38P by xguru 11달전 | favorite | 댓글 6개
  • a16z에서 정리한 "LLM 앱 스택을 위한 레퍼런스 아키텍쳐"

Emerging LLM App Stack

Contextual Data

  • Data Pipelines: Databricks, Airflow, Unstructured,..
  • Embedding Model: OpenAI, Cohere, Hugging Face
  • Vector Database: Pinecone, Weaviate, Chroma, pgvector

Prompt Few-shot Examples

  • Playground: OpenAI, nat.dev, Humanloop
  • Orchestration: Pytion/DIY, LangChain, LlamaIndex, ChatGPT
  • APIs/Plugins: Serp, Wolfram, Zapier,...

Query & Output

  • App Hosting: Vercel, Steamship, Streamlit, Modal
  • LLM Cache: Redis, SQLite, GPTCache
  • Logging/LLMops: Weights & Biases, MLflow, PromptLayer, Helicone
  • Validation: Guardrails, Rebuff, Guidance, LMQL

LLM APIs and Hosting

  • Proprietary API: OpenAI, Anthropic
  • Open API: Hugging Face, Replicate
  • Cloud Provider: AWS, GCP, Azure, Coreweave
  • Opinionated Cloud: Databricks, Anyscale, Mosaic, Modal, Runpod,...

Design Pattern: In-context Learning

  • In-Context Learning: LLM을 파인튜닝 없이 그대로 사용하면서, 똑똑한 프롬프팅 및 일부 "Contextual" 데이터에 기반한 조건을 이용하는 것
  • 예) 법률 문서들에 대해서 답변하는 챗봇을 만들때, 나이브하게 만들면 그냥 모든 문서를 ChatGPT에 넣고 질문하면 되겠지만, 작은 데이터셋에나 가능함. ChatGPT 가장 큰 모델도 약 50페이지 밖에 처리 못함
    In-Context Learning에서는 관련 문서만 보내고, 그 중에서 답변을 받는 방식을 취함
  • 그래서 다음과 같은 3단계 워크플로우로 구성
    • Step 1. 데이터 전처리 / 임베딩
    • Step 2. 프롬프트 생성 / 벡터 DB에서 관련 문서 Retrieval
    • Step 3. 프롬프트 실행 / 추론
  • 많은 작업이 필요해보이지만, LLM 자체를 훈련 및 파인 튜닝하는 것보다는 훨씬 쉬움

Step 1. [Data preprocessing / embedding]

→ Contextual Data가 Data Pipline을 거쳐서 Embdeing Model을 거쳐 Vector Database에 저장

Contextual Data

  • 텍스트 문서, PDF, CSV 및 SQL Table들
  • 대부분은 데이터 로딩 및 변환은 기존 ETL 도구들(Databricks, Airflow)를 그대로 사용
  • 일부는 LangChain, LlamaIndex와 같은 오케스트레이션 프레임워크에 내장된 문서 로더를 이용
  • 스택의 이 부분은 아직 상대적으로 덜 개발되었다고 생각하며, LLM앱용으로 특별히 제작된 데이터 복제 솔루션에 기회가 있음

Embeddings

  • 대부분의 개발자는 OpenAI API를 사용(text-embedding-ada-002 모델)
    • 사용하기 쉽고, 합리적으로 좋은 결과를 내주며, 점점 더 저렴해지고 있음
  • 일부 큰 회사들은 Cohere를 탐색중. 특정 시나리오에서 더 나은 성능을 제공
  • 오픈소스를 선호하는 개발자들은 Hugging Face의 Sentence Transformers 라이브러리가 표준.
  • 또한 유스케이스에 맞는 다양한 종류의 임베딩을 생성하는 것도 가능
    • 이것은 니치한 케이스지만 유망한 연구 분야임

