ASAC 6기/기업 Match 프로젝트

이전 포스트 LangChain을 활용한 지역화폐 정책 RAG QA 챗봇 구축하기(1)IntroductionASAC 6기 기업 MATCH 프로젝트가 끝나고, 랭콘에서의 발표를 위해 지역화폐 프로젝트를 RAG 챗봇까지 확장했다.우리가 구축한 지역화폐 데이터에 대한 Text-to-SQL 챗봇과 일반 정책 및 혜택에eye-eye.tistory.com RAG를 만들자벡터스토어 로드앞서 저장했던 embedding 방식, 디렉토리, 컬렉션 네임을 동일하게 설정한 후 벡터스토어를 불러온다.from langchain.vectorstores import Chromafrom langchain.embeddings.openai import OpenAIEmbeddingsvectorstore = Chroma( persist_..

IntroductionASAC 6기 기업 MATCH 프로젝트가 끝나고, 랭콘에서의 발표를 위해 지역화폐 프로젝트를 RAG 챗봇까지 확장했다.우리가 구축한 지역화폐 데이터에 대한 Text-to-SQL 챗봇과 일반 정책 및 혜택에 대한 자연어 QA 챗봇을 함께 구축하고, 웹서비스에서 하나의 챗봇 UI를 통해 유저 인풋에 대해 자동 분기처리해서 답변하도록 구성했다. 전체적인 아키텍처는 다음과 같았다.내 역할은 데이터 수집 + 파이프라인 구축 + 지도 대시보드 구축 + 프론트엔드(Streamlit) + 백엔드(연결, 배포) + RAG QA 챗봇 구축이었다. 그 중 프론트엔드, 백엔드, RAG 구축은 대부분 단독으로 수행했다. 물론 멘토님의 도움도 받고~ RAG 챗봇 구축을 위한 프레임워크는 LangChain을..