File size: 18,132 Bytes
d8e895c
60d35af
d8e895c
771ccf8
d8e895c
cfa6f40
d8e895c
 
 
 
 
60d35af
09ffae8
d1bdc32
09ffae8
 
49b0675
 
 
 
42bd649
09ffae8
 
 
 
 
d1bdc32
 
 
 
 
fce8bf1
d8e895c
171268d
d8e895c
60d35af
cfa6f40
 
d8e895c
 
cfa6f40
d8e895c
 
 
cfa6f40
 
 
 
 
 
 
d8e895c
cfa6f40
 
 
 
 
 
 
 
 
c861cde
cfa6f40
 
c861cde
 
cfa6f40
 
 
 
 
 
ffef6e5
cfa6f40
 
 
74b8ff3
cfa6f40
 
 
 
 
 
 
 
 
 
 
a31feb4
 
 
cfa6f40
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
d8e895c
c0b7e20
cfa6f40
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
d8e895c
cfa6f40
 
 
 
329ec70
cfa6f40
 
 
 
 
c861cde
cfa6f40
 
 
c861cde
cfa6f40
 
 
 
 
dfe5753
cfa6f40
d8e895c
3453f97
 
d8e895c
 
 
 
 
 
 
 
cfa6f40
 
 
c861cde
cfa6f40
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
d8e895c
cfa6f40
 
 
 
13471ce
 
 
 
0ea280e
cfa6f40
 
 
 
 
 
d8e895c
 
 
771ccf8
 
 
 
 
 
 
c861cde
cfa6f40
 
c861cde
 
cfa6f40
d8e895c
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
import os
from http import HTTPStatus
from fastapi.responses import StreamingResponse
from fastapi import FastAPI, Request
from typing import List
from threading import Thread

import spaces
import torch
import uvicorn
import time
import numpy as np
import subprocess
import importlib.metadata

# ๋ชจ๋“ˆ ์„ค์น˜ ๋ช…๋ น
subprocess.run(["pip", "install", "transformers==4.44.2"], check=True)
subprocess.run(["pip", "install", "accelerate==0.34.2"], check=True)
subprocess.run(["pip", "install", "peft==0.12.0"], check=True)
subprocess.run(["pip", "install", "FlagEmbedding==1.2.11"], check=True)
subprocess.run(["pip", "install", "numpy==2.1.0"], check=True)

# ์„ค์น˜๋œ ๋ชจ๋“ˆ๋“ค์˜ ํ˜„์žฌ ๋ฒ„์ „ ์ถœ๋ ฅ
modules = ['transformers', 'accelerate', 'peft', 'FlagEmbedding']

for module in modules:
    try:
        version = importlib.metadata.version(module)
        print(f"{module} version: {version}")
    except importlib.metadata.PackageNotFoundError:
        print(f"{module} is not installed")

#fmt: off
from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer
from FlagEmbedding import BGEM3FlagModel


# 3. Initalize FastAPI App
app = FastAPI()

# 4. Initialize CUDA tensor
zero = torch.Tensor([0]).cuda()


# 5. Initialize LLM Model
llm_model_name = "Qwen/Qwen2-7B-Instruct"
llm_model = AutoModelForCausalLM.from_pretrained(
    llm_model_name,
    torch_dtype="auto",
    device_map="auto"
)

llm_tokenizer = AutoTokenizer.from_pretrained(llm_model_name)

# 6. Initialize Embedding Model
embedding_model_name = "BAAI/bge-m3"
embedding_model = BGEM3FlagModel(embedding_model_name, use_fp16=True)

# Util Functions

# 1๊ฐœ ๋ฐ์ดํ„ฐ ์ฒ˜๋ฆฌ, ๋ฐฐ์น˜ ๋‹จ์œ„ ์•„๋‹˜
def qa_2_str(QA: List) -> str:
    result = ""

    if len(QA) > 1:
        for idx, message in enumerate(QA[:-1]):
                if idx % 2 == 0: # Q
                    result += f"User: {message}\n"
                else: # A
                    result += f"Assistant: {message}\n"
                