Vector Database

  • 전처리 파이프라인 부분에서 가장 중요한 부분은 벡터 데이터베이스
  • 최대 수십억개의 임베딩(벡터)를 효율적으로 저장, 비교 및 검색하는 역할
  • 시장에서 가장 일반적인 선택은 Pinecone
    • 완전히 클라우드에서 호스팅되어 시작하기 쉬움
    • 대규모 기업이 프로덕션에 필요로 하는 많은 기능을 갖추고 있음(좋은 성능, SSO, 업타임 SLA등)
  • 하지만, 사용가능한 벡터 데이터베이스는 엄청 많음. 특히:
    • Weaviate, Vespa, Qdrant 같은 오픈소스
      • 우수한 단일 노드 성능을 제공하며 특정 앱에 맞게 조정 가능
      • 맞춤형 플랫폼 구축을 선호하는 숙련된 AI팀에게 인기 많음
    • Chroma, Faiss 같은 로컬 벡터 관리 라이브러리
      • 훌륭한 개발자 경험
      • 소규모 앱과 개발 실험을 위해 쉽게 운용 가능
      • 완전한 대규모 데이터베이스를 대체하는 용도는 아님
    • pgvector 같은 OLTP 확장들
      • 모든 데이터베이스 형태 요구사항에 Postgres를 끼워넣고 싶은 개발자나 단일 클라우드 공급자에게 대부분의 데이터 인프라를 구입하는 기업에게는 벡터 지원을 위한 좋은 솔루션
      • 장기적으로 볼 때 벡터 및 스칼라 워크로드에 타이트하게 결합하는 것이 타당한지는 분명치 않음
  • 내다보면 대부분의 오픈 소스 벡터 데이터베이스 화사가 클라우드 제품을 개발중
    • 우리의 연구에 따르면 클라우드 상에서 다양한 사용사례에 대해서 훌륭한 성능을 내는 것은 매우 어려움
    • 따라서 이런 선택은 단기적으로는 변경되지 않을 수도 있지만, 장기적으로는 변경될 가능성이 높음
    • 핵심 질문은 벡터 데이터베이스가 OLTP & OLAP 사례처럼, 하나 또는 두개의 유명한 시스템으로 통합될까 하는 것
  • 또 다른 질문은, 대부분의 모델에서 사용가능한 컨텍스트 윈도우가 커짐에 따라서 임베딩 및 벡터 데이터베이스가 어떻게 발전할 것인가
    • 컨텍스트 데이터를 프롬프트에 다 올릴 수 있기 때문에 임베딩이 필요 없어질 것이라고 말하고 싶은 유혹이 있겠지만,
    • 이에 대한 전문가의 피드백은 임베딩 파이프라인이 점점 더 중요해 질 수 있다고 함
    • 큰 컨텍스트 윈도우는 강력한 도구지만, 상당한 계산 비용이 수반 됨. 따라서 그걸 효율적으로 사용하는 것이 우선임
  • 이제 다양한 종류의 임베딩 모델이 대중화 되고, 모델 연관성을 가지고 직접 훈련되며, 이를 효율적으로 활성화 및 활용하는 벡터 데이터베이스를 볼 수 있게 될 것

Step 2. [Prompt construction / retrieval]

  • LLM 프롬프팅과 상황에 맞는 데이터를 통합하는 전략은 점점 더 복잡해 지고 있으며, 제품 차별화의 원천으로서 점점 더 중요해지고 있음
  • 대부분의 개발자는 직접 지침(제로 샷 프롬프팅) 또는 몇개의 예제를 포함한(퓨 샷 프롬프팅)으로 구성된 간단한 프롬프트로 새 프로젝트를 시작
  • 이런 프롬프트는 좋은 결과를 내기도 하지만, 프로덕션 배포에 필요한 정확도 수준에는 미치지 못함
  • 프롬프팅의 다음 단계는 모델 응답의 근거를 일부 진실 소스에 두고, 모델이 훈련되지 않은 외부 콘텍스트를 제공하도록 설계하는 것
  • Prompt Engineering Guide는 12개의 고급 프롬프트 전략을 정리하고 있음
  • 이때 LangChain/LlamaIndex 같은 오케스트레이션 프레임워크가 빛을 발함
    • 이들은 프롬프트 체이닝의 많은 세부 사항을 추상화 함
    • 외부 API 연동, 벡터 데이터베이스에서 문맥 데이터 검색, 여러번의 LLM 호출간 메모리 유지 등
    • 또한 많은 일반 프로그램들에 대한 템플릿을 제공
    • 이들의 출력은 언어모델에 보낼 프롬프트 또는 여러개의 프롬프트들
    • 스타트업이나 취미 개발자들 사이에서는 LangChain이 가장 많이 사용 됨
  • LangChain은 아직 새로운 프로젝트임(현재 버전 0.0.220)
    • 하지만 이미 이를 이용한 앱이 프로덕션 된게 보이기 시작함
    • 일부 개발자, 특히 LLM 얼리 어답터는 의존성을 제거하기 위해 프로덕션에서는 순수 Python 으로 전환하는 것을 선호
    • 하지만 우린 이런 DIY방식은 웹앱스택에서와 마찬가지로 점차 줄어들 것이라고 생각(대부분 다 이용)
  • 눈썰미가 좋은 독자는 오케스트레이션 박스에 ChatGPT 가 있는 것을 봤을 것
    • 일반적으로 ChatGPT는 개발자 도구가 아니라 앱이지만, API로 접근이 가능
    • 어찌 보면 이런 오케스트레이션 프레임워크와 비슷한 동작을 수행(프롬프트 추상화, 상태 유지, 플러그인을 통한 문맥 데이터 검색등)
    • 여기서 얘기하는 도구들과 직접적인 경쟁자는 아니지만, ChatGPT는 대체 솔루션으로 간주 가능. 빠르게 구성하고 사용 가능한 간단한 대안이 될 수 있음

