1. C:\mecab\mecab-ko-dic\user-dic

   

   수정하고자 csv 파일을 정해서 사용자 사전 추가하기

   만약 엑셀로 파일 열어보니 문자가 깨지는 현상이 발생한다면, 메모장으로 열기

   [추가할 때 태그들 참고하기] https://docs.google.com/spreadsheets/d/1-9blXKjtjeKZqsf4NzHeYJCrr49-nXeRF6D80udfcwY/edit?gid=1718487366#gid=1718487366

2. 사용자 사전 추가 이후 설정 a. C:\mecab\bin 폴더로 이동

    add-userdic.ps1 실행

[참고 문헌] https://jpype.readthedocs.io/en/latest/index.html

https://cherie-ssom.tistory.com/3

https://github.com/Pusnow/mecab-ko-msvc

이 글에서는 도커(Docker)를 이용하여 MySQL 데이터베이스를 설치하는 방법에 대해 설명합니다. 아래 단계를 따라하면 누구나 쉽게 도커에 MySQL을 설치할 수 있습니다.

1. Docker 다운로드

먼저, Docker 공식 웹사이트에서 자신의 운영체제에 맞는 Docker를 다운로드하고 설치합니다.

2. 명령 프롬프트(Command Prompt) 실행

Docker 설치가 완료되면, 명령 프롬프트(cmd)를 실행합니다.

3. MySQL 컨테이너 실행

명령 프롬프트에서 다음 명령어를 입력하여 MySQL 컨테이너를 실행합니다.

docker run -dt -p 원하는_포트번호:3306 -e MYSQL_ROOT_PASSWORD=루트_계정_비밀번호 \
-e MYSQL_USER=계정 -e MYSQL_PASSWORD=계정_비밀번호 \
--name 컨테이너_이름 mysql:8

• 원하는_포트번호: 호스트 머신에서 사용할 포트 번호를 입력합니다.
• 루트_계정_비밀번호: MySQL 루트 계정의 비밀번호를 설정합니다.
• 계정: MySQL 사용자 계정을 설정합니다.
• 계정_비밀번호: MySQL 사용자 계정의 비밀번호를 설정합니다.
• 컨테이너_이름: MySQL 컨테이너의 이름을 설정합니다.

4. MySQL 컨테이너 접속

다음 명령어를 입력하여 실행 중인 MySQL 컨테이너에 접속합니다.

docker exec -it 컨테이너_이름 bash

5. MySQL 로그인

컨테이너 내부에서 다음 명령어를 입력하여 MySQL에 로그인합니다.

mysql -u 계정 -p

비밀번호를 입력하라는 프롬프트가 나타나면, 3단계에서 설정한 계정_비밀번호를 입력합니다.

6. 데이터베이스 생성

MySQL에 로그인한 후, 다음 명령어를 입력하여 새로운 데이터베이스를 생성합니다.

create database DB_이름 default CHARACTER SET UTF8;

DB_이름에는 원하는 데이터베이스 이름을 입력합니다.

7. 데이터베이스 생성 확인

다음 명령어를 입력하여 데이터베이스가 정상적으로 생성되었는지 확인합니다.

show databases;

DB_이름이 출력되면 데이터베이스가 성공적으로 생성된 것입니다.

8. 데이터베이스 선택

다음 명령어를 입력하여 생성한 데이터베이스를 선택합니다.

use DB_이름;

9. 사용자 권한 부여

다음 명령어를 입력하여 사용자 계정에 데이터베이스에 대한 모든 권한을 부여합니다.

grant all privileges on DB_이름.* to 계정@'%';

10. 권한 적용

다음 명령어를 입력하여 변경된 권한 설정을 적용합니다.

flush privileges;

이제 도커에 MySQL이 설치되었으며, 생성한 데이터베이스와 사용자 계정을 사용할 준비가 되었습니다.

가상환경 생성 방법

1. 작업을 진행할 폴더로 이동합니다.

2. 터미널에 아래 명령어를 입력하여 가상환경을 생성합니다. 경로와 파일명은 원하는 대로 설정할 수 있습니다. (예: ./env)

   python -m venv ./env

3. 가상환경 생성 후, .gitignore 파일에 가상환경 폴더를 등록합니다.

4. 가상환경으로 접속하기 위해 터미널에서 아래 명령어를 입력합니다.

   env\Scripts\activate.bat

   가상환경에 성공적으로 접속하면 프롬프트 앞에 (env)가 표시됩니다.

