크루 AI 프레임워크로 교육 콘텐츠 구축하기

### Crew AI로 교육용 AI 콘텐츠 프레임워크 구축하기
* 👋 이 시리즈의 두 번째 파트에서는 크루 AI의 창립자이자 CEO인 조를 초대하여 **인공지능에 초점을 맞춘 교육 콘텐츠 포털의 개발**에 대해 이야기합니다.
* 💻 호스트는 파이썬 환경으로 인해 몇 가지 어려움에 직면했지만, **기사 및 튜토리얼을 생성하는 데 크루 AI를 성공적으로 사용**하는 등 프로젝트의 진행 상황을 공유합니다.
* 🔍 리서치 및 콘텐츠 제작 에이전트를 포함하는 프로젝트의 구조를 설명하고 **프로세스를 개선하기 위해 검토 에이전트를 추가**하고 싶다고 언급합니다.
* 🤔 Joe는 조사 단계와 작성 단계를 분리하여 설정을 최적화하는 방법에 대한 인사이트를 제공하며, **에이전트 간의 협업을 개선하기 위해 계획 단계를 만들 것**을 제안합니다.
* 🛠 두 사람은 진행 상황과 비용 추적을 위해 **Lang Trace AI**를 사용하는 방법에 대해 논의하고, Joe는 AI 프로젝트에서 **관찰 가능성의 중요성**을 강조합니다.
* 💡 연구 및 콘텐츠 작성을 위해 다양한 크루를 설정하는 방법과 기존 코드를 새로운 프레임워크에 통합하는 방법을 시연하면서 **크루 AI 내에서 흐름을 만드는 구체적인 방법**에 대해 자세히 설명합니다.
* 📊 설정을 진행하면서 작업과 상담원을 명확하게 정의하는 것의 중요성을 강조하여 **결과물이 포괄적이고 의도한 대상의 수준에 맞게 조정**되도록 합니다.
* 🚀 마지막으로, 연구 결과를 생성하고 AI 에이전트의 기능을 향상시키기 위한 **PTIC 객체 통합**을 포함한 다음 단계를 논의하는 등 플로우를 성공적으로 실행합니다.

### AI 에이전트를 통한 교육 콘텐츠 제작 간소화
* 🤖 이 토론에서는 텍스트 입력을 특정 프로그래밍 개체로 변환하여 추가 조작이 가능한 AI 에이전트를 사용하여 **교육용 콘텐츠를 생성하기 위한 구조화된 계획**을 수립하는 데 중점을 둡니다.
* 📋 콘텐츠 계획에는 **대규모 언어 모델 이해, 미세 조정, 기술 및 과제에 대한 섹션**이 포함되어 있어 초보자를 위한 포괄적인 개요를 제공합니다.
* 🛠 함수 호출을 활용하면 루프와 같은 프로그래밍 작업을 용이하게 하는 객체를 생성하여 **콘텐츠 제작에 참여하는 여러 스태프의 워크플로우를 보다 쉽게 관리**할 수 있습니다.
* 📈 이 대화에서는 피드백이나 요약을 제외하고 개선된 콘텐츠만 반환되도록 하는 데 특히 주의를 기울여 **AI 에이전트의 결과물을 다듬는 것**이 중요하다는 점을 강조합니다.
* 💡 팀은 생성된 콘텐츠의 더 나은 연구와 정확성을 위해 **웹 스크래핑 기능을 통합**하는 등 향후 개선의 가능성을 강조합니다.
* 💬 "구글의 CEO인 순다르 피차이는 현재 **모든 코드의 25%를 AI가 작성**하고 있다고 말했습니다." 프로그래밍에서 AI에 대한 의존도가 높아지고 있음을 보여주는 대목입니다.
* 💻 팀은 대부분의 작업에 **더 작고 저렴한 모델**을 사용하는 효율성에 대해 논의하며, 에이전트와 작업 구조를 잘 정의하면 **더 비싼 모델을 사용하지 않고도 고품질의 결과물**을 얻을 수 있다고 주장합니다.
* 📚 최종 결과물은 교육 콘텐츠 문서로, 팀은 **명확성과 깊이를 위해 필요한 기준**을 충족하는지 검토하고 다듬을 계획입니다.

