📌 프롬프트 엔지니어링 기반 챗봇

📝 프로젝트 개요

이 프로젝트는 LangChain + Streamlit을 활용하여 프롬프트 엔지니어링을 적용한 AI 챗봇입니다. 사용자가 직접 프롬프트를 수정하거나 미리 정의된 프리셋을 적용하여 맞춤형 AI 챗봇을 만들 수 있습니다.

🚀 프롬프트 엔지니어링을 통해 정확성, 일관성, 가독성을 개선하고 AI 챗봇의 성능을 극대화했습니다.

메인화면

---

🔥 주요 기능

✅ 사용자 맞춤형 프롬프트 설정

• 사용자가 직접 입력한 프롬프트를 적용하여 AI의 응답 방식을 변경 가능
• 다양한 프리셋(번역, 요약, SNS 분석 등) 활용 가능

✅ LangChain 기반 LLM 연동

• OpenAI GPT-3.5-turbo 모델을 활용한 대화형 AI 구현
• 스트리밍 응답 처리로 자연스럽고 빠른 답변 제공

✅ 대화 기록 유지

• st.session_state를 사용하여 사용자의 대화 내역을 저장 및 관리

✅ RAG 기반 문서 검색 응답

• 문서에서 검색된 정보만을 기반으로 답변 생성하여 신뢰도 높은 응답 제공
• Markdown 테이블을 활용한 구조화된 출력 형식 지원

---

⚙️ 설치 및 실행 방법

1️⃣ 환경 설정

# 필수 라이브러리 설치
pip install -r requirements.txt

2️⃣ 실행 방법

streamlit run main.py

---

🎯 적용된 프롬프트 엔지니어링 기법

기법	설명	적용 예시
역할 부여 (Role Assignment)	모델이 특정 전문가 역할을 수행하도록 지정	당신은 20년차 번역 전문가입니다.
구체적인 지시 (Explicit Instructions)	원하는 답변 형식, 행동을 명확하게 정의	요약할 때는 bullet points로 정리하세요.
출력 형식 지정 (Structured Output)	테이블, Bullet Point 등 형식을 강제	Markdown 형식의 테이블을 포함하세요.
추론 제한 (Restrictive Instructions)	불확실한 답변을 막고, 정확한 정보만 제공	답변할 정보가 없으면 '모르겠습니다'라고 답하세요.
입력 가이드라인 제공 (Example Formatting)	답변 예시를 제시해 LLM이 학습할 수 있도록 함	📌 첫 번째 문장
유연한 사용자 프롬프트 적용	사용자가 직접 프롬프트를 수정 가능하게 함	st.text_area('프롬프트')

---

💡 기대 효과

✅ 정확성(Accuracy) 향상 → 환각(허구 정보) 발생 감소 및 신뢰성 향상
✅ 일관된 출력 형식 유지 → Markdown 테이블 및 Bullet Point 활용
✅ 응답 속도 개선 → 구체적인 지시를 통해 불필요한 연산 감소
✅ 사용자 맞춤형 AI 제공 → 특정 도메인(예: 금융, 번역, 법률) 최적화 가능

---

📌 파일 구조

📂 프로젝트 폴더
├── main.py              # Streamlit 기반 챗봇 실행 파일
├── history.py           # 대화 기록 관리 및 프롬프트 설정
├── prompts/
│   ├── 번역.yaml       # 번역 프리셋
│   ├── 요약.yaml       # 요약 프리셋
│   ├── rag_ref.yaml    # RAG 기반 문서 검색 프롬프트
│   ├── rag_table.yaml  # Markdown 테이블 포함 RAG 프롬프트
│   └── prompt_main.yaml # 프롬프트 최적화 가이드
└── README.md           # 프로젝트 설명 파일

---

🚀 향후 개선 방향

• 더 다양한 프리셋 추가 (예: 법률 상담, 코딩 도우미, 투자 분석 등)
• 대화 맥락 유지 강화 (멀티턴 대화 흐름 최적화)

---

📢 문의 및 피드백 환영! 🚀