    result = result.rstrip()
    return result


def make_prompt(messages, rag_text, character_type):
    system_prompt = "You are a helpful assistant. ๋‹น์‹ ์€ ๋ฏธ์…˜์„ ์ˆ˜ํ–‰ํ•˜๊ณ  ์žˆ๋Š” ์—ฌํ–‰์ž๋ฅผ ๋•๋Š” helpful assistant๋‹ค."
    if character_type == 0:
        first_example = "ํ™”์„ฑํ–‰๊ถ์—์„œ ๊ณต์‹ ํ–‰์‚ฌ๋‚˜ ์—ฐํšŒ๋ฅผ ์—ฌ๋Š” ๊ณณ์€ ๋‚™๋‚จํ—Œ์ด์•ผ. ์ด๋ฆ„์€ ์ค‘๊ตญ์˜ ์œ ๋ฐฉ์ด ์—ฐํšŒ๋ฅผ ์—ด์—ˆ๋˜ ๋‚จ๊ถ์—์„œ ๋”ฐ์˜จ ๊ฑฐ๊ณ , ์ •์กฐ๋„ ์—ฌ๊ธฐ์„œ ๋ฐฑ์„ฑ๋“ค์„ ์œ„ํ•œ ์ž”์น˜๋ž‘ ๋ฌด๊ณผ ์‹œํ—˜ ๊ฐ™์€ ์ค‘์š”ํ•œ ํ–‰์‚ฌ๋ฅผ ์—ด์—ˆ์–ด."
        second_example = "์ •๋ฆฌ์˜๊ถค๋Š” ์กฐ์„ ์™•์กฐ ์˜๊ถค ์ค‘ ํ•˜๋‚˜์ธ๋ฐ, ํŠนํžˆ ์ •์กฐ ์‹œ๋Œ€์— ํ•œ๊ธ€๋กœ ์ž‘์„ฑ๋œ ๊ฑธ๋กœ ์œ ๋ช…ํ•ด. ์ค‘์š”ํ•œ ์‚ฌ๊ฑด๋“ค์„ ๊ธฐ๋กํ•œ ๋ฌธ์„œ๋“ค์ด๊ณ , 2007๋…„์— ์œ ๋„ค์Šค์ฝ” ์„ธ๊ณ„๊ธฐ๋ก๋ฌธํ™”์œ ์‚ฐ์œผ๋กœ ๋“ฑ์žฌ๋์–ด. ํ™”์„ฑ ์ถ•์„ฑ์„ ๊ธฐ๋กํ•œ 'ํ™”์„ฑ์„ฑ์—ญ์˜๊ถค', ์ •์กฐ ์–ด๋จธ๋‹ˆ ํšŒ๊ฐ‘์—ฐ์„ ๊ธฐ๋กํ•œ '์›ํ–‰์„๋ฌ˜์ •๋ฆฌ์˜๊ถค', ๊ทธ๋ฆฌ๊ณ  ์ •์กฐ ์•„๋ฒ„์ง€ ๋ฌ˜์†Œ๋ฅผ ์˜ฎ๊ธด ๋‚ด์šฉ์„ ๋‹ด์€ 'ํ˜„๋ฅญ์›์˜๊ถค' ๊ฐ™์€ ์ค‘์š”ํ•œ ์‚ฌ๊ฑด๋“ค์ด ํ•œ๊ธ€๋กœ ์ •๋ฆฌ๋˜์–ด ์žˆ์–ด. ์—ญ์‚ฌ์ ์œผ๋กœ ๋˜๊ฒŒ ์ค‘์š”ํ•œ ์ž๋ฃŒ์•ผ."
        context_example = "์ˆ˜์› ํ™”์„ฑ์€ ์ •์กฐ์˜ ์ •์น˜์ ยท๋ฌธํ™”์  ๋น„์ „์„ ๋‹ด์•„์„œ ์ง€์–ด์ง„ ์„ฑ๊ณฝ ๋„์‹œ์•ผ. ๋‹จ์ˆœํžˆ ๊ตฐ์‚ฌ์  ๋ฐฉ์–ด๋งŒ์„ ์œ„ํ•œ ๊ฒŒ ์•„๋‹ˆ๋ผ, ์ƒ์—…๊ณผ ๋ฌธํ™”์˜ ์ค‘์‹ฌ์ง€ ์—ญํ• ๊นŒ์ง€ ํ–ˆ๋‹ค๋Š” ์ ์ด ์ธ์ƒ์ ์ด์ง€. ๊ทธ๋ฆฌ๊ณ  ์ด ํ™”์„ฑ์€ ์ •์กฐ์˜ ๊ฐœํ˜์ ์ธ ํ†ต์น˜ ์ฒ ํ•™๊ณผ ํšจ์‹ฌ์ด ์ž˜ ๋“œ๋Ÿฌ๋‚˜๋Š” ๊ณณ์ด๊ธฐ๋„ ํ•ด. ์•„๋ฒ„์ง€์ธ ์‚ฌ๋„์„ธ์ž์˜ ๋ฌ˜์†Œ, ํ˜„๋ฅญ์›์„ ์ค‘์‹ฌ์œผ๋กœ ๊ฑด์„ค๋œ ๊ฒƒ๋„ ๊ทธ ๋•Œ๋ฌธ์ด๊ณ . ํŠนํžˆ 1795๋…„์— ํ˜œ๊ฒฝ๊ถ ํ™์”จ์˜ ํšŒ๊ฐ‘์„ ๊ธฐ๋…ํ•ด์„œ ์ •์กฐ๊ฐ€ ๋Œ€๊ทœ๋ชจ ์ง„์ฐฌ์—ฐ๊ณผ ์„๋ฌ˜์›ํ–‰์„ ์—ด์—ˆ๋Š”๋ฐ, ์ด๊ฑด ํ™”์„ฑ์—์„œ ์—„์ฒญ ์ค‘์š”ํ•œ ํ–‰์‚ฌ๋กœ ๊ธฐ๋ก๋˜๊ณ  ์žˆ์–ด. ๋‹จ์ˆœํ•œ ๊ฐ€์กฑ ํ–‰์‚ฌ๋ผ๊ธฐ๋ณด๋‹ค๋Š” ์™•์‹ค์˜ ๊ถŒ์œ„๋ฅผ ๋†’์ด๊ณ , ๋ฐฑ์„ฑ๊ณผ ์†Œํ†ตํ•˜๋Š” ์ค‘์š”ํ•œ ์ •์น˜์  ํ–‰๋ณด์˜€๋˜ ๊ฑฐ์ง€. ์ด ๋ชจ๋“  ๊ณผ์ •์ด ์˜๊ถค์— ์•„์ฃผ ์ž์„ธํ•˜๊ฒŒ ๊ธฐ๋ก๋˜์–ด ์žˆ์–ด, ๊ทธ๋งŒํผ ์ค‘์š”ํ•œ ์ˆœ๊ฐ„์ด์—ˆ๋‹ค๋Š” ๋œป์ด์•ผ."

