랭체인 스터디 추가 (파서, 러너블, 멀티턴)

- 음식, 뉴스, 리뷰 등
2026-05-27 18:02:19 +09:00
parent fad14b867b
commit 3ad71c38de
11 changed files with 1926 additions and 57 deletions
@@ -0,0 +1,47 @@
+from langchain_ollama import ChatOllama
+from langchain_ibm import ChatWatsonx
+from langchain_core.prompts import PromptTemplate, ChatPromptTemplate
+from langchain_core.output_parsers import (
+    StrOutputParser,
+    JsonOutputParser,
+    PydanticOutputParser,
+)
+from pydantic import BaseModel, Field
+from typing import Literal
+from dotenv import load_dotenv
+import os
+import gradio as gr
+
+qwen_llm = ChatOllama(model="qwen3.5:4b")
+exaone_llm = ChatOllama(model="exaone3.5:2.4b")
+
+system_prompt = """\
+    당신은 20년 경력의 전문 셰프이자 요리 연구가입니다.
+    사용자의 요리 질문에 대해
+    재료, 조리방법, 실패 방지 팁, 대체 재료를
+    포함하여 답변하세요.
+    항상 한국어로 답변하세요
+    """
+
+template = ChatPromptTemplate.from_messages(
+    [
+        ("system", system_prompt),
+        ("human", "{question}"),
+    ]
+)
+
+chain = template | exaone_llm | StrOutputParser()
+
+
+def chat(question, history):
+    response = chain.invoke({"question": question})
+    return response
+
+
+chatbot = gr.ChatInterface(
+    fn=chat,
+    title="🍝 요리 전문가",
+    description="요리경력 20년의 전문가입니다. 요리에 대한 궁금증을 해결하세요.",
+)
+
+chatbot.launch()
@@ -0,0 +1,78 @@
+from langchain_ollama import ChatOllama
+from langchain_ibm import ChatWatsonx
+from langchain_core.prompts import PromptTemplate, ChatPromptTemplate
+from langchain_core.output_parsers import (
+    StrOutputParser,
+    JsonOutputParser,
+    PydanticOutputParser,
+)
+from pydantic import BaseModel, Field
+from typing import Literal
+from dotenv import load_dotenv
+import os
+import gradio as gr
+
+qwen_llm = ChatOllama(model="qwen3.5:4b")
+exaone_llm = ChatOllama(model="exaone3.5:2.4b")
+
+system_prompt = """\
+당신은 뉴스 분석 전문가입니다. 반드시 json 형식으로만 응답하세요.
+다른 텍스트 없이 아래 형식으로만 반환하세요\n
+{{"title":"기사제목", "date":"작성일자", "keywords":["키워드1", "키워드2", "키워드3"], "category" : "카테고리"}}
+"""
+
+template = ChatPromptTemplate.from_messages(
+    [
+        ("system", system_prompt),
+        ("human", "{article}"),
+    ]
+)
+
+chain = template | exaone_llm | JsonOutputParser()
+
+
+# def news_input(article1, article2, article3):
+# # 3개의 기사를 리스트로 묶음
+# articles = [article1, article2, article3]
+# results = []
+
+# # 각 기사별로 체인 실행
+# for text in articles:
+#     if text.strip():  # 내용이 있을 때만 실행
+#         res = chain.invoke({"article": text})
+#         results.append(res)
+
+# # 결과를 하나로 합쳐서 반환
+# return "\n\n---\n\n".join(results)
+
+
+def news_input(texts):
+    # ===을 기준으로 기사 분리
+    articles = [article for article in texts.split("===") if article.strip()]
+
+    response = chain.batch([{"article": article} for article in articles])
+    return "\n\n".join(str(item) for item in response)
+
+
+app = gr.Interface(
+    news_input,
+    # inputs=[
+    #     gr.Textbox(label="기사 1", lines=5),
+    #     gr.Textbox(label="기사 2", lines=5),
+    #     gr.Textbox(label="기사 3", lines=5),
+    # ],
+    inputs=[
+        gr.Textbox(
+            label="기사",
+            placeholder="여러 기사 입력 시 구분자로 ===을 사용하세요",
+            lines=20,
+        ),
+    ],
+    outputs=[
+        gr.Textbox(label="요약", lines=20),
+    ],
+    title="✒ 뉴스 분석 전문가",
+    description="뉴스 기사에서 정보를 추출합니다.",
+)
+
+app.launch()
@@ -0,0 +1,65 @@
+from langchain_ollama import ChatOllama
+from langchain_ibm import ChatWatsonx
+from langchain_core.prompts import PromptTemplate, ChatPromptTemplate
+from langchain_core.output_parsers import (
+    StrOutputParser,
+    JsonOutputParser,
+    PydanticOutputParser,
+)
+from pydantic import BaseModel, Field
+from typing import Literal
+from dotenv import load_dotenv
+import os
+import gradio as gr
+
+qwen_llm = ChatOllama(model="qwen3.5:4b", temperature=0)
+exaone_llm = ChatOllama(model="exaone3.5:2.4b", temperature=0)
+
+
+class NewsResult(BaseModel):
+    title: str
+    date: str = Field(description="YYYY-MM-DD 형식, 없는 경우 '없음'")
