데이터베이스와 ChatGPT 연결하기

Name: Oluwaseun Adeojo

Published on 2023. 6. 9.

인공지능(AI)은 데이터 관리 방식을 혁신적으로 변화시켰습니다. 강력한 AI 모델 가운데 OpenAI의 ChatGPT는 데이터베이스와 원활하게 통합하여 데이터 처리 프로세스를 자동화하고 강화하는 기능을 제공합니다. 이 글에서는 ChatGPT와 데이터베이스 간의 연결을 수립하는 복잡한 과정을 안내합니다. 자세한 단계, 실제 예제 코드를 제공합니다. 또한 AI를 활용하여 데이터를 시각화하는 추가 단계도 소개합니다.

데이터 관리에서 AI의 힘 활용하기

AI의 진정한 성능은 데이터 처리 능력에 나타납니다. 하루에 수백 개 또는 수천 개의 댓글로 침통된 콘텐츠 창작자의 시나리오를 생각해보십시오. 이 모든 댓글을 탐색하는 것은 어려운 작업입니다. 댓글은 긍정적인 피드백, 응답이 필요한 질문, 스팸으로 분류할 수 있는 내용 등 다양한 내용일 수 있습니다. 여기서 AI, 특히 ChatGPT가 게임 체인저로 등장합니다. ChatGPT는 모든 댓글을 효율적으로 정리하고 스팸으로 분류되는 댓글을 식별하며 특정 댓글에 대한 응답을 제안할 수 있으므로 챗봇 데이터베이스 관리의 환경을 변화시킵니다.

데이터베이스와 ChatGPT 연결: 계획 수립하기

프로젝트 계획은 다음 세 가지로 구성됩니다:

MySQL 연결 생성: mysql2/promise 라이브러리를 사용하여 MySQL 연결을 생성하는 코드는 올바릅니다. mysql2의 npm 페이지에서 검색 결과가 mysql.createConnection 메서드의 사용을 확인합니다. (출처 (opens in a new tab))
YouTube API 연결: YouTube API에 연결하고 `comment

Threads.list` 메서드를 사용하여 댓글을 가져오는 코드는 올바릅니다. 정확한 코드 스니펫을 찾지 못했지만 Google 개발자 문서에서 해당 메서드가 YouTube Data API의 일부임을 확인할 수 있습니다. (출처 (opens in a new tab))

ChatGPT에 댓글 전송하여 분석하기: Completion.create 메서드를 사용하여 댓글을 ChatGPT에 전송하여 분석하는 코드는 올바릅니다. OpenAI API 문서에서 이 메서드의 사용을 확인할 수 있습니다. (출처 (opens in a new tab))
분석에 따라 데이터베이스 업데이트하기: mysql2/promise 라이브러리의 connection.execute 메서드를 사용하여 데이터베이스를 업데이트하는 코드는 올바릅니다. 질의를 실행하기 위해 pool.execute 메서드를 사용하는 방법은 스택 오버플로우 게시물에서 확인할 수 있습니다. (출처 (opens in a new tab))

이 글의 코드 스니펫은 튜토리얼 목적을 위해 간소화되었습니다. 실제 응용 프로그램에서는 오류와 예외 상황을 처리해야 합니다.

ChatGPT에 대한 데이터베이스 설정

ChatGPT와 연결할 수 있는 실제 데이터베이스를 설정하는 것부터 시작합니다. 이 튜토리얼에서는 실시간, 통합 및 확장 가능한 데이터베이스인 SingleStore를 사용합니다. SingleStore에서 데이터베이스를 생성한 후 프로젝트에 연결해야 합니다. 이를 위해 MySQL 라이브러리를 사용할 것입니다.

const mysql = require('mysql2/promise');
const connection = await mysql.createConnection({
  host: 'your-host-url',
  user: 'admin',
  password: 'your-password',
  database: 'singlestore'
});

ChatGPT를 위한 데이터베이스 채우기

다음으로 ChatGPT를 위해 일부 데모 데이터를 생성하려고 합니다. 이 튜토리얼에서는 데이터베이스에 YouTube 댓글을 채우기를 원합니다. 이를 위해 YouTube API에 연결하여 댓글을 가져와야 합니다.

const {google} = require('googleapis');
const youtube = google.youtube({
  version: 'v3',
  auth: 'your-api-key'
});

그런 다음 YouTube API를 호출하여 댓글을 가져올 수 있습니다.

const response = await youtube.commentThreads.list({
  part: 'snippet',
  videoId: 'your-video-id'
});

댓글을 가져온 후 INSERT INTO SQL 명령을 사용하여 데이터베이스에 이러한 댓글을 삽입해야 합니다.

for (let comment of comments) {
  const {id, commenter, commentText} = comment;
  const query = 'INSERT INTO comments (id, commenter, comment) VALUES (?, ?, ?)';
  await connection.execute(query, [id, commenter, commentText]);
}

OpenAI API에 연결하기

이제 데이터베이스에 댓글이 들어 있고 OpenAI API에 연결할 수 있습니다. 이를 위해 OpenAI 라이브러리를 사용할 것입니다.

const openai = require('openai');
openai.apiKey = 'your-openai-api-key';

그런 다음 OpenAI API를 사용하여 댓글을 분석할 수 있습니다.

for (let comment of comments) {
  const prompt = `This is a comment: ${comment.commentText}. Should I reply?`;
  const gptResponse = await openai.Completion.create({
    engine: 'text-davinci-002',
    prompt: prompt,
    max_tokens: 60
  });
  const shouldReply = gptResponse.choices[0].text.trim();
  if (shouldReply === 'Yes') {
    // 데이터베이스 업데이트
  }
}