    elif character_type == 1:
        first_example = "ํ™”์„ฑํ–‰๊ถ์—์„œ ๊ณต์‹ ํ–‰์‚ฌ๋‚˜ ์—ฐํšŒ๊ฐ€ ์—ด๋ฆฌ๋Š” ๊ณณ์€ ๋ฐ”๋กœ ๋‚™๋‚จํ—Œ์ด์•ผ!!! ์ด๋ฆ„๋„ ๋ฉ‹์ง€์ง€? ์ค‘๊ตญ ์œ ๋ฐฉ์ด ์—ฐํšŒ๋ฅผ ์—ด์—ˆ๋˜ ๋‚จ๊ถ์—์„œ ๋”ฐ์˜จ ๊ฑฐ๋ž˜!!! ์ •์กฐ๋„ ์—ฌ๊ธฐ์„œ ๋ฐฑ์„ฑ๋“ค์„ ์œ„ํ•œ ์ž”์น˜๋‚˜ ๋ฌด๊ณผ ์‹œํ—˜ ๊ฐ™์€ ์—„์ฒญ ์ค‘์š”ํ•œ ํ–‰์‚ฌ๋ฅผ ํ–ˆ๋‹ค๊ณ ! ์ง„์งœ ์—ญ์‚ฌ๊ฐ€ ์‚ด์•„ ์ˆจ์‰ฌ๋Š” ์žฅ์†Œ์ง€!"
        second_example = "์ •๋ฆฌ์˜๊ถค๋Š” ์กฐ์„ ์™•์กฐ์˜ ๊ถ์ • ๊ธฐ๋ก ์ค‘ ํ•˜๋‚˜์ธ๋ฐ, ์ง„์งœ ์ค‘์š”ํ•œ ์‚ฌ๊ฑด๋“ค์ด ๋‹ค ๋“ค์–ด ์žˆ์–ด!!!! ํŠนํžˆ ์ •์กฐ ์‹œ๋Œ€์— ํ•œ๊ธ€๋กœ ์ž‘์„ฑ๋œ ๊ฑธ๋กœ ์œ ๋ช…ํ•œ๋ฐ, 2007๋…„์— ์œ ๋„ค์Šค์ฝ” ์„ธ๊ณ„๊ธฐ๋ก๋ฌธํ™”์œ ์‚ฐ์œผ๋กœ๋„ ๋“ฑ์žฌ๋์–ด!!! ํ™”์„ฑ ์ถ•์„ฑ ๊ณผ์ •์„ ๋‹ด์€ 'ํ™”์„ฑ์„ฑ์—ญ์˜๊ถค', ์ •์กฐ ์–ด๋จธ๋‹ˆ ํšŒ๊ฐ‘์—ฐ์„ ๊ธฐ๋กํ•œ '์›ํ–‰์„๋ฌ˜์ •๋ฆฌ์˜๊ถค', ๊ทธ๋ฆฌ๊ณ  ์ •์กฐ ์•„๋ฒ„์ง€ ๋ฌ˜์†Œ๋ฅผ ์˜ฎ๊ธด 'ํ˜„๋ฅญ์›์˜๊ถค' ๊ฐ™์€ ํ•ต์‹ฌ ๋‚ด์šฉ๋“ค์ด ํ•œ๊ธ€๋กœ ์ •๋ฆฌ๋ผ ์žˆ์–ด์„œ, ์ง„์งœ ์—ญ์‚ฌ์ ์œผ๋กœ ์—„์ฒญ๋‚œ ๊ฐ€์น˜๋ฅผ ๊ฐ€์ง„ ๋ฌธ์„œ์•ผ!"
        context_example = "์ˆ˜์› ํ™”์„ฑ์€ ์ •์กฐ๊ฐ€ ์ง„์งœ ๋ฉ‹์ง€๊ฒŒ ์„ค๊ณ„ํ•œ ์„ฑ๊ณฝ ๋„์‹œ์•ผ!!! ๊ตฐ์‚ฌ์  ๋ฐฉ์–ด๋ฟ๋งŒ ์•„๋‹ˆ๋ผ ์ƒ์—…๊ณผ ๋ฌธํ™”์˜ ์ค‘์‹ฌ์ง€๋กœ์„œ๋„ ์™„์ „ ์ค‘์š”ํ•œ ์—ญํ• ์„ ํ–ˆ์–ด!! ์ •์กฐ๊ฐ€ ๊ฐœํ˜์ ์ธ ํ†ต์น˜๋ฅผ ํŽผ์น˜๋ฉด์„œ, ์•„๋ฒ„์ง€ ์‚ฌ๋„์„ธ์ž๋ฅผ ํ–ฅํ•œ ํšจ์‹ฌ๋„ ๊ฐ€๋“ ๋‹ด์•„์„œ ๋งŒ๋“  ๊ณณ์ด์ง€. ๊ทธ๋ž˜์„œ ํ˜„๋ฅญ์›์„ ์ค‘์‹ฌ์œผ๋กœ ํ™”์„ฑ์ด ๊ฑด์„ค๋œ ๊ฑฐ์•ผ!! ๊ทธ๋ฆฌ๊ณ  1795๋…„์— ์ •์กฐ๊ฐ€ ์–ด๋จธ๋‹ˆ ํ˜œ๊ฒฝ๊ถ ํ™์”จ์˜ ํšŒ๊ฐ‘์„ ๊ธฐ๋…ํ•ด์„œ ์—„์ฒญ๋‚œ ์ž”์น˜๋ฅผ ์—ด์—ˆ๋Š”๋ฐ, ๊ทธ๊ฒŒ ๋ฐ”๋กœ ์ง„์ฐฌ์—ฐ์ด๋ž‘ ์„๋ฌ˜์›ํ–‰์ด์•ผ!!! ์ด๊ฑด ๋‹จ์ˆœํžˆ ๊ฐ€์กฑ๋ผ๋ฆฌ ์ถ•ํ•˜ํ•˜๋Š” ๊ฒŒ ์•„๋‹ˆ๋ผ, ์™•์‹ค ๊ถŒ์œ„๋ฅผ ์„ธ์šฐ๊ณ  ๋ฐฑ์„ฑ๋“ค๊ณผ ์†Œํ†ตํ•˜๋Š” ์ค‘์š”ํ•œ ์ •์น˜์  ํ–‰๋ณด์˜€์–ด. ๊ทธ ๋ชจ๋“  ๊ณผ์ •์ด ์˜๊ถค์— ์ž์„ธํžˆ ๊ธฐ๋ก๋˜์–ด ์žˆ์–ด์„œ ๊ทธ๋•Œ์˜ ์—ญ์‚ฌ๋ฅผ ์ง€๊ธˆ๋„ ์ƒ์ƒํ•˜๊ฒŒ ์•Œ ์ˆ˜ ์žˆ๋Š” ๊ฑฐ์ง€!!!"

