안녕하세요. 이번 영상에서는 Windsurf 사용 시 발생하는 문제에 대해 다루겠습니다. Windsurf는 주로 문제 해결을 위한 훌륭한 도구이지만 URL 제공이나 사용자 지정 지식 기반 제공이 불가능하다는 단점이 있습니다.

이번 영상에서는 Vector Shift와 AER, Klein을 사용하여 모든 기능을 갖춘 AI 코딩 도우미를 만드는 방법을 알려드리겠습니다. 이 도구는 URL 크롤링, 웹 검색 또는 사용자 지정 지식 기반의 PDF와 문서를 통해 markdown 파일을 생성할 수 있습니다. 생성된 markdown 파일은 Windsurf, AER, Klein과 같은 AI 코더에 제공하여 참조할 수 있습니다.

이전 영상에서 웹 검색과 사용자 지정 지식 기반에 대해 다뤘습니다. 하지만 이번 영상에서는 이 모든 기능을 한 번에 수행할 수 있는 파이프라인을 만드는 방법과 Vector Shift API를 활용하여 터미널에서 사용할 수 있는 도우미 스크립트에 파이프라인을 구현하는 방법에 대해 알아보겠습니다.

이 도우미는 WindSurf, AER, Klein과 같은 모든 AI 코더와 함께 사용하는 것이 좋습니다. 특정 요구 사항에 맞게 markdown 파일을 생성하여 사용할 수 있기 때문입니다.

Vector Shift 사용하기

Vector Shift를 사용하려면 먼저 가입하고 파이프라인 옵션으로 이동합니다. 다른 옵션도 있지만 모든 기능의 기반이 되는 파이프라인이 주요 기능입니다.

파이프라인에서 새 파이프라인을 만듭니다. 원하는 경우 마켓플레이스에서 기본 파이프라인을 사용할 수도 있습니다. 이번 영상에서는 예시를 위해 “assist agent”라는 이름으로 새 파이프라인을 만듭니다.

그런 다음 파이프라인을 구성합니다. 먼저 입력을 추가하고 이 입력을 LLM에 연결합니다. LLM으로는 perplexity를 사용하여 Google 검색 노드를 추가할 필요 없이 웹 검색 옵션과 기본적인 LLM 기능을 활용합니다.

그런 다음 LLM을 출력 노드에 연결합니다. 이것이 기본적인 파이프라인이지만 사용자 지정 지식 기반을 추가할 필요가 있습니다.

지식 기반을 추가하려면 지식 기반 노드를 끌어다 놓습니다. 지식 기반 노드를 놓으면 기존 지식 기반을 선택하거나 이름이 있는 새 지식 기반을 만듭니다. 지식 기반을 만들면 PDF, 문서 또는 웹 페이지 URL을 추가할 수 있습니다.

지식 기반에 원하는 항목을 추가하면 파이프라인에 올바르게 연결할 수 있습니다. 연결하려면 기본 입력을 제거하고 “변수 삽입” 옵션을 클릭하여 “프롬프트”와 “컨텍스트”라는 두 개의 변수를 추가합니다. 그런 다음 각 변수에 맞게 연결합니다. LLM에 항목의 목적을 알려 주는 텍스트를 추가해야 합니다.

이제 지식 기반을 사용할 수 있지만 URL을 제공하고 크롤링하여 프롬프트를 기반으로 웹 페이지에서 데이터 필터링을 수행하여 집중된 markdown 파일을 만드는 것도 가능합니다.

이를 위해 입력을 하나 더 추가하고 이 입력을 Vector Shift에서 제공하는 URL 스크래퍼에 연결합니다. 그런 다음 LLM에 연결하고 다른 변수로 연결합니다.

이제 도우미는 간단한 웹 검색을 수행하고 지식 기반을 참조하며 URL을 크롤링하여 프롬프트에 따라 데이터를 추출한 후 모두를 markdown 형식으로 변환하여 출력을 제공할 수 있습니다.

파이프라인이 완성되면 “내보내기” 버튼을 클릭합니다. 여기서 자동화 챗봇이나 양식 또는 원하는 것을 만들 수 있습니다. 이번 영상에서는 챗봇을 만들었습니다. 생성한 챗봇은 WhatsApp이나 Slack에 통합할 수 있으며 API를 사용할 수도 있습니다. 하지만 챗봇으로 사용하여 애플리케이션에 쉽게 내장할 수도 있습니다.

하지만 이번 영상에서는 터미널에서 작동하는 코딩 도우미를 만드는 API를 사용합니다. API는 파이프라인을 클릭하고 API 옵션을 클릭하면 찾을 수 있습니다. 그런 다음 Chat GPT에 입력을 대화식으로 가져와 사용자가 입력한 markdown 파일에 API에서 출력을 저장하는 Python 프로그램으로 바꾸도록 요청할 수 있습니다.

다음은 이 요청으로 얻은 프로그램입니다.

“`
import openai
import os

def main():
# OpenAI API 키 설정
openai.api_key = os.getenv(“OPENAI_API_KEY”)

# 사용자 입력 가져오기
url = input("URL (선택 사항): ")
file_name = input("파일 이름: ")
prompt = input("프롬프트: ")

# OpenAI API에 요청 보내기
response = openai.Completion.create(
    engine="text-bison-001",
    prompt=prompt,
    temperature=0.7,
)

# 출력 저장하기
with open(file_name, "w") as f:
    f.write(response.choices[0].text)

print(f"{file_name} 파일에 출력 저장됨.")

if name == “main“:
main()
“`

이 프로그램을 실행하면 URL(선택 사항), 파일 이름, 프롬프트를 입력하라는 메시지가 표시됩니다. 모두 입력하면 사용자 지정 지식 기반을 참조하거나 웹 검색을 수행하거나 URL을 크롤링한 후 markdown 파일이 생성됩니다. 워크플로는 원하는 대로 변경할 수 있으며 GitHub 이슈 참조 또는 Google Drive 데이터 등을 추가할 수 있습니다.

이제 Windsurf에서 참조하는 방법을 알아보겠습니다. Cascade로 이동하여 다음과 같이 참조할 수 있습니다.

{{include:filename.md}}

그런 다음 참조에서 가져오면서 작업을 요청할 수 있습니다. 이는 매우 편리합니다. markdown은 Cascade와 같은 규칙에도 사용할 수 있으며 필요에 따라 참조하여 커서와 유사하게 만들 수 있습니다.

AER의 경우 “추가” 옵션을 사용하여 문맥에 추가하거나 구성 파일에 추가하여 AER을 로드할 때마다 로드할 수 있습니다. Klein의 경우도 Cascade와 같은 방식으로 수행하면 됩니다.

이렇게 하면 Windsurf, AER, Klein에서 웹 검색, 크롤링, 지식 기반 문제를 해결할 수 있습니다. 생성한 파일을 원하는 애플리케이션에서 참조하면 됩니다. 이 도우미는 매우 유용하며 워크플로에 꽤 오랫동안 사용했습니다.

이 영상이 마음에 드셨다면 채널에 슈퍼 땡큐 옵션을 통해 기부해 주시거나 가입 버튼을 클릭하여 멤버가 되어 주세요. 영상에 좋아요를 눌러 주시고 채널을 구독해 주세요. 다음 영상에서 뵙겠습니다. 안녕히 계세요!