Step 3. [Prompt execution / inference]

  • 현재 OpenAI는 언어 모델 가운데 리더임
  • 거의 모든 개발자가 GPT-4, GPT-4-32k 모델로 LLM앱 개발을 시작함
  • 사용하기 쉽고 다양한 도메인에 대해 사용가능하며 파인튜닝이나 셀프 호스팅이 필요없음
  • 프로덕션에 들어가고 규모가 커지면, 다양한 옵션들이 가능해짐
    • gpt-3.5-turbo 로 전환:
      • 50배 이상 저렴하고 GPT-4에 훨씬 빠름
      • GPT-4 수준의 정확도가 필요하지 않고, 빠른 응답시간이 필요하거나 무료 사용자를 위한 효율적 지원이 필요할때 선택
    • 다른 벤더 모델을 실험(특히 Anthropic의 Claude 모델)
      • Claude는 빠른 추론과 GPT 3.5 수준의 정확도, 더 많은 커스텀 옵션을 제공하며 최대 100k 컨텍스트 윈도우를 제공(하지만 길어지면 정확도는 떨어짐)
    • 일부 요청을 오픈소스 모델로 분기
      • 다양한 쿼리 복잡도가 있거나 무료 사용자를 저렴하게 서빙해야 하는 검색/채팅 같은 대규모 B2C 유스케이스에서는 효율적이 될 수 있음
  • 오픈소스 모델은 현재 독점 제품들을 뒤쫓는 상황이지만, 격차가 좁혀지기 시작
    • Meta의 LLaMA 모델은 오픈소스 정확도에 대한 새로운 기준을 설정했고, 다양한 변형들이 나오게 함
    • LLaMA는 연구용으로만 허가를 했지만, 대체 기본 모델(Together, Mosaic, Falcon, Mistral)을 훈련하기 위해 많은 공급자들이 참여
    • Meta는 진정한 오픈소스 LLaMa 2 모델을 출시하기 위해 논의중
  • 오픈소스 LLM이 GPT-3.5와 비슷한 정확도 수준에 도달하면 Stable Diffusion Moment와 같은 것을 텍스트 에서 기대함
    • 대규모 실험, 공유, 미세 조정된 모델의 프로덕션화 등
    • Replicate 같은 호스팅 회사들은 이미 개발자가 이런 모델을 더 쉽게 사용할 수 있도록 도구를 추가중
    • 더 작으면서도 파인튜닝된 모델이 최첨단 모델의 정확도에 도달 가능하다는 개발자들의 믿음이 커지고 있음
  • 우리가 얘기나눈 대부분의 개발자들은 LLM을 위한 운영도구에 대해서는 깊이 들어가지 않았음
    • Caching은 일반적인데, 보통 Redis로 함(응답시간과 비용을 개선하기 때문)
    • Weights & Biases, MLFlow, PromptLayer, Helicone 같은 도구도 많이 사용됨
      • 신속한 프롬프트 생성, 파이프라인 튜닝, 모델 선택을 위해 LLM 출력을 로그, 추적, 평가 할수 있음
    • LLM 출력을 검증(Guardrails)하거나, 프롬프트 인젝션 감지(Rebuff) 같은 도구들도 많이 나오는중
    • 이런 운영 도구의 대부분은 자체 Python 클라이언트를 사용하여 LLM 호출을 수행하도록 권장하므로 차후에 어떻게 공존하는지를 지켜보는 것도 흥미로움
  • 마지막으로, LLM의 정적인 부분(모델 이외의 모든 것)도 어딘가에 호스팅 되어야 함
    • 가장 일반적인 솔루션은 Vercel 이나 주요 클라우드 공급자들
    • 그러나 두가지 새로운 카테고리가 출현중
      • Steamship은 LLM 앱을 위한 엔드-투-엔드 호스팅을 제공하여, 오케스트레이션(LangChain), 멀티 테넌트 데이터 콘텍스트, 비동기 태스크, 벡터 저장소, 키 관리등의 기능을 제공
      • Anyscale 과 Modal 은 개발자가 모델과 파이썬 코드를 동시에 호스팅할 수 있게 해줌

