[목 차]
  

옮긴이 머리말 x

베타리더 후기 xii

시작하며 xiv

이 책에 대하여 xvi

 

CHAPTER 1 LLM 입문

1.1 언어 모델의 기본 이해 1

1.2 언어 모델 활용의 문제와 Dify의 필요성 5

1.3 언어 모델의 구조와 특성 9

1.4 프롬프트 엔지니어링의 기초 이해 13

 

CHAPTER 2 Dify 환경 설정

2.1 생성형 AI 앱 개발 플랫폼 Dify 23

2.2 클라우드 버전 Dify로 만드는 챗봇 앱 28

2.3 커뮤니티 버전 Dify 설정 38

2.4 언어 모델 설정과 API 기초 50

2.5 앱 유형 선택 58

 

CHAPTER 3 텍스트 처리 앱 개발

3.1 학습 리소스 안내 63

3.2 변수 기능을 이용하는 보고서 작성 앱 68

3.3 복합 챗봇 앱 77

3.4 문서 교정 앱 82

3.5 조건 분기를 활용한 문서 처리 앱 96

3.6 JSON 모드로 작성하는 문장 보조 앱 112

3.7 문의 응대 챗봇 앱 126

 

CHAPTER 4 파일 처리 앱 개발

4.1 파일 처리 기반의 FAQ 자동 생성 앱 141

4.2 채팅 플로우를 이용한 PDF 기반 대화 앱 150

4.3 여러 방법을 결합한 PDF 요약 앱 166

4.4 워크플로우를 활용한 복수 파일 일괄 요약 앱 173

4.5 멀티모달 언어 모델을 이용한 이미지 처리 앱 186

4.6 음성 인식을 활용한 회의록 작성 앱 195

 

CHAPTER 5 RAG 앱 개발

5.1 왜 RAG가 주목받고 있는가? 210

5.2 PDF 기반 RAG 앱 213

5.3 RAG 시스템 구조와 검색 기술의 기초 223

5.4 복수 문서를 참고하는 RAG 앱 232

5.5 문맥 기반 RAG 검색 앱 240

5.6 현재 RAG 시스템의 한계 250

 

CHAPTER 6 Dify 기능 확장과 외부 시스템 연동 앱 개발

6.1 DALL·E 기반 이미지 생성 앱 254

6.2 웹 검색 도구를 활용한 정보 수집 앱 262

6.3 구글 시트와 연동한 데이터 관리 앱 279

6.4 Dify와 구글 시트 연동 앱 291

6.5 재사용 가능한 커스텀 도구 생성과 활용 303

 

CHAPTER 7 AI 에이전트를 활용한 앱 개발

7.1 AI 에이전트의 기본 314

7.2 AI 에이전트를 활용한 기본 앱 318

7.3 AI 에이전트와 탐색적 접근 방식 326

 

마치며 331

찾아보기 333

[본 문]
  

Dify를 활용하면 업무에 능통한 담당자가 직접 사용 방법만 익히면 노코드 또는 아주 적은 코드 작성만으로 앱을 개발할 수 있습니다. 즉, 자신의 업무 흐름에 맞춰 영업 부문이라면 영업 담당자가 직접 개발하고 고객 지원 부문이라면 지원 담당자가 직접 개발할 수 있는 것입니다. / 이처럼 개발의 어려움이 낮아지는 것이 노코드 도구의 특징입니다. 그중에서도 Dify는 생성형 AI라는 매우 범용성이 높은 기술을 이용하는 앱을 개발하기 쉽도록 구성된 도구입니다. (24쪽)

 

고수준 앱 유형에는 '채팅 플로우(Chatflow)'와 '워크플로우(Workflow)'가 있습니다. 채팅 플로우(Chatflow)는 대화를 기반으로 단계적으로 처리를 진행하는 앱에 적합합니다. 반면 워크플로우(Workflow)는 한 번의 실행으로 완료되는 처리에 적합합니다. 이는 기본 앱 유형의 챗봇(Chatbot)과 텍스트 생성기(Text Generator)의 관계와 유사합니다. (77쪽)

 

문서를 입력하는 것만으로도 간단히 사용할 수 있는 앱을 만들어보았습니다. 하지만 기능이 너무 단순하니 조금 더 확장해봅시다. 예를 들어 변수 기능을 이용해 중점 교정 항목이나 교정 시 문서의 분위기를 선택하도록 할 수 있습니다. / 시작(Start) 노드의 '입력 필드(INPUT FIELD)'에서 [+] 버튼을 눌러 '선택(Select)' 변수를 추가하고 간결성, 논리성, 정중함의 정도와 같은 중점 교정 항목이나 교정 문서의 분위기와 같은 선택 항목을 지정합니다. (94쪽)

 

대화 영역에서 파일을 첨부하여 업로드하면 파일이 첨부된 해당 대화 문장 하나 안에서만 파일의 내용을 인식할 수 있습니다. 예를 들어 PDF 파일을 업로드하고 질문을 한 다음 다시 해당 파일에 관련된 내용을 질문하려고 하면 해당 파일의 존재를 인식하지 못하게 됩니다. 반면 시작(Start) 노드에서 파일을 업로드하는 경우에는 해당 대화가 이어지는 한 계속 파일의 내용을 참조할 수 있습니다. (...) 시작(Start) 노드에 파일 변수를 지정해 업로드하게 하는 것이 훨씬 더 간단한 방법이므로, 이번 예제처럼 하나의 파일을 대상으로 여러 번의 질문을 하는 경우에 적합합니다. (155쪽)

 

채팅 플로우(Chatflow)에서 LLM 노드는 과거 대화 이력에 기반한 응답을 할 수 있지만 그 외의 다른 노드에서는 과거 대화 이력을 참조할 수 없습니다. 하지만 대화 변수와 변수 할당자(Variable Assigner) 노드를 활용하면 데이터를 저장할 수 있으므로 과거 대화나 처리 내용을 참조할 수 있습니다. (202쪽)

 

원래 이미지 생성 모델에 입력하는 텍스트에 따라 생성되는 이미지의 품질이 크게 영향을 받기 때문에 그 내용이 매우 중요합니다. 그러나 DALL·E 3 모델을 API로 이용하면 언어 모델이 자동으로 입력 내용을 재작성하게 되어 있으므로 여기서는 크게 신경 쓸 필요가 없습니다. 따라서 사용자 입력이 저장되는 userinput.query 변수를 그대로 입력 변수로 설정합니다. 기타 화질이나 크기 등의 설정은 용도에 맞게 조정할 수 있습니다. (260쪽)