AI를 활용하는 개발자가 살아남는다

40년 경력의 베테랑 개발자가 효율적인 ChatGPT 활용법을 알려준다. 코드 생성, 테스트 주도 개발, 디버깅, 애플리케이션 제작, 문서 작성 등 다양한 분야의 질문을 ChatGPT에 던지고, 리팩터링, 문서 자동화, ChatGPT API, 랭체인 등 AI 도구를 통해 문제를 더 빠르고 정확하게 해결하는 방법을 살펴본다. AI 시대에 발맞춰 효율적인 개발자가 되어보자.

옮긴이 머리말 x

베타리더 후기 xii

시작하며 xiv

감사의 글 xvi

이 책에 대하여 xvii

CHAPTER 1 ChatGPT로 할 수 있는 것은 무엇일까? 1

1.1 ChatGPT로 무엇을 할 수 있을까? 2

__1.1.1 ChatGPT를 비서로 5

__1.1.2 ChatGPT를 내 동료로 7

__1.1.3 개발 프로세스에서 ChatGPT 활용하기 8

1.2 어떻게 가능할까? 10

__1.2.1 트랜스포머의 탄생 10

__1.2.2 간단하게 살펴볼까요? 11

__1.2.3 토큰의 분해와 순서 부여 12

__1.2.4 주의 집중이란 13

__1.2.5 단일 주의 집중과 복수의 주의 집중 15

__1.2.6 부호기에 의해 생성된 문맥을 복호기에 연결하기 17

__1.2.7 더 이상 두렵지 않다! Attention Is All You Need 18

__1.2.8 GPT는 어떻게 문장을 생성하는 것일까? 19

CHAPTER 2 프로그래밍에서의 활용 23

2.1 자동 코드 작성 24

__2.1.1 이해는 하지만 잘하지 못하는 것을 맡기기 25

__2.1.2 작게 쪼개서 요청하기 28

__2.1.3 함수에 대한 테스트 코드도 함께 생성하기 31

__2.1.4 단계별로 쌓아 올리기 33

2.2 오류 대책 33

__2.2.1 오류 대책의 기본 33

__2.2.2 오류가 계속 반복되는 경우에 대한 대응 방법 35

__2.2.3 그래도 오류가 해결되지 않는다면 35

2.3 클래스화에 대하여 36

__2.3.1 클래스 구성도로부터 코드 생성 접근하기 40

2.4 상태전이표로 코드 생성하기 43

__2.4.1 상태전이표로부터 코드 생성 접근하기 44

2.5 디자인 패턴 제안받기 50

__2.5.1 적합한 디자인 패턴 찾기 52

2.6 알고리즘 제안받기 54

2.7 단계별로 쌓아 올리기 70

2.8 코드 변환 80

__2.8.1 SQL 버전이 달라도 두렵지 않다 81

__2.8.2 다른 프로그래밍 언어(또는 여러 개의 언어)도 쉽게 배울 수 있다 83

__2.8.3 다른 언어에서도 작동하는 코드로 변환하기 86

__2.8.4 이것까지 된다고? 90

2.9 테스트 케이스에서 주의할 점 93

CHAPTER 3 리팩터링에서의 활용 95

3.1 자투리 시간에 가볍게 리팩터링하기 97

__3.1.1 함수 분할 97

__3.1.2 변수 이름과 함수 이름의 개선 99

__3.1.3 중복 제거 100

3.2 주석과 문서화 102

__3.2.1 인라인 주석을 추가해달라고 하기 102

__3.2.2 함수 문서를 추가해달라고 하기 104

3.3 보안 취약성 확인 107

3.4 예외 처리와 논리 완전성 개선 112

__3.4.1 예외 처리 개선 112

__3.4.2 논리 완전성 확인과 개선 114

CHAPTER 4 문서의 자동 작성 117

4.1 파워포인트 슬라이드 자동 작성 118

4.2 워드 문서 자동 작성 124

4.3 엑셀 연계 문서 자동 작성 127

4.4 diagrams를 사용한 클라우드 구성도 작성 134

4.5 dbdiagram.io에 의한 개체 관계 구성도 작성 139