    else:
        first_example = "ํ , ํ™”์„ฑํ–‰๊ถ์—์„œ ๊ณต์‹ ํ–‰์‚ฌ๋‚˜ ์—ฐํšŒ๊ฐ€ ์—ด๋ฆฌ๋Š” ๊ณณ์€ ๋ฐ”๋กœ... ๋‚™๋‚จํ—Œ์ด๋ผ๋„ค. ๊ทธ ์ด๋ฆ„, ์ค‘๊ตญ ์œ ๋ฐฉ์ด ๋‚จ๊ถ์—์„œ ์—ฐํšŒ๋ฅผ ๋ฒ ํ’€์—ˆ๋‹ค๋Š” ์ „์„ค์—์„œ ์œ ๋ž˜ํ–ˆ์ง€... ์ •์กฐ ๋Œ€์™•๊ป˜์„œ๋„ ์ด๊ณณ์—์„œ ๋ฐฑ์„ฑ๋“ค์„ ์œ„ํ•œ ์ž”์น˜์™€ ๋ฌด๊ณผ ์‹œํ—˜ ๊ฐ™์€ ์ค‘์š”ํ•œ ํ–‰์‚ฌ๋“ค์„ ์—ด์—ˆ์—ˆ์ง€.... ๋งˆ์น˜ ๊ทธ๋‚ ์˜ ํ’๊ฒฝ์ด ๋ˆˆ์•ž์— ํŽผ์ณ์ง€๋Š” ๊ฒƒ ๊ฐ™์ง€ ์•Š์€๊ฐ€...?"
        second_example = "์ •๋ฆฌ์˜๊ถค๋ผ... ์ด๊ฒƒ์€ ์กฐ์„ ์™•์กฐ ๊ถ์ • ๊ธฐ๋ก ์ค‘ ํ•˜๋‚˜์ด์ž, ์˜๊ถค์˜ ํ•œ ๋ถ€๋ถ„์ด์ง€.... ์กฐ์„ ์˜ ์ค‘์š”ํ•œ ์‚ฌ๊ฑด๋“ค์ด ์ด ์†์— ๋‹ด๊ฒจ ์žˆ๋Š”๋ฐ, ํŠนํžˆ ์ •์กฐ ์‹œ๋Œ€์— ํ•œ๊ธ€๋กœ ์ž‘์„ฑ๋œ ๋ฌธ์„œ๋กœ ์ด๋ฆ„์„ ๋–จ์ณค๋‹ค๋„ค.... 2007๋…„์— ์œ ๋„ค์Šค์ฝ” ์„ธ๊ณ„๊ธฐ๋ก๋ฌธํ™”์œ ์‚ฐ์œผ๋กœ ๋“ฑ์žฌ๋œ ๊ฒƒ๋„ ์šฐ์—ฐ์ด ์•„๋‹ˆ์ง€.... ํ™”์„ฑ ์ถ•์„ฑ์„ ๊ธฐ๋กํ•œ 'ํ™”์„ฑ์„ฑ์—ญ์˜๊ถค', ์ •์กฐ ์–ด๋จธ๋‹ˆ์˜ ํšŒ๊ฐ‘์—ฐ์„ ๋‹ด์€ '์›ํ–‰์„๋ฌ˜์ •๋ฆฌ์˜๊ถค', ๊ทธ๋ฆฌ๊ณ  ์ •์กฐ ์•„๋ฒ„์ง€ ๋ฌ˜์†Œ๋ฅผ ์˜ฎ๊ธด 'ํ˜„๋ฅญ์›์˜๊ถค'... ์ด ๋ชจ๋“  ์‚ฌ๊ฑด๋“ค์ด ํ•œ๊ธ€๋กœ ์ •๋ฆฌ๋˜์–ด ์žˆ๋‹ค๋„ค... ๋งˆ์น˜ ๋‹น์‹œ์˜ ์ˆจ๊ฒฐ์ด ์ง€๊ธˆ๋„ ๋Š๊ปด์ง€๋Š” ๋“ฏํ•˜์ง€ ์•Š์€๊ฐ€?"
        context_example = "์ˆ˜์› ํ™”์„ฑ์€ ๋‹จ์ˆœํ•œ ์„ฑ๊ณฝ์ด ์•„๋‹ˆ์ง€... ์ •์กฐ ๋Œ€์™•๊ป˜์„œ ๊ทธ ์†์— ๋‹ด์€ ๋น„์ „์€ ์‹ค๋กœ ๊นŠ๊ณ ๋„ ๋„“๋‹ค๋„ค... ๊ตฐ์‚ฌ์  ๋ฐฉ์–ด๋Š” ๋ฌผ๋ก , ์ƒ์—…๊ณผ ๋ฌธํ™”๋ฅผ ์•„์šฐ๋ฅด๋Š” ์ค‘์‹ฌ์ง€๋กœ์„œ ๊ทธ ์—ญํ• ์„ ๋‹คํ–ˆ์ง€.... ์ด ํ™”์„ฑ์€ ์ •์กฐ์˜ ๊ฐœํ˜์  ํ†ต์น˜ ์ฒ ํ•™, ๊ทธ๋ฆฌ๊ณ  ์•„๋ฒ„์ง€ ์‚ฌ๋„์„ธ์ž๋ฅผ ํ–ฅํ•œ ๊ทธ ์ง€๊ทนํ•œ ํšจ์‹ฌ์„ ๊ทธ๋Œ€๋กœ ํ’ˆ๊ณ  ์žˆ์–ด.... ํ˜„๋ฅญ์›์„ ์ค‘์‹ฌ์œผ๋กœ ํ•œ ์ด ๋„์‹œ์˜ ์„ค๊ณ„๊ฐ€ ๊ทธ ์ฆ๊ฑฐ๋ผ๋„ค. ๊ทธ๋ฆฌ๊ณ , 1795๋…„... ์ •์กฐ๋Š” ์–ด๋จธ๋‹ˆ ํ˜œ๊ฒฝ๊ถ ํ™์”จ์˜ ํšŒ๊ฐ‘์„ ๋งž์•„ ์„ฑ๋Œ€ํ•œ ์ง„์ฐฌ์—ฐ๊ณผ ์„๋ฌ˜์›ํ–‰์„ ์—ด์—ˆ์ง€.... ๋‹จ์ˆœํ•œ ๊ฐ€์กฑ์˜ ๊ธฐ๋…์ผ์ด ์•„๋‹ˆ์—ˆ๋„ค... ์ด ํ–‰์‚ฌ๋Š” ์™•์‹ค์˜ ๊ถŒ์œ„๋ฅผ ๋”์šฑ ๊ตณ๊ฑดํžˆ ํ•˜๊ณ , ๋ฐฑ์„ฑ๊ณผ ์†Œํ†ตํ•˜๋Š” ์ค‘์š”ํ•œ ์ •์น˜์  ์˜๋ฏธ๋ฅผ ๊ฐ€์กŒ๋˜ ๊ฒƒ์ด์•ผ... ๊ทธ ๋ชจ๋“  ๊ณผ์ •์ด ์˜๊ถค์— ์ž์„ธํžˆ ๊ธฐ๋ก๋˜์–ด ์žˆ์œผ๋‹ˆ, ๋งˆ์น˜ ๋‹น์‹œ์˜ ์ˆจ๊ฒฐ์ด ์ง€๊ธˆ๋„ ์ด ๋•…์— ๋‚จ์•„์žˆ๋Š” ๋“ฏํ•˜๊ตฌ๋‚˜..."


    task_prompt = """[์งˆ๋ฌธ]์— ๋Œ€ํ•œ ๋‹ต๋ณ€์„ ์ƒ์„ฑํ•ด์•ผํ•ด.
[๊ธ€]๊ณผ [์ด์ „ ๋Œ€ํ™” ๋งฅ๋ฝ]์˜ ๋‚ด์šฉ์„ ์ฐธ๊ณ ํ•˜์—ฌ [์งˆ๋ฌธ]์— ๋งž๋Š” ์ ์ ˆํ•œ ๋‹ต๋ณ€์„ ์ƒ์„ฑํ•˜๊ณ  ์ด๊ฒƒ์— ๋งํˆฌ๋ฅผ ์ž…ํ˜€ [๋งํˆฌ๋ฐ˜์˜] ๊นŒ์ง€ ํ•œ ๋‹จ๊ณ„ ํ•œ ๋‹จ๊ณ„ ์ถœ๋ ฅํ•ด์ค˜.
[์ด์ „ ๋Œ€ํ™” ๋งฅ๋ฝ]์ด ์—†๋‹ค๋ฉด ๋Œ€ํ™”๊ฐ€ ์ฒ˜์Œ ์‹œ์ž‘๋œ ๊ฒƒ์ด๋ผ, Single Turn ๋‹ต๋ณ€ํ•˜๋“ฏ ๋‹ต๋ณ€ํ•˜๋ฉด ๋ผ."""


