LangChain에 대한 이해

1. OpenAI API 기본 이해

LangChain은 결국 GPT-4나 GPT-3.5 같은 모델을 "더 쉽게, 더 강력하게" 활용하기 위한 도구

👉 반드시 익혀야 할 기본 개념:

prompt: 모델에 어떤 지시를 줄 것인가
completion vs chat: 일반 텍스트 생성 vs 대화 형식 생성
temperature: 창의성 조절 (0 = 정답에 집중, 1 = 창의적)
tokens: GPT가 이해하는 단어 조각 (문장 길이 제한에 중요)

💻 예제: GPT에 질문하기 (Node.js)

import OpenAI from "openai";
const openai = new OpenAI({ apiKey: "your-api-key" });

const response = await openai.chat.completions.create({
  model: "gpt-4",
  messages: [
    { role: "user", content: "마법사와 전사에 대한 짧은 이야기를 써줘" },
  ],
});
console.log(response.choices[0].message.content);

2. LLM의 한계와 패턴 이해

LangChain은 LLM을 실용적으로 쓰기 위한 도구입니다. 그래서 LLM이 가진 한계를 이해해야 합니다.

한계	예시	해결 방향 (LangChain 활용)
기억을 못함	“아까 말한 제품 뭐였지?”	Memory로 대화 내용 저장
최신 정보 없음	“2024년 총선 결과 알려줘”	검색 tool + RAG 방식
헷갈리게 답함	“3의 제곱근은?” → 틀림	Function calling으로 외부 연산 도구 연결

3. 간단한 실습 먼저 해보기 (LangChain 없이)

LangChain 배우기 전에 이걸 해보면 좋아요:

[ ] OpenAI로 간단한 챗봇 만들기
[ ] 사용자의 질문을 요약해서 다시 출력
[ ] 파일 업로드 → 텍스트 추출 → 요약

👉 이런 실습이 끝난 후, LangChain으로 memory, tools, agent, retriever 등을 붙이는 흐름을 배울 수 있어요.