CHAPTER 5 각종 개발 방법의 제안 145

5.1 도메인 주도 설계와 구현 147

5.2 테스트 주도 개발에 의한 테스트 기반 구현 165

5.3 ChatGPT와 소프트웨어 개발의 접근 방식 175

CHAPTER 6 학습 과정에서의 활용 177

6.1 분야별 학습 178

__6.1.1 학습 체험을 시작하면서 179

__6.1.2 [Step 1] 학습 영역 범위 좁히기 179

__6.1.3 [Step 2] 학습 테마 결정 181

__6.1.4 [Step 3] 생성 코드로 직접 체험하는 학습 183

__6.1.5 [Step 4] 코드 학습 뒤 확인 작업 189

__6.1.6 [Step 5] 더욱 깊이 파고들어 의미 이해하기 190

__6.1.7 [Step 6] 현실 응용을 위해 함수 깊이 파고들기 190

__6.1.8 [Step 7] 소크라테스의 가정교사(GPT-4 전용) 192

__6.1.9 [Step 8] 무한 대화를 무기로 삼아 193

6.2 프로그래밍 언어 학습 194

__6.2.1 [Step 1] 대상 언어의 특징 이해하기 195

__6.2.2 [Step 2] 작동 환경 구축 196

__6.2.3 [Step 3] 언어 치트시트 작성하기 198

__6.2.4 [Step 4] 빌드 이해하기 199

__6.2.5 [Step 5] 소크라테스 대화법으로 정리 205

6.3 학습 속도를 높이는 ChatGPT 206

CHAPTER 7 ChatGPT API의 활용 207

7.1 가장 기본적인 사용 방법 208

__7.1.1 API 키 발급 208

__7.1.2 가장 간단한 코드 211

__7.1.3 결과를 스트림으로 표시하기 213

__7.1.4 챗봇화하기 214

7.2 요약으로 문맥 연결하기 216

7.3 자연어로 사내 데이터베이스 질의하기 222

7.4 사내 데이터베이스와 연계한 사용자 지원 232

__7.4.1 역할을 분담시키기 232

CHAPTER 8 ChatGPT로 장문 데이터 다루기 245

8.1 LlamaIndex로 장문 데이터 처리 247

__8.1.1 장문의 외부 데이터와의 연계 체험하기 247

__8.1.2 어떤 원리로 작동하는가 256

__8.1.3 적재기 사용하기 256

8.2 랭체인으로 장문 데이터 처리 261

__8.2.1 색인 저장과 적재 266

__8.2.2 적재기 사용하기 268

__8.2.3 장문을 ChatGPT에서 취급할 때의 요령 271

CHAPTER 9 랭체인을 이용한 과정 자동화 275

9.1 랭체인 구조 276

9.2 Chains로 작업 연결하기 278

__9.2.1 일단 사용해보기 279

__9.2.2 단독 체인으로 질의하기 280

__9.2.3 단독 체인을 연결해보기 282

__9.2.4 SimpleSequentialChain으로 한 번에 연결하기 285

__9.2.5 SequentialChain으로 여러 개의 결과 얻기 287

9.3 Chains 기반의 챗봇 예제 290

__9.3.1 랭체인을 이용한 기본적인 챗봇 291

__9.3.2 SQL 질의 방법 293

__9.3.3 챗봇 구현 296

9.4 Agent를 이용한 코드 실행 304

__9.4.1 파워포인트 자동 작성 304

__9.4.2 diagrams를 사용한 클라우드 구성도 자동 작성 307

__9.4.3 그래프 자동 작성 309

9.5 Agent를 이용한 판단/실행/과정 자동화 311

