에이전트 시대의 AI 시스템 설계

533

9

장

안전장치 설정

정확하지만 매끄럽지 않은 텍스트를 확보한 후에는, 그것을 프롬프트의 컨텍스트에 넣고

LLM

에게 문구를 수정하거나, 다시 쓰거나, 형식을 재구성해 달라고 요청한다 (그림

9

-

2

). 이런 식

으로 최종 텍스트를 생성하면 처음부터

LLM

으로 생성할 때보다 훨씬 덜 위험하다. 그러면서도

읽기 좋고 콘텐츠의 목적에 더 잘 부합하는 콘텐츠를 얻게 된다.

데이터베이스

저위험 방법을

사용해서

수집·조립한

원시 데이터

원하는 형태의

콘텐츠

RAG

시스템

LLM

:

재구성

조립

재구성

그림

9-2

조립 후 재구성은 콘텐츠 생성 작업을 위험도가 낮은 두 단계로 분리해서 위험을 줄인다.

9.2.3

예제

이 예제는 앞의 제품 카탈로그 사례를 파이썬으로 구현한다 (전체 코드는 깃허브 저장소의

assem

bled

_

reformat

.

ipynb

파일에 있다 ). 먼저, 수집할 원시 데이터를 다음처럼 파이썬 데이터클

래스로 정의한다.

@dataclass

class CatalogContent:

part_name: str = Field("부품의 일반 명칭")

part_id: str = Field("카탈로그 내 고유 부품 ID")

part_description: str = Field("""부품(제지 기계의 일부)에 대한 설명 문단. 부품

의 용도를 설명함.""")

failure_modes ...