Crew AI는 연구 및 기획을 위한 전문 에이전트를 통해 AI 기반 협업 콘텐츠 제작을 지원합니다.

THIS is how you build AI Agents (part 2 with CrewAI Founder) 🤖

Artificial Intelligence (AI), Open Source, Generative Art, AI Art, Futurism, ChatGPT, Large Language Models (LLM), Machine Learning, Technology, Coding, Tutorials, AI News, and more

** Exclusive Pinecone Partner **

Matthew Berman

크루 AI로 교육 콘텐츠 포털 구축하기

인공지능에 초점을 맞춘 교육 콘텐츠 포털의 확장을 위해 Crew AI의 창립자인 Joe가 합류했습니다.

현재 포털에는 리서치 에이전트와 교육 콘텐츠 제작자가 있으며, 검토 에이전트를 추가할 계획입니다.

Joe는 보다 협력적이고 효과적인 콘텐츠 제작을 위해 크루를 기획 단계와 작성 단계로 분리할 것을 제안합니다.

크루 AI로 새로운 흐름 설정하기

연사는 비용 및 시간 추적과 같은 유용한 기능을 강조하며 Crew AI 플러그인에 대한 긍정적인 경험을 공유합니다.

비디오 스폰서인 Vulture는 여러 위치에 걸쳐 확장성과 제어 기능을 제공하는 Nvidia GPU를 사용한 GPU 워크로드 솔루션을 제공합니다.

연사와 조는 Crew AI에서 새로운 플로우를 생성하고 기존 승무원 파일을 이동하는 프로세스와 승무원 간의 데이터 이동을 촉진하는 플로우의 기능에 대해 설명합니다.

이 프로세스에는 리서치와 기획을 담당하는 팀과 콘텐츠 제작을 담당하는 팀으로 나뉩니다.

이 설정을 통해 고급 워크플로우를 관리할 수 있으며, 원하는 경우 한 명의 크루를 사용할 수도 있습니다.

자동 완성 및 함수 이름 바꾸기 기능을 사용하면 코딩 프로세스를 간소화하는 동시에 흐름을 실행하기 위한 새로운 환경이 만들어집니다.

리서치 및 콘텐츠 작성 팀 만들기

교육 콘텐츠를 생성하기 위해 수신하는 함수를 추가하고 API 호출을 통해 CMS로 푸시하는 기능을 추가하여 보다 복잡한 워크플로우를 구축할 수 있습니다.

기존 플로우 내에 리서치를 위한 새로운 크루와 콘텐츠 작성을 위한 새로운 크루가 생성되어 보다 간결한 설정이 가능합니다.

필요한 정보를 수집하고 긴 형식의 콘텐츠 작성을 위한 계획을 세우는 것을 목표로 에이전트와 작업을 크루 파일에 추가할 수 있습니다.

이 과정에는 철저한 리서치와 체계적인 계획 수립을 위한 두 가지 에이전트가 사용됩니다.

조사 단계에서는 다양한 관련 정보를 수집하는 것을 목표로 하며, 기획자는 이를 교육 콘텐츠에 맞게 섹션으로 구성합니다.

이 단계에서는 조사 수행, 초보자 친화적인 첨단 콘텐츠 제공, 향후 콘텐츠 제작을 위한 참고 자료가 포함된 종합 보고서 제공 등의 업무를 수행합니다.

교육 콘텐츠 기획하기: 단계별 접근 방식

목표는 다음 기획 담당자가 매력적인 교육 콘텐츠를 만들 수 있도록 원시 정보를 제공하는 것입니다.

기획 작업에는 다양한 대상 수준(초급, 중급, 고급)에 맞게 각 주제를 전체 섹션으로 확장하는 작업이 포함됩니다.

각 섹션에는 제목, 부제목, 상위 목표, 참고 자료가 포함된 상세하고 포괄적인 계획이 수립되어야 합니다.

