[6] 241106 Notion, Prompt Engineering [Goorm All-In-One Pass! AI Project Master - 4th Session, Day 6]

241106 Wed 6th class

오늘 배운 것 중 기억할 것을 정리했다.

---

ChatGPT 활용 

프롬프트 엔지니어링 중요: 코드 몰라도 만듦 

ChatGPT, Claude 절대 의존X 

AI 사용, 사용X 차이가 커진다 

계속 교육 받고 공부해야한다 아까워하면 X

바쁘게, 열심히가 항상 좋은 건 X

투자하는 시간 -> 나의 발전, 업무 발전 

돈만 보면 오래 못감 

직업이 없어지고 일이 될 수 있다 고집X

난 반드시 이걸 해야한다X

수요가 나는 분야로 열어둔다, 투자해서 가치가 있을 분야로 간다 

잘 하는 걸 AI로 활용해서 그 분야로 갈 수 있다. 

강의: 초급자 강의가 많다. 수요O

너무 시간X (강의 등)

회사가서 공부, 직장에서 일 안 하면 다 모르는 거다 

편한 쪽으로 가면 X

노코딩, 로코딩 X, 때로는 코딩을 해서 만드는 사람이 있어야 한다 

AI가 주두권 X, 사람: 컨트롤 

국어를 잘 한다 -> AI에게 잘 전달 -> 프롬프트 엔지니어링을 잘 한다. 

2024년 11월 6일 오늘의 이슈를 검색해서 알려주렴.

1년  6개월 이상 쓸 것 같다 -> 구독! 

논문을 중요시 하는 곳이라면 논문 적용 "~~ 논문과 관련된 ~~ 를 만들어줘" 

논문 -> 프로그램으로 적용 -> 좋아하는 기업이 있다. 

---

Notion

• 가장 큰 제목: # 또는 <h1> 태그
• 중간 제목: ## 또는 <h2> 태그
• 작은 제목: ### 또는 <h3> 태그

/목차 

# + space

코드 줄 바꿈 가능 

/토글 /toggle 

window + shift + s -> 캡쳐 

공유 > 게시

---

https://rowan-sail-868.notion.site/Prompt-1337d480b5938034a699d397716aecb8

Prompt 실습 - 스마트 스토어 | Notion

https://rowan-sail-868.notion.site/Prompt-bab8adb4fc2741bf944b3c525b5ed68f

Prompt 엔지니어링 | Notion

 

코드) 

import requests
 
def get_naver_autocomplete(query):
    url = f"https://ac.search.naver.com/nx/ac"
    params = {
        "q": query,
        "con": "1",
        "frm": "nx",
        "ans": "2",
        "r_format": "json",
        "r_enc": "utf-8",
        "r_unicode": "0",
        "st": "100"
    }
 
    response = requests.get(url, params=params)
    
    if response.status_code == 200:
        data = response.json()
        suggestions = [item[0] for item in data['items'][0]]
        return suggestions
    else:
        print("자동완성 요청 실패:", response.status_code)
        return None
 
# 테스트 예제
query = "파이썬"
suggestions = get_naver_autocomplete(query)
print(f"'{query}'의 자동완성 키워드:")
print(suggestions)

결과)

'파이썬'의 자동완성 키워드:
['파이썬', '파이썬 자격증', '파이썬 독학', '파이썬 설치', '파이썬 기초', '파이썬 책', '파이썬 리스트', '파이썬 뜻', '파이썬 int', '파이썬 float']

 

---

프롬프트)

방금 프로그램을 업그레이드 시키고 싶다. query를 csv 파일의 1열로 입력받고 싶다. 그리고 다른 csv 파일로 결과를 얻어서 1열에는 키워드, 2열에는 자동완성 키워드 결과를 출력해 주렴.

코드) 

import requests
import pandas as pd
 
def get_naver_autocomplete(query):
    url = f"https://ac.search.naver.com/nx/ac"
    params = {
        "q": query,
        "con": "1",
        "frm": "nx",
        "ans": "2",
        "r_format": "json",
        "r_enc": "utf-8",
        "r_unicode": "0",
        "st": "100"
    }
 
    response = requests.get(url, params=params)
    
    if response.status_code == 200:
        data = response.json()
        suggestions = [item[0] for item in data['items'][0]]
        return suggestions
    else:
        print("자동완성 요청 실패:", response.status_code)
        return None
 
# 엑셀에서 query 읽기
input_df = pd.read_excel("input_queries.xlsx", header=None)
queries = input_df.iloc[0].tolist()  # 첫 번째 행의 모든 query 가져오기
 
# 결과를 저장할 리스트
results = []
 
# 각 query에 대해 자동완성 결과 가져오기
for query in queries:
    suggestions = get_naver_autocomplete(query)
    results.append(suggestions)
 
# 결과를 새로운 엑셀 파일로 저장
output_df = pd.DataFrame([queries, results])  # queries는 1행, results는 2행에 저장
output_df.to_excel("output_suggestions.xlsx", index=False, header=False)
 
print("자동완성 결과가 output_suggestions.xlsx 파일에 저장되었습니다.")