    few_shot_prompt = f"""์˜ˆ์‹œ 1
[๊ธ€] 
๋ด‰์ˆ˜๋‹น์€ ํ™”์„ฑํ–‰๊ถ์—์„œ ๊ฐ€์žฅ ์œ„์ƒ์ด ๋†’์€ ๊ฑด๋ฌผ์ด๋‹ค. ์กฐ์„  ์ •์กฐ 13๋…„(1789)์— ๊ณ ์„ ์ˆ˜๋ น์ด ๋‚˜๋ž์ผ์„ ์‚ดํ”ผ๋Š” ๋™ํ—Œ์œผ๋กœ ์ง€์—ˆ๋‹ค. ์ฒ˜์Œ ์ด๋ฆ„์€ ์žฅ๋‚จํ—Œ์ด์—ˆ์œผ๋‚˜ 1795๋…„ ํ˜œ๊ฒฝ๊ถ ํ™์”จ์˜ ํšŒ๊ฐ‘์—ฐ์„ ๊ณ„๊ธฐ๋กœ ๋ด‰์ˆ˜๋‹น์œผ๋กœ ์ด๋ฆ„์„ ๋ฐ”๊พธ์—ˆ๋‹ค. ๊ถ๊ถ์—์„œ๋Š” ๋Œ€๋น„๋‚˜ ์ƒ์™•์ด ๋จธ๋ฌด๋Š” ๊ฑด๋ฌผ์— ๋ชฉ์ˆจ ์ˆ˜ ์ž๋‚˜ ๊ธธ ์žฅ ์ž๋ฅผ ๋ถ™์ด๋Š” ์ „ํ†ต์ด ์žˆ์–ด, ํ˜œ๊ฒฝ๊ถ ํ™์”จ์˜ ์žฅ์ˆ˜๋ฅผ ๊ธฐ์›ํ•˜๋ฉฐ ์ด๋ฆ„์„ ๋ฐ”๊พผ ๊ฒƒ์ด๋‹ค.
๋‚™๋‚จํ—Œ์€ ํ™”์„ฑํ–‰๊ถ์—์„œ ๊ณต์‹ ํ–‰์‚ฌ๋‚˜ ์—ฐํšŒ๋ฅผ ์—ด ๋•Œ ์‚ฌ์šฉํ•˜๋Š” ๊ฑด๋ฌผ์ด๋‹ค. ์ค‘๊ตญ ํ•œ๋‚˜๋ผ๋ฅผ ์„ธ์šด ์œ ๋ฐฉ์ด ๋ถ€ํ•˜๋“ค ๋•๋ถ„์— ๋‚˜๋ผ๋ฅผ ์„ธ์šธ ์ˆ˜ ์žˆ์—ˆ์Œ์„ ๊ฐ์‚ฌํ•˜๋ฉฐ ๋‚™์–‘์˜ ๋‚จ๊ถ์—์„œ ์—ฐํšŒ๋ฅผ ๋ฒ ํ’€์—ˆ๋‹ค๋Š” ์ด์•ผ๊ธฐ๋ฅผ ๋ณธ๋– ์„œ ์ด๋ฆ„์„ ์ง€์—ˆ๋‹ค. ์ •์กฐ๋Š” 1795๋…„ ์„๋ฌ˜์›ํ–‰ ๋‹น์‹œ ๋‚™๋‚จํ—Œ์—์„œ ์ˆ˜์›์˜ ๋ฐฑ์„ฑ๋“ค์„ ์œ„ํ•ด ์ž”์น˜๋ฅผ ๋ฒ ํ’€๊ณ , ๋ฌด๊ณผ ์‹œํ—˜์„ ์น˜๋ฅด๊ณ  ์ƒ์„ ๋‚ด๋ฆฌ๋Š” ๋“ฑ ๋‹ค์–‘ํ•œ ํ–‰์‚ฌ๋ฅผ ์—ด์—ˆ๋‹ค.
๋‚™๋‚จํ—Œ ๊ฑด๋ฌผ์€ ๋ฒฝ์ด ์—†๋Š” ๊ฐœ๋ฐฉ๋œ ๊ตฌ์กฐ๋กœ ๋งŽ์€ ์‚ฌ๋žŒ์„ ์ˆ˜์šฉํ•  ์ˆ˜ ์žˆ๋‹ค. ์—ฐํšŒ๋ฅผ ๋ฒ ํ‘ธ๋Š” ๊ฑด๋ฌผ๋‹ต๊ฒŒ ๊ฑด๋ฌผ ์•ž์—๋Š” ๋„“์€ ์›”๋Œ€๋ฅผ ๋‘์–ด ๊ฒฉ์‹์„ ๋†’์˜€๋‹ค. ์›”๋Œ€๋กœ ์˜ค๋ฅด๋Š” ๊ณ„๋‹จ ์–‘ ์˜†์—๋Š” ๊ตฌ๋ฆ„๋ฌด๋Šฌ๊ฐ€ ์ƒˆ๊ฒจ์ ธ ์žˆ๋‹ค. ๋‚™๋‚จํ—Œ์€ ๊ถ๊ถ ์ „๊ฐ๊ณผ ๋น„๊ตํ•ด๋„ ์†์ƒ‰์ด ์—†๋Š” ์•„๋ฆ„๋‹ค์šด ๊ฑด๋ฌผ๋กœ ์›ํ˜•์ด ์ž˜ ๋‚จ์•„ ์žˆ๋‹ค. ์ผ์ œ๊ฐ•์ ๊ธฐ์—๋Š” ์ˆ˜์›๊ตฐ์ฒญ์œผ๋กœ ์‚ฌ์šฉ๋˜์—ˆ๊ณ , ์‹ ํ’๊ตญ๋ฏผํ•™๊ต ๊ต๋ฌด์‹ค๋กœ๋„ ์‚ฌ์šฉ๋˜์—ˆ๋‹ค.

[์งˆ๋ฌธ] ํ™”์„ฑํ–‰๊ถ์—์„œ ๊ณต์‹ ํ–‰์‚ฌ๋‚˜ ์—ฐํšŒ๋ฅผ ์—ด ๋•Œ ์‚ฌ์šฉํ•˜๋Š” ๊ฑด๋ฌผ์€?
[๋‹ต๋ณ€] ํ™”์„ฑํ–‰๊ถ์—์„œ ๊ณต์‹ ํ–‰์‚ฌ๋‚˜ ์—ฐํšŒ๋ฅผ ์—ด ๋•Œ ์‚ฌ์šฉํ•˜๋Š” ๊ฑด๋ฌผ์€ ๋‚™๋‚จํ—Œ์ž…๋‹ˆ๋‹ค.
[๋งํˆฌ๋ฐ˜์˜] {first_example}

์˜ˆ์‹œ 2
[์ด์ „ ๋Œ€ํ™” ๋งฅ๋ฝ]
User: ์ˆ˜์› ํ™”์„ฑ์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ค˜
Assistant: {context_example}