Agent는?

  • 이 레퍼런스 아키텍처에서 누락된 가장 중요한 요소는 AI Agent Framerwork
  • AutoGPT 는 "GPT-4를 완전히 자율적으로 만들기 위한 오픈소스 실험" 으로 올 봄에 역사상 가장 빠르게 성장한 GitHub Repo였음
  • 요즘 모든 AI 프로젝트는 어떤 형태로든 에이전트가 포함되어 있음
  • 우리가 대화해본 대부분의 개발자는 에이전트의 잠재력에 매우 흥분하고 있음
    • 이 글에서 설명한 인-컨텍스트 러닝 패턴은 콘텐츠 생성 작업을 더 잘 지원하고, 할루시네이션 과 데이터 신선도 문제를 해결하는데 좋음
    • 반면에 에이전트는 AI앱에 근본적으로 새로운 기능을 제공
      • 복잡한 문제를 해결하고, 외부 세계에 대해 액션을 하거나, 배포후에도 경험에서 배우거나
      • 고급 추론/계획, 도구의 사용, 메모리/재귀/셀프-리플렉션 등의 조합을 통해 이를 수행
    • 에이전트는 LLM 앱 아키텍처의 중심 부분이 될 가능성이 있음(재귀에 따른 자기 발전을 믿는다면, 전체 스택을 차지할 수도)
    • 이미 LangChain 같은 프레임워크들은 에이전트 컨셉트를 통합했음
    • 단 한가지 문제는, 에이전트는 아직 제대로 동작하지 않는다는 것
    • 현재 대부분의 에이전트 프레임워크는 PoC 단계에 있음 - 놀라운 데모는 가능하지만, 안정적이거나 재현 가능하지 않음
    • 그들이 어떻게 발전할지 주시하고 있음

앞을 내다보며

  • 사전 훈련된 AI 모델은 인터넷 이후 소프트웨어에서 가장 중요한 아키텍쳐 변화임
  • 이를 통해 각 개발자는 대규모 팀이 구축하는데 몇 달 걸리는 Supervised 머신러닝 프로젝트를 능가하는 AI앱을 며칠 만에 구축 가능
  • 여기서 소개한 도구와 패턴은 최종 상태가 아니라 LLM 통합을 위한 시작점일 가능성이 높음

인사이트가 있는 내공이 느껴지는 글이네요.
이 내용을 기반으로 LLM APP 아키텍처 설계하는데 큰 도움이 될듯요.

생태계에 분야별 명확한 위너가 없다보니 많은 솔루션들이 혼재되어 있는 상황이라
선택의 문제가 많아지고, 이를 너의 요구사항에 맞는 적절한 조합을 찾는 것이 능력이 되는 시점인듯 합니다.

이거 엄청 알찬 글이네요. 찬찬히 읽어보고 있습니다.

LLM에 GN을 학습시키면 구루님도 편해질까요? ^^;
감사합니다.

앗 GN+를 만드셨군요 :-o

편해지긴 할듯 한데, 이런 글은 공부하는셈 치고 계속 할듯 합니다. ㅎㅎ
GN⁺ 가 다른 뉴스를 다 처리해주면 이런 글들이 더 늘어나는 효과가 생길수도!

좋은 글과 요약 감사합니다.