승무원 클래스 인스턴스화 및 사용

승무원의 킥오프 메서드는 인스턴스에서 호출해야 하므로 적절한 인스턴스화를 위해 괄호가 필요합니다.

이 시스템은 적절한 에이전트와 작업으로 파일을 업데이트하는 기능을 제공하여 프로세스를 간소화합니다.

특정 키와 값을 더 잘 처리하기 위해 팬틱 객체를 제안하여 보다 효율적으로 프로그래밍하고 작업을 반복할 수 있습니다.

초보자를 위한 콘텐츠 계획: 대규모 언어 모델 이해하기

이 계획은 대규모 언어 모델(LLM)의 중요성과 실제 적용에 대해 간략하게 설명합니다.

여기에는 LLM 아키텍처와 교육 과정에 대한 자세한 설명이 포함되어 있습니다.

또한 콘텐츠 계획은 체계적인 교육 계획을 세우는 데 중점을 두고 LLM과 관련된 미세 조정, 기술 및 과제를 다룹니다.

리서치 에이전트로 콘텐츠 작성팀 구축하기

이 프로세스에는 리서치팀에서 에이전트를 정의하고 그들의 정보를 사용하여 콘텐츠 작성 팀을 구성하는 것이 포함됩니다.

새로운 팀에는 교육 콘텐츠 작성자, 편집자, 품질 검토자 등의 역할이 포함되며, 기술과 청중의 수준에 중점을 둡니다.

입력 변수를 추출하고 크루의 기능을 활용하여 이전 모델의 기능을 복제하고 능가함으로써 워크플로우가 간소화됩니다.

모델 사용 및 작업 정의 최적화

이 접근 방식은 최상의 모델에서 시작하여 효율성이 발견되면 점차 더 저렴한 모델로 전환하는 것입니다.

이 프레임워크는 코드 한 줄만 수정하면 모델을 쉽게 변경할 수 있습니다.

이 논의에서는 워크플로우를 간소화하고 콘텐츠 제작 품질을 개선하기 위해 작업 정의와 상담원 이름을 업데이트하는 데 중점을 둡니다.

팀은 효율성을 높이기 위해 AI 콘텐츠 작성자의 작업과 에이전트를 조정하고 있습니다.

그들은 섹션 변수를 작가 팀에게 전달하고 섹션을 포함하도록 작업 정의를 조정하는 데 집중하고 있습니다.

목표는 AI가 더 짧은 섹션을 작성하여 결국에는 더 큰 기사를 작성하도록 하는 것입니다.

상담원 도구 및 콘텐츠 제작 향상

두 번째 팀원에게는 콘텐츠를 확장하고 사실 확인을 위한 추가 도구가 도움이 될 수 있습니다.

이전 문서와 예시를 검색할 수 있는 사용자 지정 도구도 도움이 될 수 있습니다.

콘텐츠에서 이미지, 그래픽, 다이어그램을 생성하는 아이디어와 데이터 분석 및 차트 플로팅을 자동화하는 코딩 에이전트도 모색되고 있습니다.

QA 에이전트의 최종 결과물이 실제 최종 섹션으로 잘못 간주되어 혼란을 야기하고 있습니다.

팀은 편집기 및 품질 검토 작업에 대한 예상 결과물을 조정하여 섹션 콘텐츠만 제공하고 피드백을 포함하지 않고 통합할 수 있도록 하고 있습니다.

워크플로우를 추적하기 위해 랭 트레이스 모듈을 사용하고 있으며, 팀은 원하는 품질과 제어를 달성하는 데 있어 이 모델의 효과에 대해 논의하고 있습니다.

더 작고 효율적인 AI 모델은 대부분의 사용 사례를 처리할 수 있으며, 일부 추정에 따르면 최대 98%의 요구 사항을 처리할 수 있다고 합니다.

에이전트 워크플로우와 오픈 소스 모델을 사용하면 비용 효율적인 사내 호스팅이 가능하므로 데이터 노출에 대한 우려를 줄일 수 있습니다.

불필요한 글머리 기호와 요약을 없애고 작업 정의를 강화하여 효율성을 높이는 등 모델의 결과물을 개선할 수 있는 기회도 있습니다.