💬 장고로 만드는 RAG 웹 채팅 서비스

AI 시대에 데이터는 모든 서비스의 핵심 자산입니다.

이 튜토리얼은 파이썬/장고 기반으로 여러분의 데이터를 체계적으로 저장하고, 효율적으로 관리하며, RAG(Retrieval-Augmented Generation) 기술을 통해 AI 서비스와 연결하는 방법을 배우게 됩니다. 장고의 강력한 ORM과 웹 프레임워크 기능을 활용하여 데이터 관리의 생산성을 높이고, LLM의 잠재력을 최대한 활용한 웹 채팅 서비스를 함께 만들어봅시다! 😉

물론 LangChain/LangGraph 코드에도 장고 모델을 넣어서 사용하실 수 있어요.

튜토리얼 목적

파이썬/장고 기반으로 손쉬운 문서/임베딩 관리 + 쉽고 간결한 애플리케이션 구현

파이썬/장고와 함께 여러분의 데이터/도구를 직접 관리/개발하세요. ;-)

RAG #02. 실전: 세법 RAG를 위한 pgvector 임베딩 튜토리얼에서 다뤘던 내용을 보완해서, “파이썬 문법이 익숙한 웹/LLM 초보 개발자” 대상으로 재구성했습니다. django-pyhub-rag 라이브러리를 개발/활용하여 파이썬/장고 중심으로 생산성 높은 RAG 웹 채팅 서비스를 구현합니다.

• 장고 모델을 활용한 임베딩 생성/저장 및 유사도 검색 (코사인 거리)

  • SQLite/PostgreSQL 데이터베이스를 같은 모델 코드로 지원

  • 모델 클래스 상속 만으로 문서 데이터베이스 테이블 생성

• 채팅방 기본 화면 구성 (생성/목록, 채팅)

• HTMX를 활용한 채팅 UI 구현

• LLM 채팅에 RAG 붙이기

최종 결과 화면 미리보기

오시기 전에

• 소스코드 저장소 : https://github.com/pyhub-kr/django-webchat-rag-langcon2025

• 🥳 핸즈온랩에 오시기 전에 미리 확인해주세요.

핸즈온랩

• 👨‍💻 핸즈온랩 시간. 실습환경 확인

• 🔑 장고 프로젝트 생성 및 환경변수 OPENAI_API_KEY 설정

• 🪜 장고 문서 모델 생성 및 마이그레이션

• 🏊‍♂️ 세법 해석례 문서 저장 및 유사 문서 검색

• 🔍 문서 검색 페이지

• 📚 명령행 RAG 채팅 구현

• 💬 채팅방/메시지 모델 및 기본 페이지 구성

• 📝 HTML Form과 장고 Form을 활용한 채팅 메시지 전송 및 응답

• ❣️ HTMX를 통해 JS없이 모던 웹 채팅 UI

• 📕 LLM 채팅에 RAG 끼얹기

• 마치며

• 부록

  • 부록 #1. 대화 풍선 스타일 개선

  • 부록 #2. AI 응답 markdown 포맷 변환

  • 부록 #3. 응답 대기 중 표시

  • 부록 #4. Anthropic API 응답 받기

---

목차

• 🥳 핸즈온랩에 오시기 전에 미리 확인해주세요.
• 👨‍💻 핸즈온랩 시간. 실습환경 확인
• 🔑 장고 프로젝트 생성 및 환경변수 OPENAI_API_KEY 설정
• 🪜 장고 문서 모델 생성 및 마이그레이션
• 🏊‍♂️ 세법 해석례 문서 저장 및 유사 문서 검색
• 🔍 문서 검색 페이지
• 📚 명령행 RAG 채팅 구현
• 💬 채팅방/메시지 모델 및 기본 페이지 구성
• 📝 HTML Form과 장고 Form을 활용한 채팅 메시지 전송 및 응답
• ❣️ HTMX를 통해 JS없이 모던 웹 채팅 UI
• 📕 LLM 채팅에 RAG 끼얹기
• 마치며
• 부록 #1. 대화 풍선 스타일 개선
• 부록 #2. AI 응답 markdown 포맷 변환
• 부록 #3. 응답 대기 중 표시
• 부록 #4. Anthropic API 응답 받기