데이터베이스 업데이트하기

OpenAI API의 응답에 따라 데이터베이스를 업데이트할 수 있습니다. API가 댓글에 답장해야 한다고 제안하면 해당 댓글을 데이터베이스에서 표시할 수 있습니다.

if (shouldReply === 'Yes') {
  const updateQuery = 'UPDATE comments SET should_reply = 1 WHERE id = ?';
  await connection.execute(updateQuery, [comment.id]);
}

데이터베이스와 ChatGPT 통합하기

데이터베이스에 댓글이 있고 OpenAI API에 연결되어 있으므로 데이터베이스와 ChatGPT를 통합할 수 있습니다. 이를 위해 데이터베이스와 ChatGPT 간의 통신을 용이하게 하는 API를 생성해야 합니다. 이러한 API를 통해 데이터베이스에서 댓글을 가져오고, 댓글을 ChatGPT로 전송하여 분석하고, 분석 결과에 따라 데이터베이스를 업데이트할 수 있습니다.

데이터베이스에서 댓글 가져오기

데이터베이스와 ChatGPT를 통합하기 위한 첫 번째 단계는 데이터베이스에서 댓글을 가져오는 것입니다. 이를 위해 데이터베이스에서 모든 댓글을 검색하는 API를 생성할 수 있습니다. 이 API는 SELECT SQL 명령을 사용하여 댓글을 가져올 것입니다.

const [comments] = await connection.execute('SELECT * FROM comments');

댓글을 ChatGPT로 전송하여 분석하기

댓글을 가져온 후에는 ChatGPT로 댓글

을 분석할 수 있습니다. 이를 위해 입력으로 댓글을 받아 ChatGPT로 전송하는 API를 생성할 수 있습니다. 이 API는 OpenAI 라이브러리에서 제공하는 Completion.create 메서드를 사용하여 댓글을 ChatGPT로 전송할 것입니다.

for (let comment of comments) {
  const prompt = `This is a comment: ${comment.commentText}. Should I reply?`;
  const gptResponse = await openai.Completion.create({
    engine: 'text-davinci-002',
    prompt: prompt,
    max_tokens: 60
  });
}

분석에 따라 데이터베이스 업데이트하기

ChatGPT가 댓글을 분석한 후에는 분석 결과에 따라 데이터베이스를 업데이트할 수 있습니다. 이를 위해 ChatGPT의 분석 결과를 받아 해당 댓글을 데이터베이스에서 업데이트하는 API를 생성할 수 있습니다. 이 API는 UPDATE SQL 명령을 사용하여 데이터베이스에서 댓글을 업데이트할 것입니다.

const shouldReply = gptResponse.choices[0].text.trim();
if (shouldReply === 'Yes') {
  const updateQuery = 'UPDATE comments SET should_reply = 1 WHERE id = ?';
  await connection.execute(updateQuery, [comment.id]);
}

AI로 데이터베이스 시각화하기

ChatGPT는 데이터 분석에 능숙하지만 데이터베이스를 시각화하려면 어떻게 해야 할까요? 이 경우 다른 도구를 시도해볼 수 있습니다. 고급 탐색적 데이터 분석(EDA) 및 AI 기반 데이터 시각화를 위한 RATH를 사용해볼 수 있습니다:

단계 1. 데이터베이스를 RATH에 연결하기

RATH와 데이터베이스를 연결하는 데 다음 단계를 사용할 수 있습니다.

단계 2. 데이터 탐색 쉽게하기

데이터 분석을 시작하기 전에 데이터를 준비하는 것이 가장 좋은 방법입니다. RATH는 다음과 같은 다양한 기능을 갖추고 있습니다.

데이터 소스 탭에서 데이터 개요를 확인합니다.
데이터 프로파일링 (opens in a new tab)
데이터 변환 (opens in a new tab)
NLP 기반 텍스트 패턴 추출 (opens in a new tab)다음 데모 비

디오에서 데이터 통계를 간략히 살펴보는 방법을 확인할 수 있습니다:

단계 3. 드래그 앤 드롭으로 차트 만들기

전통적인 BI 배경을 갖춘 사용자를 위해 RATH에는 Manual Exploration이라는 Tableau와 유사한 사용하기 쉬운 기능이 있습니다. 변수를 선반에 드래그 앤 드롭하여 매우 맞춤화된 차트를 생성 (opens in a new tab)할 수 있습니다. 다음 데모 비디오에서 등록 사용자와 일반 사용자 간의 계절 관계 탐색에 대해 설명합니다.

단계 4. 데이터 인사이트 제공하기

복잡한 데이터 소스에서 잠재적인 패턴과 동향을 발견하는 것은 극도로 어려운 작업입니다. 데이터 페인터 (opens in a new tab) 기능은 이러한 문제를 해결하기 위해 설계되었습니다. 복잡한 탐색적 데이터 분석 과정을 시각화하고 간단하게 만드는 Painting Tool을 사용하여 데이터를 정리, 모델링 및 탐색할 수 있습니다.

다음 데모 비디오에서 특정 데이터 세트 내 동향의 의미를 알아내는 과정을 확인할 수 있습니다:

RATH에는 데이터 분석 및 시각화를 위한 다양한 기능이 있습니다. RATH 웹사이트 (opens in a new tab)에서 사용해보세요!

(opens in a new tab)

📚

ChatGPT Code Interpreter: 코드 없이 데이터 시각화 생성하기 깊이 있는 분석: Python에서 Plotly 대 Matplotlib 비교