+    category: Literal["정치", "경제", "사회", "문화", "스포츠", "IT", "국제", "기타"]
+    keywords: list[str] = Field(description="핵심 키워드 3개 이내")
+
+
+pydantic_parser = PydanticOutputParser(pydantic_object=NewsResult)
+template = ChatPromptTemplate.from_messages(
+    [
+        (
+            "system",
+            "당신은 뉴스 분석 전문가입니다. 기사에서 아래 정보를 추출하세요. {format_instructions}",
+        ),
+        ("human", "{article}"),
+    ]
+).partial(format_instructions=pydantic_parser.get_format_instructions())
+
+
+chain = template | exaone_llm | pydantic_parser
+
+
+def news_input(texts):
+    # ===을 기준으로 기사 분리
+    articles = [article for article in texts.split("===") if article.strip()]
+
+    response = chain.batch([{"article": article} for article in articles])
+    return "\n\n".join(str(item) for item in response)
+
+
+app = gr.Interface(
+    news_input,
+    inputs=[
+        gr.Textbox(
+            label="기사",
+            placeholder="여러 기사 입력 시 구분자로 ===을 사용하세요",
+            lines=20,
+        ),
+    ],
+    outputs=[
+        gr.Textbox(label="요약", lines=20),
+    ],
+    title="✒ 뉴스 분석 전문가",
+    description="뉴스 기사에서 정보를 추출합니다.",
+)
+
+app.launch()
@@ -0,0 +1,86 @@
+from langchain_ollama import ChatOllama
+from langchain_ibm import ChatWatsonx
+from langchain_core.prompts import PromptTemplate, ChatPromptTemplate
+from langchain_core.output_parsers import (
+    StrOutputParser,
+    JsonOutputParser,
+    PydanticOutputParser,
+)
+from pydantic import BaseModel, Field
+from typing import Literal
+from dotenv import load_dotenv
+import os
+import gradio as gr
+import time
+
+qwen_llm = ChatOllama(model="qwen3.5:4b", temperature=0)
+exaone_llm = ChatOllama(model="exaone3.5:2.4b", temperature=0)
+gemma_llm = ChatOllama(model="gemma4:e2b", temperature=0)
+
+
+class ReviewAnalysis(BaseModel):
+    sentiment: Literal["긍정", "부정", "중립"] = Field(description="전체 감정")
+    score: float = Field(ge=0.0, le=1.0, description="감정 강도")
+    pros: list[str] = Field(description="긍정적인 리뷰 리스트")
+    cons: list[str] = Field(description="부정적인 리뷰 리스트")
+    recommend: bool = Field(description="추천여부 True/False")
+    reply: str = Field(description="판매자 입장의 고객 답변 한 문장")
+
+
+pydantic_parser = PydanticOutputParser(pydantic_object=ReviewAnalysis)
+template = ChatPromptTemplate.from_messages(
+    [
+        (
+            "system",
+            "리뷰 담당자 입니다. 리뷰를 보고 정보를 추출하고 고객에 의문에 답변할 내용을 작성하세요. {format_instructions}",
+        ),
+        ("human", "{review}"),
+    ]
+).partial(format_instructions=pydantic_parser.get_format_instructions())
+
+
+chain = template | gemma_llm | pydantic_parser
+
+
+def analyze(texts):
+    # ===을 기준으로 리뷰 분리
+    reviews = [review.strip() for review in texts.split("===") if review.strip()]
+
+    start = time.time()
+    results = chain.batch([{"review": r} for r in reviews])
+    elapsed = time.time() - start
+
+    output = []
+    for i, (review, result) in enumerate(zip(texts, results), 1):
+        emoji = {"긍정": "😊", "부정": "😡", "중립": "😑"}[result.sentiment]
+        output.append(f"[리뷰 {i}]")
+        output.append(f"고객 리뷰 {review[:40]}....")
+        output.append(
+            f"리뷰 감정 {emoji} {result.sentiment}(강도 : {result.score:.2f})"
+        )
+        output.append(f"장점 {", ".join(result.pros) if result.pros else "없음"}")
+        output.append(f"단점 {", ".join(result.cons) if result.cons else "없음"}")
+        output.append(f"추천 여부  {"👍 추천" if result.recommend else "👎 비추천"}")
+        output.append(f"판매자 답변 {result.reply}")
+        output.append("-" * 40)
+    output.append(f"소요 시간 : {elapsed:.2f}초, ({len(reviews)} 개 리뷰) ")
+    return "\n".join(output)
+
+
+app = gr.Interface(
+    analyze,
+    inputs=[
+        gr.Textbox(
+            label="리뷰 입력",
+            placeholder="여러 리뷰 입력 시 구분자로 ===을 사용하세요",
+            lines=20,
+        ),
+    ],
+    outputs=[
+        gr.Textbox(label="분석결과", lines=20),
+    ],
+    title="✒ 상품 리뷰 분석",
+    description="리뷰 입력 시 감정, 장담점, 추천 여부를 분설합니다.",
+)
+
+app.launch()