[๊ธ€]
ใ€Žํ™”์„ฑ์„ฑ์—ญ์˜๊ถคใ€๋Š” ์ •์กฐ๊ฐ€ ๊ตฌ์ƒํ•œ ์‹ ๋„์‹œ์ธ ํ™”์„ฑ ์„ฑ์—ญ ์กฐ์„ฑ ์ „ ๊ณผ์ •์„ ๊ธฐ๋กํ•œ ์ข…ํ•ฉ ๋ณด๊ณ ์„œ์ž…๋‹ˆ๋‹ค. ํ™”์„ฑ์€ ์ •์กฐ๊ฐ€ ์ˆ˜์›๋„ํ˜ธ๋ถ€ ๊ด€์•„์™€ ๋ฏผ๊ฐ€๋ฅผ ํŒ”๋‹ฌ์‚ฐ์œผ๋กœ ์˜ฎ๊ฒจ ์ƒˆ๋กญ๊ฒŒ ์กฐ์„ฑํ•œ ์‹ ๋„์‹œ๋กœ, 1794๋…„(์ •์กฐ 18) 1์›”์— ๊ณต์‚ฌ๋ฅผ ์‹œ์ž‘ํ•˜์—ฌ 1796๋…„(์ •์กฐ 20) 9์›”๊นŒ์ง€ 32๊ฐœ์›” ๋งŒ์— ์™„์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๊ณต์‚ฌ ๊ธฐ๊ฐ„์€ ์›๋ž˜ 10๋…„์„ ๊ณ„ํšํ–ˆ์ง€๋งŒ ์ •์กฐ์˜ ๊ฐ๋ณ„ํ•œ ๊ด€์‹ฌ๊ณผ ์กฐ์ •์˜ ์ ๊ทน์ ์ธ ์—ญํ• , ๋ง‰๋Œ€ํ•œ ์ž๊ธˆ ํˆฌ์ž…, ์น˜๋ฐ€ํ•œ ์„ค๊ณ„, ๊ทผ๋Œ€์ ์ธ ๊ณต๋ฒ• ๋“ฑ ๋‹น์‹œ ๊ตญ๊ฐ€์˜ ์—ญ๋Ÿ‰์ด ์ด๋™์›๋˜์–ด ๊ณต์‚ฌ ๊ธฐ๊ฐ„์ด ํฌ๊ฒŒ ๋‹จ์ถ•๋˜์—ˆ์Šต๋‹ˆ๋‹ค. ใ€Žํ™”์„ฑ์„ฑ์—ญ์˜๊ถคใ€์—๋Š” ์ด๋Ÿฌํ•œ ๊ณต์‚ฌ์˜ ๊ณ„ํš, ์šด์˜ ๊ณผ์ •, ์ฐธ์—ฌ์ž, ์†Œ์š” ๊ฒฝ๋น„, ์ž์žฌ, ๊ณต๋ฒ•, ๋„๋ฉด ๋“ฑ ํ™”์„ฑ ์ถ•์„ฑ์˜ ์ „๋ชจ๊ฐ€ ๊ธฐ๋ก๋˜์–ด ์žˆ์Šต๋‹ˆ๋‹ค. ํŠนํžˆ ๏ฝข๋„์„ค๏ฝฃ์—๋Š” ๊ฑด์ถ• ๋„๋ฉด์„ ์—ฐ์ƒ์‹œํ‚ฌ ๋งŒํผ ์„ฑ๊ณฝ๊ณผ ๋ถ€์† ๊ฑด๋ฌผ์ด ์ž์„ธํ•˜๊ฒŒ ๊ทธ๋ ค์ ธ ์žˆ์–ด, ์ผ์ œ ๊ฐ•์ ๊ณผ ํ•œ๊ตญ์ „์Ÿ์œผ๋กœ ํ›ผ์†๋œ ํ™”์„ฑ์„ ์‹ค์ œ ๋ชจ์Šต ๊ทธ๋Œ€๋กœ ๋ณต์›ํ•˜๋Š” ๋ฐ ์ค‘์š”ํ•œ ์ž๋ฃŒ๊ฐ€ ๋˜์—ˆ์Šต๋‹ˆ๋‹ค. ์กฐ์„ ์™•์กฐ ์˜๊ถค๋Š” 2007๋…„ ์ผ๊ด„๋กœ ์„ธ๊ณ„๊ธฐ๋ก์œ ์‚ฐ์— ๋“ฑ์žฌ๋˜์—ˆ๊ณ , ใ€Žํ™”์„ฑ์„ฑ์—ญ์˜๊ถคใ€๋Š” 2016๋…„ ๋ณด๋ฌผ(์˜› ์ง€์ •๋ฒˆํ˜ธ ๋ณด๋ฌผ ์ œ1901-7ํ˜ธ)๋กœ ์ง€์ •๋˜์—ˆ์Šต๋‹ˆ๋‹ค.
์ง€๋‚œ 2007๋…„ ์œ ๋„ค์Šค์ฝ” ์„ธ๊ณ„๊ธฐ๋ก๋ฌธํ™”์œ ์‚ฐ์œผ๋กœ ๋“ฑ์žฌ๋œ ์กฐ์„ ์™•์กฐ ์˜๊ถค ์ค‘ ์ •์กฐ์‹œ๋Œ€ ํ•œ๊ธ€๋กœ ์ž‘์„ฑ๋œ <์ •๋ฆฌ์˜๊ถค> 25๊ถŒ์ด ํ”„๋ž‘์Šค์—์„œ ๋ฐœ๊ฒฌ๋๋‹ค. ๋”๋ถˆ์–ด๋ฏผ์ฃผ๋‹น ์•ˆ๋ฏผ์„ ์˜์›(์˜ค์‚ฐ)์€ 4์ผ โ€œ์ง€๋‚œ๋‹ฌ 27์ผ ํ”„๋ž‘์Šค ๊ตญ๋ฆฝํŒŒ๋ฆฌ๋™์–‘์–ธ์–ดํ•™์›๊ณผ ํ”„๋ž‘์Šค ๊ตญ๋ฆฝ๋„์„œ๊ด€์—์„œ ๊ฐ๊ฐ 24๊ถŒ๊ณผ 1๊ถŒ์˜ ํ•œ๊ธ€ <์ •๋ฆฌ์˜๊ถค>๋ฅผ ํ™•์ธํ–ˆ๋‹คโ€๊ณ  ๋งํ–ˆ๋‹ค. ์ด๋“ค ์ •๋ฆฌ์˜๊ถค๋Š” ์ •์กฐ์˜ ์–ด๋จธ๋‹ˆ์ธ ํ˜œ๊ฒฝ๊ถ ํ™์”จ์˜ ํšŒ๊ฐ‘์—ฐ์„ ๊ธฐ๋กํ•œ <์›ํ–‰์„๋ฌ˜์ •๋ฆฌ์˜๊ถค>์™€ ํ™”์„ฑ ์ถ•์„ฑ๊ณผ์ •์„ ๊ธฐ๋กํ•œ <ํ™”์„ฑ์„ฑ์—ญ์˜๊ถค>, ์ •์กฐ์˜ ์•„๋ฒ„์ง€์ธ ์‚ฌ๋„์„ธ์ž์˜ ๋ฌ˜์†Œ๋ฅผ ํ™”์‚ฐ๋ฆ‰์œผ๋กœ ์˜ฎ๊ธด <ํ˜„๋ฅญ์›์˜๊ถค>์˜ ๋‚ด์šฉ ์ค‘ ํ•ต์‹ฌ ์‚ฌ์•ˆ์„ ํ•œ๊ธ€๋กœ ์ •๋ฆฌํ•ด ๋†“์€ ๊ฒƒ์ด๋‹ค.

[์งˆ๋ฌธ] ์ •๋ฆฌ์˜๊ถค๊ฐ€ ๋ญ์•ผ?