__9.5.1 자동으로 퍼즐을 푸는 간단한 예 311

__9.5.2 웹 검색에 대응하기 316

__9.5.3 색인 데이터베이스 검색 통합하기 319

__9.5.4 PDF 문서 검색하기 322

__9.5.5 여러 개의 색인 데이터베이스를 각각 별도의 도구로 생성하기 324

__9.5.6 SQL 데이터베이스 검색 통합하기 329

9.6 Agent를 이용한 챗봇 최종형 332

__9.6.1 대화 예시 336

__9.6.2 그게 무슨 상관인데요? 342

마치며 343

찾아보기 346

파이썬에서 테스트 코드를 작성하는 경우 pytest가 주류를 형성하지만, 구글 코랩(Google Colab)에서는 이를 사용하기가 불편합니다. pytest는 기본적으로 파일을 대상으로 검색한 후 테스트 코드를 찾아 실행하는 것이 주된 사용 방법이기 때문에, 구글 코랩과 같은 셀 단위 실행 환경에는 적합하지 않습니다. 반면 파이썬 표준인 unittest는 셀 단위로 실행할 수 있기 때문에 구글 코랩에서 이용하기 편리합니다. (...) argv=['first-arg-is-ignored']는 실제로는 사용되지 않는 가짜 인수(dummy parameter)입니다. 일반적인 파이썬 스크립트에서 argv의 첫 요소는 스크립트 이름이며, 가짜 인수를 통해 동일한 작동을 모방하기 위해 사용됩니다. (93쪽)

파이썬은 문서화를 함수, 클래스, 모듈에 녹여내는 것이 가능한 독스트링(docstring)이라는 특별한 문자열이 있습니다. 함수 정의 바로 아래에 작성하는 삼중 큰따옴표(""")로 둘러싸인 문자열입니다. 이 독스트링은 사실 함수의 설명으로 표시되는 기능을 제공합니다. (...) 이 기능을 이용하면 함수의 설명이나 사용 방법, 매개변수의 지정 방법을 알 수 있기 때문에 매우 편리합니다. 그림 3.1은 구글 코랩에서 설명하는 open() 함수입니다. 셀에 open?이라고 입력하면 도움말 화면이 열리고 그 안에 설명이 표시됩니다. 반면 help(open)이라고 실행하면 결과 셀에 설명이 표시됩니다. (104쪽)

구성도의 내용이 얼핏 보기에 복잡하게 보이지만 사실 매우 간단합니다. InventoryService를 보면 사용자가 하고 싶은 것들이 메서드로 표현되어 있으며, 도메인은 Product, Warehouse, Quantity, Inventory 부분입니다. 이 부분은 사용자(또는 시스템을 이용하는 사람들)가 직접 관여하여 비즈니스에서 의미를 가지는 영역입니다. 사용자와 이야기를 진행할 때 이것이 일반적이라고 인식하면 될 뿐입니다. 앞서 언급된 수수께끼의 보편적 언어입니다. / 이를 기반으로 사용자와 함께 이런저런 논의를 통해 뺄 것은 빼고 더할 것은 더해가다 보면 클래스 구성도의 정확도가 높아집니다. 지금까지의 방법을 통해 한국어라는 자연어로 도메인 주도 설계 기반의 개요를 설계하고 클래스 구성도를 출력한 다음, 이를 기반으로 개선한다는 흐름을 실현할 수 있습니다. (153쪽)

cargo run만 실행하면 target/debug 디렉터리에 실행 파일이 생성되지만, 최종 릴리스용 실행 파일이 아니었습니다. 최종적으로 최적화된 바이너리는 cargo build --release 명령에 의해 target/release 디렉터리에 프로젝트 이름과 동일한 이름으로 빌드되는 것을 알 수 있습니다. (...) 간단한 코드는 rustc로 실행 파일을 생성하고, 외부 라이브러리가 필요한 경우에는 Cargo.toml 파일에 의존 관계를 명시한 후 cargo run으로 실행 파일을 생성하고 실행합니다. 이때 디버그용 실행 파일이 debug 디렉터리에 생성되며, 릴리스용으로 최적화된 실행 파일은 cargo build --release로 생성한다는 것을 배웠습니다. (204쪽)