---

프롬프트) 
시간 지연하여 요청하는 것을 알려주렴.

코드) 

import requests
import pandas as pd
import time
 
def get_naver_autocomplete(query):
    url = f"https://ac.search.naver.com/nx/ac"
    params = {
        "q": query,
        "con": "1",
        "frm": "nx",
        "ans": "2",
        "r_format": "json",
        "r_enc": "utf-8",
        "r_unicode": "0",
        "st": "100"
    }
 
    response = requests.get(url, params=params)
    
    if response.status_code == 200:
        data = response.json()
        suggestions = [item[0] for item in data['items'][0]]
        return suggestions if suggestions else ["자동완성 결과 없음"]
    else:
        print("자동완성 요청 실패:", response.status_code)
        return ["자동완성 결과 없음"]
 
# CSV 파일에서 query 읽기
input_df = pd.read_csv("input_queries.csv")
queries = input_df.iloc[:, 0].tolist()  # 첫 번째 열의 모든 query 가져오기
 
# 결과를 저장할 리스트
results = []
 
# 각 query에 대해 자동완성 결과 가져오기
for query in queries:
    suggestions = get_naver_autocomplete(query)
    print(query)
    results.append([query, ", ".join(suggestions)])
    
    # 각 요청 사이에 2초 지연 추가
    time.sleep(2)
 
# 결과를 새로운 CSV 파일로 저장
output_df = pd.DataFrame(results, columns=["키워드", "자동완성 결과"])
output_df.to_csv("output_suggestions.csv", index=False, encoding="utf-8-sig")
 
print("자동완성 결과가 output_suggestions.csv 파일에 저장되었습니다.")

---

import requests
import pandas as pd
from datetime import datetime
 
def get_naver_autocomplete(query):
    url = f"https://ac.search.naver.com/nx/ac"
    params = {
        "q": query,
        "con": "1",
        "frm": "nx",
        "ans": "2",
        "r_format": "json",
        "r_enc": "utf-8",
        "r_unicode": "0",
        "st": "100"
    }
 
    response = requests.get(url, params=params)
    
    if response.status_code == 200:
        data = response.json()
        suggestions = [item[0] for item in data['items'][0]]
        return suggestions
    else:
        print(f"자동완성 요청 실패: {response.status_code} (검색어: {query})")
        return []
 
def read_keywords_from_excel(file_path):
    try:
        # Excel 파일 읽기
        df = pd.read_excel(file_path)
        # '키워드' 컬럼의 값을 리스트로 변환
        keywords = df['키워드'].str.strip().tolist()
        return keywords
    except Exception as e:
        print(f"Excel 파일 읽기 오류: {e}")
        return []
 
def get_multiple_autocompletes(keywords):
    results = []
    for keyword in keywords:
        suggestions = get_naver_autocomplete(keyword)
        results.append({
            '키워드': keyword,
            '자동완성 키워드': ', '.join(suggestions),
            '검색일자': datetime.now().strftime('%Y-%m-%d'),
            '추출 개수': len(suggestions)
        })
    return results
 
def save_results_to_excel(results, output_file):
    try:
        # 결과를 DataFrame으로 변환
        df = pd.DataFrame(results)
        
        # Excel 작성자 설정
        writer = pd.ExcelWriter(output_file, engine='xlsxwriter')
        
        # DataFrame을 Excel로 저장
        df.to_excel(writer, index=False, sheet_name='자동완성결과')
        
        # 워크북과 워크시트 가져오기
        workbook = writer.book
        worksheet = writer.sheets['자동완성결과']
        
        # 열 너비 자동 조정
        for i, col in enumerate(df.columns):
            column_width = max(df[col].astype(str).apply(len).max(), len(col)) + 2
            worksheet.set_column(i, i, column_width)

# 헤더 형식 지정
        header_format = workbook.add_format({
            'bold': True,
            'text_wrap': True,
            'valign': 'top',
            'fg_color': '#D7E4BC',
            'border': 1
        })
        
        # 헤더 스타일 적용
        for col_num, value in enumerate(df.columns.values):
            worksheet.write(0, col_num, value, header_format)
            
        # 파일 저장
        writer.close()
        return True
    except Exception as e:
        print(f"Excel 파일 저장 중 오류 발생: {e}")
        return False
 
def main():
    # 파일 경로 설정
    input_file = 'input_keyword.xlsx'  # 입력 Excel 파일
    output_file = f'naver_autocomplete_results_{datetime.now().strftime("%Y%m%d")}.xlsx'  # 결과 Excel 파일
    
    try:
        # Excel에서 키워드 읽기
        print("키워드 파일을 읽는 중...")
        keywords = read_keywords_from_excel(input_file)
        
        if not keywords:
            print("키워드를 읽어오지 못했습니다. 프로그램을 종료합니다.")
            return
            
        print(f"총 {len(keywords)}개의 키워드를 읽었습니다.")
        