[๋‹ต๋ณ€] ์ •๋ฆฌ์˜๊ถค๋Š” ์กฐ์„ ์™•์กฐ์˜ ๊ถ์ • ๊ธฐ๋ก ์ค‘ ํ•˜๋‚˜๋กœ, ์กฐ์„ ์™•์กฐ ์˜๊ถค์˜ ์ผ๋ถ€๋ถ„์ž…๋‹ˆ๋‹ค. ์ด ๋ฌธ์„œ๋Š” ์กฐ์„ ์™•์กฐ์˜ ์—ฌ๋Ÿฌ ์ค‘์š”ํ•œ ์‚ฌ๊ฑด์„ ๊ธฐ๋กํ•˜๊ณ  ์žˆ์œผ๋ฉฐ, ํŠนํžˆ ์ •์กฐ ์‹œ๋Œ€์— ํ•œ๊ธ€๋กœ ์ž‘์„ฑ๋œ ๋ฌธ์„œ๋กœ ์œ ๋ช…ํ•ฉ๋‹ˆ๋‹ค. 2007๋…„์—๋Š” ์œ ๋„ค์Šค์ฝ” ์„ธ๊ณ„๊ธฐ๋ก๋ฌธํ™”์œ ์‚ฐ์œผ๋กœ ๋“ฑ์žฌ๋˜์—ˆ์Šต๋‹ˆ๋‹ค. ์ด ์ค‘์—๋Š” ํ™”์„ฑ ์ถ•์„ฑ๊ณผ์ •์„ ๊ธฐ๋กํ•œ 'ํ™”์„ฑ์„ฑ์—ญ์˜๊ถค', ์ •์กฐ์˜ ์–ด๋จธ๋‹ˆ์˜ ํšŒ๊ฐ‘์—ฐ์„ ๊ธฐ๋กํ•œ '์›ํ–‰์„๋ฌ˜์ •๋ฆฌ์˜๊ถค', ๊ทธ๋ฆฌ๊ณ  ์ •์กฐ์˜ ์•„๋ฒ„์ง€์˜ ๋ฌ˜์†Œ๋ฅผ ํ™”์‚ฐ๋ฆ‰์œผ๋กœ ์˜ฎ๊ธด ๊ฒƒ์„ ๊ธฐ๋กํ•œ 'ํ˜„๋ฅญ์›์˜๊ถค'์˜ ๋‚ด์šฉ ์ค‘ ํ•ต์‹ฌ ์‚ฌ์•ˆ์„ ํ•œ๊ธ€๋กœ ์ •๋ฆฌํ•œ ๋‚ด์šฉ๋“ค์ด ํฌํ•จ๋˜์–ด ์žˆ์Šต๋‹ˆ๋‹ค.

[๋งํˆฌ๋ฐ˜์˜] {second_example}

์˜ˆ์‹œ 3

[๊ธ€] 
๋™๋ถ๊ณต์‹ฌ๋ˆ์€ ํ™”์„ฑ ๋™๋ถ์ชฝ์— ์„ธ์šด ๋ง๋ฃจ๋กœ ์ฃผ๋ณ€์„ ๊ฐ์‹œํ•˜๊ณ  ๊ณต๊ฒฉํ•˜๋Š” ์‹œ์„ค์ด๋‹ค. ๊ณต์‹ฌ๋ˆ์€ ์†์ด ๋นˆ ๋ˆ๋Œ€๋ผ๋Š” ๋œป์œผ๋กœ, ์šฐ๋ฆฌ๋‚˜๋ผ ์„ฑ๊ณฝ ์ค‘ ํ™”์„ฑ์—์„œ๋งŒ ๋ณผ ์ˆ˜ ์žˆ๋‹ค. ๋ณดํ†ต ๋ˆ๋Œ€๋Š” ์„ฑ๊ณฝ๊ณผ ๋–จ์–ด์ง„ ๋†’์€ ๊ณณ์— ์„ธ์›Œ ์ ์„ ๊ฐ์‹œํ•˜๋Š” ์‹œ์„ค์ด๋‚˜, ๋™๋ถ๊ณต์‹ฌ๋ˆ์€ ์„ฑ๋ฒฝ ์•ˆ์ชฝ์— ์„ค์น˜ํ–ˆ๋‹ค. ์™ธ๋ฒฝ์—๋Š” ๋ฐ–์„ ๊ฐ์‹œํ•˜๊ณ  ํ™”ํฌ๋กœ ๊ณต๊ฒฉํ•  ์ˆ˜ ์žˆ๋Š” ๊ตฌ๋ฉ์„ ๊ณณ๊ณณ์— ๋šซ์—ˆ๋‹ค. ๋™๋ถ๊ณต์‹ฌ๋ˆ์€ 3์ธต์œผ๋กœ ์ด๋ฃจ์–ด์ง„ ์›ํ†ตํ˜•์˜ ๋ฒฝ๋Œ ๊ฑด๋ฌผ๋กœ์„œ ์ถœ์ž…๋ฌธ์—์„œ ํ†ต๋กœ๋ฅผ ๋”ฐ๋ผ ๋น™๊ธ€๋น™๊ธ€ ์˜ฌ๋ผ๊ฐ€๋ฉด ๊ผญ๋Œ€๊ธฐ ๋ง๋ฃจ์— ์ด๋ฅด๋Š” ๊ตฌ์กฐ๋‹ค. ์ด ๋ชจ์Šต์„ ๋น—๋Œ€์„œ โ€˜์†Œ๋ผ๊ฐโ€™์ด๋ผ๊ณ ๋„ ๋ถ€๋ฅธ๋‹ค. ์ •์กฐ 21๋…„(1797) ์ •์›”, ์ขŒ์˜์ • ์ฑ„์ œ๊ณต์€ ๋™๋ถ๊ณต์‹ฌ๋ˆ์„ ์˜ฌ๋ผ๊ฐ€ ๋ณธ ๋’ค โ€œ์ธต๊ณ„๊ฐ€ ๊ตฌ๋ถˆ๊ตฌ๋ถˆํ•˜๊ฒŒ ๋‚˜ ์žˆ์–ด ๊ธฐ์ดํ•˜๊ณ ๋„ ๊ต๋ฌ˜ํ•˜๋‹ค.โ€๋ฉฐ ๊ฐํƒ„ํ–ˆ๋‹ค.
ํ•œ๊ตญ์ „์Ÿ ๋“ฑ์„ ๊ฒช์œผ๋ฉฐ ์ ˆ๋ฐ˜ ์ด์ƒ ๋ฌด๋„ˆ์กŒ์—ˆ๋Š”๋ฐ 1976๋…„์— ๋ณต์›ํ•ด ๋ชจ์Šต์„ ๋˜์ฐพ์•˜๋‹ค. ์„œ๋ถ๊ณต์‹ฌ๋ˆ์€ ํ™”์„ฑ ์„œ๋ถ์ชฝ์— ์„ธ์šด ๋ง๋ฃจ๋กœ ์ฃผ๋ณ€์„ ๊ฐ์‹œํ•˜๊ณ  ๊ณต๊ฒฉํ•˜๋Š” ์‹œ์„ค์ด๋‹ค. ๊ณต์‹ฌ๋ˆ์€ ์†์ด ๋นˆ ๋ˆ๋Œ€๋ผ๋Š” ๋œป์œผ๋กœ, ์šฐ๋ฆฌ๋‚˜๋ผ ์„ฑ๊ณฝ ์ค‘ ํ™”์„ฑ์—์„œ๋งŒ ๋ณผ ์ˆ˜ ์žˆ๋‹ค. ๋ณดํ†ต ๋ˆ๋Œ€ๅขฉ่‡บ๋Š” ์„ฑ๊ณฝ๊ณผ ๋–จ์–ด์ง„ ๋†’์€ ๊ณณ์— ์„ธ์›Œ ์ ์„ ๊ฐ์‹œํ•˜๋Š” ์‹œ์„ค์ด๋‚˜, ์„œ๋ถ๊ณต์‹ฌ๋ˆ์€ ์„œ๋ถ์ชฝ ์„ฑ๋ฒฝ์ด ๊บพ์ด๋Š” ์œ„์น˜์— ์„ค์น˜ํ–ˆ๋‹ค. ์น˜์„ฑ ์œ„์— ๋ฒฝ๋Œ๋กœ 3์ธต์˜ ๋ง๋ฃจ๋ฅผ ์„ธ์šฐ๊ณ  ๊ผญ๋Œ€๊ธฐ์—๋Š” ๋‹จ์ธต์˜ ๋ˆ„๊ฐ์„ ์˜ฌ๋ ค ๊ตฐ์‚ฌ๋“ค์ด ๊ฐ์‹œํ•  ์ˆ˜ ์žˆ๋„๋ก ํ•˜๊ณ , ์™ธ๋ฒฝ์—๋Š” ํ™”ํฌ๋ฅผ ์  ์ˆ˜ ์žˆ๋Š” ๊ตฌ๋ฉ์„ ๋šซ์–ด ๊ณต๊ฒฉ ๊ธฐ๋Šฅ๊นŒ์ง€ ๊ฐ–์ถ”์—ˆ๋‹ค. ์กฐ์„  ์ •์กฐ 21๋…„(1797) ์ •์›”, ์™„์„ฑ๋œ ํ™”์„ฑ์„ ๋‘˜๋Ÿฌ๋ณด๋˜ ์ •์กฐ๋Š” ์„œ๋ถ๊ณต์‹ฌ๋ˆ ์•ž์— ๋ฉˆ์ถฐ โ€œ์šฐ๋ฆฌ๋‚˜๋ผ ์„ฑ๊ณฝ์—์„œ ์ฒ˜์Œ ์ง€์€ ๊ฒƒ์ด๋‹ˆ ๋งˆ์Œ๊ป ๊ตฌ๊ฒฝํ•˜๋ผ.โ€๋ฉฐ ๋งค์šฐ ๋งŒ์กฑ์Šค๋Ÿฌ์›Œ ํ–ˆ๋‹ค. ํ™”์„ฑ์—๋Š” ๋ชจ๋‘ ์„ธ ๊ณณ์— ๊ณต์‹ฌ๋ˆ์„ ์„ธ์› ๋Š”๋ฐ ์„œ๋ถ๊ณต์‹ฌ๋ˆ๋งŒ์ด ์ถ•์„ฑ ๋‹น์‹œ ๋ชจ์Šต ๊ทธ๋Œ€๋กœ ๋‚จ์•„ ์žˆ๋‹ค.

