JavaScript를 사용하여 웹, 모바일 및 데스크톱 앱에 생성 AI 기능을 빌드합니다. 이 개요에서는 시작하는 데 도움이 되는 핵심 개념, 도구 및 학습 리소스를 강조 표시합니다.
AI용 JavaScript를 사용하는 이유는 무엇인가요?
Python은 AI 모델을 학습시키기 위한 일반적인 선택이지만 대부분의 앱 개발자는 웹 API를 통해 모델을 사용합니다. JavaScript는 브라우저와 서버에서 실행되고 HTTP 호출을 잘 처리하므로 AI 앱을 빌드하기 위한 실용적인 선택입니다.
동반자 코스 수강
도우미 과정을 사용하여 비디오, 코드 프로젝트 및 전체 엔드 투 엔드 샘플을 통해 학습합니다.
학생 또는 새 개발자인 경우 이 과정을 통해 AI를 배울 수 있는 실용적인 방법을 제공합니다. 이미 앱을 전문적으로 빌드하는 경우 AI 기술을 심화하는 데 도움이 됩니다.
이 과정에서는 다음을 수행합니다.
- 생성 AI를 사용하여 역사적 인물을 생생하게 재현하면서 AI를 배워보세요.
- 기본 제공 브라우저 API를 사용하여 접근성을 적용합니다.
- 텍스트 및 이미지 생성을 사용하여 AI를 앱 환경에 통합합니다.
- AI 애플리케이션에 대한 아키텍처 패턴을 알아봅니다.
도우미 애플리케이션을 사용하여 역사적 인물들과 대화하다
LLM에 대해 알아야 할 사항
LLM(큰 언어 모델)은 텍스트를 이해하고 생성하기 위해 큰 데이터 세트에 대해 학습된 신경망입니다. 학습은 일반적으로 광범위한 기본 모델로 시작한 다음 특정 작업에 대한 미세 조정을 추가합니다. LLM은 코드 완성 및 채팅과 같은 시나리오에 도움이 될 수 있지만 컨텍스트 창과 학습 데이터의 가능한 바이어스를 포함하여 제한이 있습니다. 이것이 공정성, 안정성, 개인 정보 보호 및 책임과 같은 책임 있는 AI 관행이 중요한 이유입니다.
과정의 LLM 세션에서 자세히 알아보세요.
프롬프트 엔지니어링 기술 사용
프롬프트 엔지니어링은 모델을 더 나은 결과로 안내하는 프롬프트를 작성하는 방법입니다. 예제가 필요하지 않은 경우 제로샷 프롬프트를 사용하거나, 예제가 도움이 되는 경우에는 적은 샷 프롬프트를 사용합니다. 명확한 지침, 관련 컨텍스트 및 명시적 출력 형식은 종종 응답을 개선하고 RAG와 같은 고급 패턴을 준비합니다.
과정의 프롬프트 엔지니어링 세션에서 자세히 알아보세요.
RAG를 사용하여 AI 정확도 및 안정성 향상
RAG(검색 보강 생성)을 사용하여 신뢰할 수 있는 현재 데이터에 모델 응답을 기반합니다. RAG는 관련 콘텐츠를 찾는 리트리버를 해당 콘텐츠를 사용하여 질문에 대답하는 생성기와 결합합니다. 이 방법은 정확도를 향상시키고, 응답을 보다 쉽게 확인하고, 비용을 제어할 수 있습니다. 예를 들어 부동산 지원 앱은 회사 문서를 사용하여 자세한 고객 질문에 답변할 수 있습니다.
과정의 RAG 세션에서 자세히 알아보세요.
LangChain.js 사용하여 AI 개발 가속화
LangChain.js사용하여 AI 프로젝트 속도를 향상합니다. 이 JavaScript 라이브러리를 사용하면 프롬프트 템플릿을 빌드하고, 모델 및 벡터 저장소를 연결하고, 복잡한 워크플로를 작성할 수 있습니다. YouTube 대본의 질문에 대답하는 API와 같은 신속한 프로토타입 생성에 적합합니다. 프로덕션 준비가 되면 앱을 다시 작성하지 않고도 Azure 서비스에 대한 로컬 모델 및 벡터 저장소를 교환할 수 있습니다.
과정 LangChain.js 세션에서 자세히 알아보세요.
Ollama를 사용하여 로컬 컴퓨터에서 AI 모델 실행
Ollama를 사용하여 컴퓨터에서 Phi-3을 포함한 로컬 AI 모델을 실행합니다. 로컬 모델은 클라우드 종속성을 줄이고, 오프라인 개발을 지원하며, 아이디어를 테스트하는 동안 내부 루프를 단축합니다. Ollama는 OpenAI 호환 API를 노출하므로 최소한의 변경으로 기존 JavaScript 워크플로에 통합할 수 있습니다.
무료로 AI 시작
Foundry Local을 사용하여 AI를 무료로 실행할 수 있으며, 이를 통해 AI 모델을 다운로드하고 로컬에서 상호 작용할 수 있습니다. 모델 다운로드, 미세 조정 등을 지원하는 확장 프로그램인 Visual Studio Code용 AI 도구 키트도 있습니다. Ollama 는 로컬 모델을 실행하기 위한 또 다른 인기 있는 선택입니다.
GitHub Codespace를 만들고 Jupyter Notebook을 사용하여 프롬프트 엔지니어링, 몇 번의 학습 및 RAG를 테스트하여 로컬 설정 없이 모델을 시도할 수도 있습니다.
코스의 Phi-3 세션에서 자세히 알아보세요.
Microsoft Foundry 소개
Microsoft Foundry를 사용하여 JavaScript를 사용하여 생성 AI 앱 빌드를 시작합니다. 허브 및 프로젝트를 사용하여 리소스를 구성하고, 모델을 찾아보고, 놀이터에서 테스트할 모델을 배포합니다. 관리형 컴퓨팅 또는 서버리스 API를 사용하는 경우 워크플로는 모델을 선택하고 배포하고 앱에 통합하는 것과 동일하게 유지됩니다.
과정의 Foundry 세션에서 자세히 알아보세요.
Azure Cosmos DB를 사용하여 생성 AI 앱 빌드
과정의 Azure Cosmos DB 세션에서 자세히 알아보세요.
AI 앱 호스팅 및 저장을 위한 Azure 도구 및 서비스
채팅 앱, RAG 앱 및 자율 에이전트를 비롯한 일반적인 AI 앱 아키텍처에 맞는 Azure 도구 및 서비스를 알아봅니다. 또한 이 세션에서는 AZD(Azure Developer CLI)를 사용하여 앱을 배포하고 서버리스 및 컨테이너 기반 호스팅 옵션을 비교하는 방법을 보여 줍니다.
과정의 Azure 도구 및 서비스 세션에서 자세히 알아보세요.
생성 AI 출력을 AI 채팅 프로토콜로 스트리밍하기
AI 채팅 프로토콜을 사용하여 AI 서비스와 클라이언트 앱 간의 실시간 통신을 지원합니다. 아키텍처에 따라 브라우저 또는 AI 유추 서버에서 응답을 스트리밍할 수 있습니다. 스트리밍을 구현할 때 API 키 보호, 데이터 안전성 및 프로토콜 선택에 대한 계획을 수립합니다. 프로토콜 클라이언트는 getCompletion 및 getStreamedCompletion 메서드를 지원하며, 이는 서버리스 RAG에 LangChain.js 예제로 표시되어 있습니다.
과정의 스트리밍 세션에서 자세히 알아보세요.