        # 자동완성 키워드 추출
        print("자동완성 키워드를 추출하는 중...")
        results = get_multiple_autocompletes(keywords)
        
        # 결과를 Excel 파일로 저장
        print("결과를 저장하는 중...")
        if save_results_to_excel(results, output_file):
            print(f"자동완성 키워드를 '{output_file}' 파일에 성공적으로 저장했습니다.")
        else:
            print("결과 저장에 실패했습니다.")
            
    except Exception as e:
        print(f"프로그램 실행 중 오류 발생: {e}")
 
if __name__ == "__main__":
    main()

---

프롬프트)

ChatGPT API (모델명 gpt-4o)

~ 하고 싶다. 샘플 코드 만들어줄 수 있니? 

(1)
(2)
(3)

위의 작업 내용을 기억해 주렴. 그리고 이 작업을 이어서 해 나갈거야.

---

4-2 스마트 스토어 복습 or 내 프로젝트 관련 프로그램 만들어보기

---

https://rowan-sail-868.notion.site/Prompt-bab8adb4fc2741bf944b3c525b5ed68f

Prompt 엔지니어링 | Notion

명령 + 맥락 + 예시 + 출력 데이터 

아래 원고에서 괄호[]내용만 조금 쉽게 수정을 부탁합니다.
 - 괄호 이외의 부분은 변경없이 제공해 주세요.
 - 수정한 내용은 볼드체로 표시해 주세요.

아래 원고에서 괄호[]내용만 조금 쉽게 수정을 부탁합니다.
 - 괄호 이외의 부분은 변경없이 제공해 주세요.
 - 수정한 내용은 볼드체로 표시해 주세요.
 - 수정 전과 수정 후의 내용을 비교할 수 있도록 구성해 주세요.

일반적으로 영어로 학습한 양이 많기에 영어로 물어볼 때, 좀 더 자세한 설명을 얻을 수 있다.

---

정보, 맥락, 예시를 추가로 제공하기

AI를 공부시킨다. 수 천만권 이상을 공부했음

---

RAG의 그림도 AI가 만들어 준 것 

2021년부터 2024년까지의 은과 금의 가격은 어떻게 되고, 전망에 대해 알려주렴. 실시간 검색 이용해 주렴. 그리고 무엇이든 분석 그래프를 추가해 주렴. - 은과 금 가격 그래프 - 기타 그래프

---

---

기타 대표적인 논문

1. Chain-of-Thought Prompting

• 논문 제목: "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models"
• 연도: 2022년
• 링크: https://arxiv.org/abs/2201.11903
• 핵심: 모델이 단계별 사고 과정을 명시적으로 보여주도록 유도하는 기법

1. ReAct: Reasoning and Acting

• 논문 제목: "ReAct: Synergizing Reasoning and Acting in Language Models"
• 연도: 2022년
• 링크: https://arxiv.org/abs/2210.03629
• 핵심: 추론(Reasoning)과 행동(Acting)을 결합하는 혁신적인 프롬프트 기법

1. Tree of Thoughts

• 논문 제목: "Tree of Thoughts: Deliberate Problem Solving with Large Language Models"
• 연도: 2023년
• 링크: https://arxiv.org/abs/2305.10601
• 핵심: 문제 해결을 위한 사고의 트리 구조 탐색 방법

1. Self-Consistency

• 논문 제목: "Self-Consistency Improves Chain of Thought Reasoning in Language Models"
• 연도: 2022년
• 링크: https://arxiv.org/abs/2203.11171
• 핵심: 다양한 추론 경로를 생성하고 가장 일관된 답변을 선택하는 기법

1. Least-to-Most Prompting

• 논문 제목: "Least-to-Most Prompting Enables Complex Reasoning in Large Language Models"
• 연도: 2022년
• 링크: https://arxiv.org/abs/2205.10601
• 핵심: 가장 간단한 하위 문제부터 점차 복잡한 문제로 확장하는 접근 방식

추가 참고 자료:

• Prompt Engineering Guide: https://www.promptingguide.ai/papers
• 최신 Prompt Engineering 논문 모음 사이트로, 지속적으로 업데이트되는 논문 리스트를 제공합니다.