[์งˆ๋ฌธ] ์šฉ์ธ์‹œ์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ค˜

[๋‹ต๋ณ€] X"""

    context_prompt = qa_2_str(messages)

    question_prompt = f"""๋ฌธ์ œ

[๊ธ€]
{rag_text}

[์งˆ๋ฌธ] {messages[-1]}

([๊ธ€]๊ณผ ๊ด€๋ จ ์—†๊ฑฐ๋‚˜ ์•Œ ์ˆ˜ ์—†๋Š” ์งˆ๋ฌธ์€ X ๋ผ๊ณ ๋งŒ ์ถœ๋ ฅํ•  ๊ฒƒ, X๊ฐ€ ์•„๋‹ˆ๋ผ๋ฉด [๋‹ต๋ณ€] ๊ณผ [๋งํˆฌ๋ฐ˜์˜]์„ ๋ชจ๋‘ ์ถœ๋ ฅํ•  ๊ฒƒ, 130์ž ๋‚ด์™ธ๋กœ ๋‹ต๋ณ€ํ•  ๊ฒƒ, ํŠนํžˆ ๋งํˆฌ ๋ฐ˜์˜์ด ์ž˜ ์•ˆ๋˜๋Š”๋ฐ, ํ™•์‹คํ•˜๊ฒŒ ์˜ˆ์‹œ์—์„œ ์ฃผ์–ด์ง„ ๋งํˆฌ๋ฅผ ๋งค์šฐ ๊ฐ•ํ•˜๊ฒŒ ์ œ๋Œ€๋กœ ๋ฐ˜์˜ํ•ด์•ผํ•ด.)

[๋‹ต๋ณ€]๊ณผ [๋งํˆฌ๋ฐ˜์˜]์„ ๊ฐ๊ฐ ์ž‘์„ฑํ•ด๋ณด์ž.
"""
    if len(context_prompt) == 0:

        user_prompt = f"""{task_prompt}

{few_shot_prompt}

{question_prompt}
"""
    else:
        user_prompt = f"""{task_prompt}

{few_shot_prompt}

{context_prompt}

{question_prompt}
"""
        
    
    print(user_prompt)
    
    prompt = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": user_prompt},
    ]

    return prompt
    


@spaces.GPU(duration=35)
def make_gen(QA, candidates, top_k, character_type):
    start_time = time.time()

    # Make For Rag Prompt
    rag_prompt = qa_2_str(QA)

    # Do RAG
    query_embeddings = embedding_model.encode([rag_prompt],
                                              batch_size=1,
                                              max_length=8192,
                                              )["dense_vecs"]
    key_embeddings = embedding_model.encode(candidates)["dense_vecs"]



    similarity = query_embeddings @ key_embeddings.T
    similarity = similarity.squeeze(0)

    rag_result = ""
    top_k_indices = np.argsort(similarity)[-top_k:]
    for idx in top_k_indices:
        rag_result += (candidates[idx] + "/n")
    rag_result = rag_result.rstrip()

    # Make For LLM Prompt

    final_prompt = make_prompt(QA, rag_result, character_type)

    # Use LLM
    streamer = TextIteratorStreamer(llm_tokenizer, skip_special_tokens=True)

    final_prompt = llm_tokenizer.apply_chat_template(final_prompt, tokenize=False, add_generation_prompt = True)
    inputs = llm_tokenizer(final_prompt, return_tensors="pt").to(zero.device)

    llm_model.to(zero.device)
    generation_kwargs = dict(
        inputs=inputs.input_ids,
        streamer = streamer,
        max_new_tokens=512
    )
    thread = Thread(target=llm_model.generate, kwargs=generation_kwargs)

    thread.start()
    
    is_start = False
    for idx, new_text in enumerate(streamer):
        
        if idx >= len(inputs):
            if is_start:
                yield new_text
            if not is_start and "[๋งํˆฌ๋ฐ˜์˜]" in new_text:
                is_start = True
            # yield new_text
            
    is_start = False

    elapsed_time = time.time() - start_time
    print(f"time:{elapsed_time}")




@app.post("/")
async def root_endpoint(request: Request):
    data = await request.json()
    QA = data.get("QA")
    candidates = data.get("candidates")
    top_k = data.get("top_k")
    character_type = data.get("character_type")
    return StreamingResponse(gen_stream(QA, candidates, top_k, character_type), media_type="text/event-stream")


async def gen_stream(QA, candidates, top_k, character_type):
    for value in make_gen(QA, candidates, top_k, character_type):
        yield value


if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=7860)