 그게 무슨 상관인데요? 342

 

마치며 343

찾아보기 346

 

[본 문]

 

파이썬에서 테스트 코드를 작성하는 경우 pytest가 주류를 형성하지만, 구글 코랩(Google Colab)에서는 이를 사용하기가 불편합니다. pytest는 기본적으로 파일을 대상으로 검색한 후 테스트 코드를 찾아 실행하는 것이 주된 사용 방법이기 때문에, 구글 코랩과 같은 셀 단위 실행 환경에는 적합하지 않습니다. 반면 파이썬 표준인 unittest는 셀 단위로 실행할 수 있기 때문에 구글 코랩에서 이용하기 편리합니다. (...) argv=['first-arg-is-ignored']는 실제로는 사용되지 않는 가짜 인수(dummy parameter)입니다. 일반적인 파이썬 스크립트에서 argv의 첫 요소는 스크립트 이름이며, 가짜 인수를 통해 동일한 작동을 모방하기 위해 사용됩니다. (93쪽)

 

파이썬은 문서화를 함수, 클래스, 모듈에 녹여내는 것이 가능한 독스트링(docstring)이라는 특별한 문자열이 있습니다. 함수 정의 바로 아래에 작성하는 삼중 큰따옴표(""")로 둘러싸인 문자열입니다. 이 독스트링은 사실 함수의 설명으로 표시되는 기능을 제공합니다. (...) 이 기능을 이용하면 함수의 설명이나 사용 방법, 매개변수의 지정 방법을 알 수 있기 때문에 매우 편리합니다. 그림 3.1은 구글 코랩에서 설명하는 open() 함수입니다. 셀에 open?이라고 입력하면 도움말 화면이 열리고 그 안에 설명이 표시됩니다. 반면 help(open)이라고 실행하면 결과 셀에 설명이 표시됩니다. (104쪽)

 

구성도의 내용이 얼핏 보기에 복잡하게 보이지만 사실 매우 간단합니다. InventoryService를 보면 사용자가 하고 싶은 것들이 메서드로 표현되어 있으며, 도메인은 Product, Warehouse, Quantity, Inventory 부분입니다. 이 부분은 사용자(또는 시스템을 이용하는 사람들)가 직접 관여하여 비즈니스에서 의미를 가지는 영역입니다. 사용자와 이야기를 진행할 때 이것이 일반적이라고 인식하면 될 뿐입니다. 앞서 언급된 수수께끼의 보편적 언어입니다. / 이를 기반으로 사용자와 함께 이런저런 논의를 통해 뺄 것은 빼고 더할 것은 더해가다 보면 클래스 구성도의 정확도가 높아집니다. 지금까지의 방법을 통해 한국어라는 자연어로 도메인 주도 설계 기반의 개요를 설계하고 클래스 구성도를 출력한 다음, 이를 기반으로 개선한다는 흐름을 실현할 수 있습니다. (153쪽)

 

cargo run만 실행하면 target/debug 디렉터리에 실행 파일이 생성되지만, 최종 릴리스용 실행 파일이 아니었습니다. 최종적으로 최적화된 바이너리는 cargo build --release 명령에 의해 target/release 디렉터리에 프로젝트 이름과 동일한 이름으로 빌드되는 것을 알 수 있습니다. (...) 간단한 코드는 rustc로 실행 파일을 생성하고, 외부 라이브러리가 필요한 경우에는 Cargo.toml 파일에 의존 관계를 명시한 후 cargo run으로 실행 파일을 생성하고 실행합니다. 이때 디버그용 실행 파일이 debug 디렉터리에 생성되며, 릴리스용으로 최적화된 실행 파일은 cargo build --release로 생성한다는 것을 배웠습니다. (204쪽)

 

한국어 검색을 테스트하기에는 한국어가 더 적합하기에 이번에는 한국어 자료를 한국어로 질의해보겠습니다. 여기서는 테스트로 대한민국 헌법을 대상으로 하겠습니다. 국가법령정보센터의 대한민국 헌법 페이지３에서 그림 8.5와 같이 저장 아이콘을 눌러 헌법의 내용을 .doc 파일 형식으로 저장합니다. ‘대한민국헌법(헌법)(제00010호)(19880225).doc’라는 이름의 워드 파일을 다운로드합니다. / 워드 파일이기 때문에 데이터베이스로 활용하려면 UTF-8 코드 기반의 텍스트 파일로 저장합니다. 따라서 파일을 연 후에 그림 8.6과 같이 UTF-8 기반의 일반 텍스트 파일로 저장합니다. 이때 파일의 이름은 korean_constitution.txt로 설정합니다. (253쪽)

 

LLMChain() 함수에서 체인을 생성합니다. 여기서 생성된 체인은 단독으로 작동하지만 이와 같이 질의 응답이 가능합니다. 지금까지의 llm()과 별로 다르지 않으나 하나의 작업 단위로서 이를 연결합니다. / chain.run()에 매개변수로 주어진 ‘피보나치 수를 구한다’가 변수 product에 대입된 결과 프롬프트가 ‘파이썬으로 다음 프로그램 코드에 테스트 코드를 추가하여 작성해주세요.: 피보나치 수를 구한다’로 바뀌고, 바뀐 프롬프트가 실행됩니다. / 해당 체인은 사용자가 요청한 과제인 파이썬 코드를 작성합니다. 즉 ‘코드 작성 작업’입니다. 이 결과를 전달하여 코드 부분만 추출해 프로그램 안에서 subprocess()를 사용하여 실행하는 것도 가능합니다. (281쪽)