   

pip 패키지 관리 방법

가상환경을 세팅한 후, 프로젝트에 필요한 패키지를 pip를 통해 설치할 수 있습니다. 프로젝트를 배포하고 다른 사람들과 패키지 버전을 공유하기 위해서는 pip freeze 명령어를 사용합니다.

설치된 패키지 목록 추출하기

pip freeze > requirements.txt

위 명령어를 실행하면 현재 가상환경에 설치되어 있는 패키지 목록과 버전 정보가 requirements.txt 파일에 저장됩니다.

패키지 목록에서 패키지 설치하기

pip install -r requirements.txt

requirements.txt 파일에 명시된 패키지와 버전을 한 번에 설치할 수 있습니다. 이를 통해 다른 사람들과 동일한 개발 환경을 쉽게 구성할 수 있습니다.

주의사항

• 가상환경을 사용할 때는 항상 해당 가상환경이 활성화된 상태에서 작업을 진행해야 합니다.
• 프로젝트별로 독립적인 가상환경을 사용하는 것이 좋습니다.
• requirements.txt 파일은 버전 관리 시스템(Git 등)에 포함시켜 관리하는 것이 좋습니다.

가상환경과 pip를 적절히 활용하면 파이썬 프로젝트의 개발 환경을 효과적으로 관리할 수 있습니다. 이를 통해 패키지 버전 충돌을 방지하고, 다른 사람들과 손쉽게 개발 환경을 공유할 수 있습니다.

질의응답 시스템(챗봇)을 실험하던 중, 예기치 않은 문제점이 발생했습니다. 처음 질문을 던졌을 때는 Google Gemini 1.5 Pro 거대언어모델(Large Language Model, LLM)이 원활하게 동작하였으나, 두 번째 질문부터는 갑작스럽게 오류가 발생하기 시작했습니다. 오류 발생 화면과 관련 코드는 아래에 첨부하였습니다. 이에 따라 저는 오류의 원인을 분석하고 적절한 해결책을 찾아보기로 했습니다.

1. 오류 화면

2. 오류 코드

langchain_google_genai.chat_models.ChatGoogleGenerativeAIError: Invalid argument provided to Gemini: 400 Developer instruction is not enabled for models/gemini-pro

google.api_core.exceptions.InvalidArgument: 400 Developer instruction is not enabled for models/gemini-pro

3. 오류 발생 원인 분석

1) 코드 수정 여부 확인

먼저, 실수로 코드를 수정한 부분이 있는지 확인했습니다. 하지만 Git을 통해 형상관리를 하고 있었기 때문에 코드에는 수정된 부분이 없음을 확인할 수 있었습니다. 따라서 코드 수정이 오류 발생 원인이 아님을 알 수 있었습니다.

2) API 호출 비용 확인

다음으로, Google Gemini 1.5 Pro LLM의 API 호출 비용 정책 변경 여부를 확인했습니다. 기존에는 1분에 60회까지 무료로 호출할 수 있었는데, 혹시 무료 지원이 종료된 것은 아닌지 의심했습니다. 하지만 확인 결과, 여전히 1분에 60회 호출까지는 무료로 제공되고 있었기 때문에 이 또한 문제 발생과는 연관이 없음을 확인했습니다.

3) 공식 문서 및 호출 방법 변경 확인

마지막으로, 공식 문서나 API 호출 방법이 변경되었을 가능성을 고려했습니다. 에러 코드를 구글에 검색해본 결과, 최근에 올라온 관련 글을 발견할 수 있었고, 이를 통해 해결 방법을 얻을 수 있었습니다.

4. 오류 해결 방법

에러가 발생한 부분은 ChatGoogleGenerativeAI() 함수의 model="gemini-pro" 부분이었습니다. 이를 model="gemini-1.5-pro-latest"로 변경하니 정상적으로 동작하는 것을 확인할 수 있었습니다.

1) 변경 전 코드

os.getenv("GOOGLE_API_KEY")
llm = ChatGoogleGenerativeAI(
    model="gemini-pro",
    temperature=0
)

2) 변경 후 코드

os.getenv("GOOGLE_API_KEY")
llm = ChatGoogleGenerativeAI(
    model="gemini-1.5-pro-latest",
    temperature=0
)

5. 참고문헌

• GitHub Issue - Invalid argument provided to Gemini: 400 Developer instruction is not enabled for models/gemini-pro

이상으로 Google Gemini-Pro API 호출 오류 발생 시 해결 방법에 대해 알아보았습니다. 오류 발생 시에는 냉정하게 원인을 분석하고, 관련 자료를 찾아보는 것이 도움이 됩니다. 이러한 접근법을 통해 빠르게 문제를 해결할 수 있을 것입니다.