반응형
플러터(Flutter)를 사용하여 앱의 테마를 관리하는 것은 중요한 작업 중 하나입니다. 이 글에서는 Riverpod와 Hive를 결합하여 효과적으로 앱 테마를 관리하는 방법에 대해 알아보겠습니다. 테마 관리는 사용자 경험을 크게 향상시킬 수 있는 핵심 요소 중 하나입니다. 앱의 테마를 동적으로 변경하면 사용자가 앱의 외관을 사용자 정의할 수 있으며, 어두운 모드와 밝은 모드 등과 같은 다양한 환경에서 더 나은 가독성을 제공할 수 있습니다. Riverpod와 Hive 소개 Riverpod: Riverpod은 플러터 앱에서 상태 관리를 위한 강력한 도구 중 하나입니다. Provider 패키지를 기반으로 하며, 의존성 주입 및 상태 관리를 쉽게 구현할 수 있도록 도와줍니다. Hive: Hive는 플러터의 로..
소개 Code Interpreter API는 ChatGPT 코드 인터프리터를 LangChain으로 구현했다고 한다. 그리고 이 오픈소스는 파이썬 코드 실행을 위해 샌드박스가 적용된 CodeBox 사용합니다. 이 API를 통해 우리는 다음과 같은 작업을 수행할 수 있습니다: 데이터 세트 분석, 주식 차트, 이미지 조작 등 인터넷 액세스 및 Python 패키지의 자동 설치 텍스트나 파일 입력받아 -> 텍스트나 파일으로 출력 대화형 메모리: 이전 입력에 기반한 응답 설치하기 git clone https://github.com/shroominic/codeinterpreter-api.git cd codeinterpreter-api pip install streamlit pip install -e . 시작하기 st..
소개 GPT-Engineer는 프로젝트 생성을 간편하게 도와주는 도구입니다. 사용자가 프로젝트의 내용을 자세하게 작성하면, AI가 그 요청에 따라 코드를 자동으로 작성합니다. 사용자는 복잡한 설정이나 명령어를 몰라도 되며, 간단한 프롬프트 작성으로 원하는 코드를 생성할 수 있습니다. 이러한 기능의 활용을 통해 프로젝트를 시작하고 진행하는 과정에서 생산성을 향상시킬 수 있습니다. 사용자는 빌드하고 싶은 것이 무엇인지 간단하게 적기만 하면 됩니다. 필요한 추가 정보가 있을 경우, AI가 자연스럽게 설명을 요청하여 정확한 코드베이스를 생성해줍니다. 설치 방법 stable 또는 development 중 하나를 설치하여 사용할 수 있습니다. stable pip install gpt-engineer developm..
2023년 6월 13일에 OpenAI의 Chat Completions API에 새로운 기능인 function calling이 업데이트되었습니다. 자세한 내용은 아래 링크에서 확인할 수 있습니다. https://openai.com/blog/function-calling-and-other-api-updates 이 글은 function calling을 사용하여 날씨 함수를 호출하고 응답하는 과정을 간단하게 설명합니다. 먼저, 날씨 조회를 위한 인터페이스 역할을 하는 더미 함수를 작성합니다. import json def get_current_weather(arguments): """현재 위치의 현재 날씨를 확인합니다""" weather_info = { "location": arguments['location']..
Chroma Milvus qdrant 아래 표는 Qdrant, Milvus, Chroma 세 가지 솔루션을 다양한 측면에서 비교하고 분석한 결과를 정리한 것입니다. Qdrant Milvus Chroma 핵심 기능 벡터 색인 및 검색, 고급 쿼리, 실시간 업데이트 벡터 색인 및 검색, 고급 쿼리, 실시간 업데이트 벡터 색인 및 검색, 고급 쿼리, 실시간 업데이트 인덱싱 알고리즘 HNSW, IVFADC, IVFPQ 등 FAISS, HNSW, IVFADC, IVFPQ 등 Annoy, HNSW, IVFADC 등 다양한 클라이언트 지원 Python, Go, Java, REST API 등 Python, Java, C++, REST API 등 Python, REST API 등 오픈 소스 예 예 예 활발한 커뮤니티 예..
이 글은 라마인덱스(LlamaIndex)를 사용하여 내 옵시디언 노트를 기반으로 대답하는 봇을 만드는 과정을 설명합니다. 모든 코드는 라마인덱스 Obsidian Reader 문서를 참고하여 작성되었습니다. 먼저, 라마인덱스를 설치합니다. pip install llama_index 환경 변수에 OPENAI_API_KEY 를 등록합니다. import os os.environ['OPENAI_API_KEY'] = 'sk-...' 필요한 파이썬 패키지를 가져옵니다. from llama_index import ObsidianReader, GPTVectorStoreIndex 라마인덱스에서 제공하는 ObsidianReader를 사용하여 옵시디언 노트를 모두 불러옵니다. reader = ObsidianReader('여러..