1. 실습 준비

RAG #01. RAG 밑바닥부터 웹 채팅까지 튜토리얼을 이어서 진행합니다. 이전 튜토리얼을 끝까지 실습하셨다면 아래 과정없이 이어서 진행하셔도 됩니다.

1.1. 본 RAG #02 튜토리얼부터 진행하신다면?

RAG #01. RAG 밑바닥부터 웹 채팅까지 튜토리얼 실습없이 본 RAG #02 튜토리얼부터 진행하신다면, 링크의 저장소를 다운받으신 후에 rag-02 폴더만 복사해주세요.

1.1.1. OpenAI API Key 설정

rag-02/.env 경로에 OPENAI_API_KEY 환경변수를 설정해주세요.

.env 파일 생성
OPENAI_API_KEY=sk-...

팁

OpenAI API Key가 없으신 분은 첫 LLM 채팅 챗봇 만들기 튜토리얼의 “OpenAI API Key 얻기” 섹션을 참고해주세요.

1.1.2. 라이브러리 설치

rag-02 프로젝트 경로에서 uv 또는 venv 유틸리티를 활용해서 가상환경을 생성하고, 파이썬 패키지를 설치해주세요.

# uv 유틸리티 설치
python -m pip install --upgrade uv

# 가상환경 생성
uv venv

# 팩키지 설치
uv pip install -r requirements.txt

# 파이썬3에서 제공하는 가상환경 기능을 활용해서 가상환경 생성
python -m venv .venv

# 운영체제에 맞춰서 가상환경 활성화
.venv/Scripts/activate     # windows
source .venv/bin/activate  # macOS/linux

# 팩키지 설치
pip install -r requirements.txt

팁

가상환경에 대해 자세히 알고 싶으신 분은 가상환경 제대로 알고 사용하기 튜토리얼을 참고해주세요.

1.1.3. 장고 프로젝트 구동

아래 명령으로 데이터베이스 테이블을 생성하고, 관리자 계정을 생성해주세요.

# 데이터베이스 테이블 생성
uv run python manage.py migrate

# 관리자 계정 생성
uv run python manage.py createsuperuser

# 개발서버 구동
uv run python manage.py runserver 0.0.0.0:8000

# 데이터베이스 테이블 생성
python manage.py migrate

# 관리자 계정 생성
python manage.py createsuperuser

# 개발서버 구동
python manage.py runserver 0.0.0.0:8000

이어서 make_vector_store 명령으로 벡터 스토어를 구축해주세요.

uv run python manage.py make_vector_store ./chat/assets/빽다방.txt

[2025-02-03 08:12:33,379] Failed to load vector store: [Errno 2] No such file or directory: '/Users/allieus/Work/django-llm-chat-proj/rag-02/vector_store.pickle'
loaded 1 documents
split into 10 documents
[2025-02-03 08:12:44,933] saved vector store to /Users/allieus/Work/django-llm-chat-proj/rag-02/vector_store.pickle

python manage.py make_vector_store ./chat/assets/빽다방.txt

[2025-02-03 08:12:33,379] Failed to load vector store: [Errno 2] No such file or directory: '/Users/allieus/Work/django-llm-chat-proj/rag-02/vector_store.pickle'
loaded 1 documents
split into 10 documents
[2025-02-03 08:12:44,933] saved vector store to /Users/allieus/Work/django-llm-chat-proj/rag-02/vector_store.pickle

경고

만약, make_vector_store 명령을 수행하지 않아 벡터 스토어가 구축되지 않았거나, 이후 검색에서 유사한 문서를 찾지 못한 경우, 아래 코사인 유사도 계산 함수에서 embedding_list 인자가 빈 리스트가 전달이 되구요.

chat/rag.py
similarities = cosine_similarity([question_embedding], embedding_list)[0]

아래의 오류가 발생하게 됩니다.

ValueError: Expected 2D array, got 1D array instead:

개발서버를 구동시켜주시고,

# 개발서버 구동
uv run python manage.py runserver 0.0.0.0:8000

# 개발서버 구동
python manage.py runserver 0.0.0.0:8000

브라우저로 http://localhost:8000/chat/ 에 접속해서 채팅 메시지로 “빽다방 고카페인 음료를 알려줘.” 라고 입력해주세요. 그럼 아래와 같이 RAG 챗봇이 응답해줍니다.

../_images/setup-runserver.png