HuggingFace의 Chat Assistants에서 제공하는 ‘New Chat’ 기능을 학습하고 이를 실제 서비스에 적용하는 과정을 소개하고자 합니다. HuggingFace는 AI 분야의 GitHub로 불리며, 오픈소스 AI 모델(예: Llama3)과 데이터셋, 구동 환경 등을 제공하는 플랫폼입니다. OpenAI의 GPT Store와 유사하게 Hugging Chat Assistants를 통해 사용자 맞춤형 챗봇을 제작할 수 있습니다.

서비스 소개

  • 서비스명: AI Fashion Style Analyzer
  • 시스템 URL: AI Fashion Style Analyzer 링크
  • 주요 기능: 이전에 소개한 앱과 동일한 기능으로, HuggingFace의 Chat Assistants 기반으로 동작하는 서비스입니다. 사용자가 패션 관련 이미지를 업로드하면 AI가 이를 분석하여 스타일 점수를 매기고 개선 방안을 제안합니다.

이 챗봇은 누구나 손쉽게 자신의 패션 스타일에 대해 전문가와 같은 분석을 받을 수 있는 점이 큰 장점입니다. 또한 실시간 피드백을 제공하여 사용자가 패션에 대해 더 많은 인사이트를 얻을 수 있도록 돕습니다.

시스템 구성 및 활용 도구

HuggingFace에서 제공하는 Chat Assistants를 활용했습니다. 이 Chat Assistants는 별도의 프론트엔드나 백엔드 구축이 필요 없으며, HuggingFace의 지침에 따라 간단히 챗봇을 구성할 수 있습니다. 이를 통해 개발 시간이 크게 단축되고 복잡한 코드 작성 없이 맞춤형 챗봇을 제작할 수 있었습니다.

실행 과정

챗봇 제작 과정은 다음과 같이 간단하게 진행되었습니다:

1. HuggingFace의 Chat Assistants 메인 화면에서 ‘Create new assistant’ 버튼 클릭

  • HuggingFace Chat Assistants의 메인 화면에서 ‘Create new assistant’ 버튼을 클릭하여 챗봇 제작을 시작합니다.

2. 구성 화면에서 필요한 정보 입력

  • 챗봇의 이름, 설명, 모델명, 사용자 메시지, Internet access 옵션, 프롬프트 등을 입력합니다. 이미지 분석이 필요한 경우에는 LLM 모델 중 llama-3.2-11B-vision-Instruct 모델을 선택하여 이미지 분석 기능을 활성화했습니다. 멀티모달을 지원하지 않는 모델은 이미지 분석이 불가하므로, 해당 기능을 지원하는 모델을 선택하는 것이 중요합니다.

3. 생성 완료 후 업데이트 및 테스트

  • 챗봇 생성이 완료되면 아래와 같이 업데이트가 이루어지며, ‘New chat’ 버튼을 눌러 사용 및 테스트가 가능합니다. 실시간으로 챗봇을 테스트하며 필요한 부분을 조정하여 사용자에게 최적의 경험을 제공할 수 있도록 했습니다.

결론

이번 프로젝트를 통해 HuggingFace의 Chat Assistants를 활용하여 AI Fashion Style Analyzer 챗봇을 손쉽게 제작하고 배포할 수 있었습니다. 별도의 코드 작성 없이 복잡한 기능을 쉽게 구현할 수 있었으며, 사용자 맞춤형 AI 솔루션을 통해 더 많은 사람들에게 실질적인 도움을 줄 수 있는 가능성을 확인할 수 있었습니다. 감사합니다.

댓글남기기