Kh Jung
Back to blog
Random
•
3 min read
OpenAI API 101 세미나

세미나의 목적

OpenAI의 개발 문서가 양이 많고 복잡합니다. (접근이 쉽지 않더라구요). RAG 구현과 AI 제품을 쉽게 개발할 수 있는 부분만 발췌해서 예제와 함께, OpenAI 문서에 쉽게 접근 가능하도록 발표를 준비했습니다.

중간중간 질문 - 끼어들기 - 하고싶은말 하기 - 환영 👍☘️✌️

OpenAI API

Gemini, Grok 과 비교했어요

OpenAI API 장점

  1. 앱을 만들기 위한 편한 API 제공
    1. Thread API
      1. 채팅 이력을 모두 갖고 있음 → 따로 메세지 저장을 위한 DB를 구성하지 않아도됨.
      2. Thread마다 컨텍스트 유지. LLM에게 컨텍스트 유지를 위한 추가 정보 제공하지 않아도됨.
    2. Assistants API
      1. Assistant에 Prompt, 컨텍스트 제공가능.
      2. Prompt engineering을 Assistant 마다 가능하게 함. fine-tuning하기전에 LLM 행동 및 응답에 일관성 제공가능
  2. 내용이 많고 정리가 잘된 Docs
    1. OpenAI 문서만 다 봐도 AI 제품 개발에 대해 Overview를 마칠 수 있음.

OpenAI API 단점

  1. 기능이 다른 플랫폼 대비 많음 → 문서양도 많음 → 기능 소개가 꽤 자세함 → 문서양 많음
  2. 한글화 없음 → Gemini 는 기계번역 페이지 제공

Platform 선택

AI 앱을 만들기 위한 가장 좋은 시작지점은 OpenAI, Gemini 순 (2025/04/23 기준 - 몇 달후엔 달라질지도?) OpenAI를 선택하면 DB 역할을 축소할 수 있음.

구현방법

아래 이미지가 오늘 세미나할 내용을 다 담고 있어요

RAG, Keeping chat context, Prompt engineering

화면으로 구성하기

RAG 구성

Vector stores에서 file을 업로드

전체 채팅에 동일한 LLM 응답 반환 - Assistants

Assistants

채팅방 구성 - Thread

playground에서 Assistants에 설정된 Prompt, model, tool(RAG 등), code interpreter, function 테스트 가능

OpenAI API 활용법

각 순서에 맞게 API 호출 방법과 링크 제공 (위 화면과 함께 보면 이해가 좀 더 쉬워요!)

RAG 구성 - Vector store, File api

  1. vector store 를 생성하거나 미리 생성된 vector store의 id를 저장
  2. file upload
  3. 응답 호출

전체 채팅에 동일한 LLM 응답 반환 - Assistants api

  1. assistant 생성

채팅방 구성 - Thread api

  1. thread 생성
    • openai.beta.threads.create
  2. message 생성
  3. message 실행

그 외