# pip install langchain langchain-openai
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
# 1) Model
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
# 2) Prompt
prompt = ChatPromptTemplate.from_messages( 및 스트리밍 가이드.
---
## 80%의 시간 동안 사용할 빌딩 블록
### 1) 프롬프트 및 출력 파싱
- 구조화된 프롬프트에는 `ChatPromptTemplate`를 사용하십시오.
- 유형화된 응답에는 `StrOutputParser` 또는 JSON 파서를 사용하여 출력을 파싱하십시오.
```python
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini")
prompt = ChatPromptTemplate.from_template(
"""
다음 텍스트를 3개의 글머리 기호로 요약하십시오:
---
{text}
"""
)
parser = StrOutputParser
chain = prompt | llm | parser
summary = chain.invoke({"text": "LangChain은 RAG 및 도구를 사용하여 LLM 앱을 구축하는 데 도움이 됩니다."})
print(summary)

# pip install faiss-cpu tiktoken
from langchain_openai import OpenAIEmbeddings, ChatOpenAI
from langchain_community.vectorstores import FAISS
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain_core.prompts import ChatPromptTemplate
# 문서 준비
texts = .
---
## 프로토타입에서 프로덕션까지: 단계별 청사진
### 1단계: 사용자 스토리 정의
- 사용자는 누구입니까? 그들은 어떤 작업을 완료하려고 합니까?
<a16>- 예: "내부 문서 및 최근 티켓에서 제품 질문에 답변하는 지원 상담원."