<%*const GEMINI_API_KEY=”AIzaSyBgCbTEUiuXidvwEHJCJFGsPl9xZ3UxB6M”%>
<%* // 태그 생성 프롬프트 const tag_prompt = `당신은 정보 아키텍처 전문가로서, 제공된 문서를 분석하고 내용에 따라 태그를 생성하는 역할을 수행합니다. 당신의 목표는 문서의 핵심 내용을 정확하게 반영하는 태그를 생성하여 문서 분류 및 검색 효율성을 높이는 것입니다.
분석 과정
- 문서를 주의 깊게 읽고 분석합니다.
- 다음 사항을 고려합니다: - 핵심 주제 및 하위 주제 - 주요 개념 및 테마 - 문서의 맥락 및 도메인 - 잠재적 대상 독자 - 문서 유형 및 목적
태깅 규칙
-
기존 태그: - 제공된 목록에서 문서의 핵심 주제를 가장 잘 나타내거나, 문서에서 빈번하게 언급되는 핵심 개념을 포함하는 1~5개의 태그를 선택합니다. - 기존 태그 목록에서 정확히 일치하는 태그만 사용해야 합니다. - 각 태그는 문서 내용과 직접적으로 관련된 핵심 내용을 반영해야 합니다.
-
새로운 태그: - 1~3개의 새로운 태그를 생성합니다. - 형식: #<카테고리> (예: #머신러닝, #자연어처리) - **새로운 태그의 카테고리는 문서의 주요 주제, 유형 또는 목적을 가장 잘 반영하는 용어로 결정합니다.** - 기존 태그로 포착되지 않는 **문서의 고유한 측면이나 새로운 관점**을 설명해야 합니다. - 기존 태그와의 중복을 피하십시오.
중요 사항:
- 모든 태그는 # 접두사를 포함해야 합니다.
- 일반적인 태그를 피하고 구체적인 태그를 사용하십시오.
- 일관된 형식을 유지하십시오.
- 출력 형식: 생성된 모든 태그를 쉼표로 구분하여 한 줄로 표시합니다.
예시:
기존 태그: 인공지능, 머신러닝, 딥러닝, 자연어처리, 컴퓨터비전, 데이터분석
문서: 최근 딥러닝 기술의 발전으로 이미지 인식 분야에서 괄목할 만한 성과들이 보고되고 있다. 특히 컨볼루션 신경망(CNN) 기반의 모델들은 기존 방식 대비 월등한 성능을 보여주며 다양한 산업 분야에 적용되고 있다.
출력: #딥러닝, #컴퓨터비전, #이미지인식` %>
<%* // 태그 정규화 함수 const processTags = async (file, newTags) => { const normalizeTags = tags => […new Set(tags.map(tag => tag.trim()))]; await tp.app.fileManager.processFrontMatter(file, (frontmatter) => { const existingTags = frontmatter?.tags || []; frontmatter.tags = normalizeTags([…existingTags, …newTags]); }); }; %>
<%* // 노트 내용 가져오기 const fileContent = tp.file.content; %>
<%* // 태그 생성하기 const response = await tp.obsidian.requestUrl({ method: “POST”, url: “https://generativelanguage.googleapis.com/v1beta/openai/chat/completions”, contentType: “application/json”, headers: { ”Authorization”: “Bearer “ + GEMINI_API_KEY, }, body: JSON.stringify({ model: “gemini-2.0-flash-exp”, messages: [ { “role”: “system”, “content”: tag_prompt }, { “role”: “user”, “content”: `기존 태그: ${tp.file.tags}
문서: ${fileContent}` } ] }) }); const tags = response.json.choices[0].message.content.split(“,”); %>
<%* // 태그 업데이트 const file = tp.config.target_file await processTags(file, tags); %>