한국어 검색을 테스트하기에는 한국어가 더 적합하기에 이번에는 한국어 자료를 한국어로 질의해보겠습니다. 여기서는 테스트로 대한민국 헌법을 대상으로 하겠습니다. 국가법령정보센터의 대한민국 헌법 페이지３에서 그림 8.5와 같이 저장 아이콘을 눌러 헌법의 내용을 .doc 파일 형식으로 저장합니다. ‘대한민국헌법(헌법)(제00010호)(19880225).doc’라는 이름의 워드 파일을 다운로드합니다. / 워드 파일이기 때문에 데이터베이스로 활용하려면 UTF-8 코드 기반의 텍스트 파일로 저장합니다. 따라서 파일을 연 후에 그림 8.6과 같이 UTF-8 기반의 일반 텍스트 파일로 저장합니다. 이때 파일의 이름은 korean_constitution.txt로 설정합니다. (253쪽)

LLMChain() 함수에서 체인을 생성합니다. 여기서 생성된 체인은 단독으로 작동하지만 이와 같이 질의 응답이 가능합니다. 지금까지의 llm()과 별로 다르지 않으나 하나의 작업 단위로서 이를 연결합니다. / chain.run()에 매개변수로 주어진 ‘피보나치 수를 구한다’가 변수 product에 대입된 결과 프롬프트가 ‘파이썬으로 다음 프로그램 코드에 테스트 코드를 추가하여 작성해주세요.: 피보나치 수를 구한다’로 바뀌고, 바뀐 프롬프트가 실행됩니다. / 해당 체인은 사용자가 요청한 과제인 파이썬 코드를 작성합니다. 즉 ‘코드 작성 작업’입니다. 이 결과를 전달하여 코드 부분만 추출해 프로그램 안에서 subprocess()를 사용하여 실행하는 것도 가능합니다. (281쪽)

성장하는 개발자가 되기 위해 챗GPT와 페어 프로그래밍 잘하는 방법

챗GPT가 처음 등장했을 당시 충격을 뒤로하고 개발자들은 챗GPT가 가져올 가능성과 영향에 대해 고민했고, 그 결과 수많은 활용법이 쏟아져나왔다. 그리고 단어 몇 개만으로 실사 영상을 제작할 수 있는 단계까지 왔다. 2022년 11월 등장한 이후로 불과 2년도 안 된 사이에 벌어진 일이다. 이제 개발자는 기존 개발 방식이 AI의 등장으로 어떻게 변화할지 준비해야 한다.

이 책은 개발 경력 40년이 넘는 저자가 혁신적인 기술인 챗GPT를 실무에서 어떻게 활용할 것인지 치열하게 고민한 결과를 담았다. 코드 생성은 물론이고, 프로토타이핑, 테스트 주도 개발, 디버깅 등의 개발 프로세스와 각종 방법론을 결합하는 방법, 문서 작성과 애플리케이션 개발 시 활용법 등 수많은 질문과 답을 챗GPT와 주고받는다.

1장에서는 챗GPT의 기본 개념과 작동 방식을, 2장에서는 자동 코드 생성, 오류 처리, 다지인 패턴 구현 등 챗GPT를 활용해 효율적으로 프로그래밍하는 방법을 소개한다. 3장에서는 챗GPT로 함수 분할, 변수명과 함수명 개선, 중복 코드 제거와 같은 리팩터링하는 방법뿐만 아니라 주석 작성과 문서화하는 방법까지 다루며, 4장에서는 챗GPT로 파워포인트, 엑셀, 워드 등의 문서를 자동으로 생성하고, 파이썬 라이브러리인 diagrams로 클라우드 구성도를 작성해본다.

5장에서는 도메인 주도 개발, 테스트 주도 개발 등 다양한 개발 방법론을 챗GPT에서 활용하는 방법을 알아보고, 6장에서는 Go, 러스트 등 프로그래밍 언어를 통해 학습할 때 챗GPT를 어떻게 활용할 것인지 살펴본다. 7장에서는 오픈AI가 제공하는 ChatGPT API의 기본적인 사용법과 설정 방법을 설명하면서 웹서비스에 챗GPT 기능을 호출해본다. 8장에서는 장문 데이터를 챗GPT로 생성하고 분석하는 방법을 라마인덱스 라이브러리를 사용하여 알아본다. 마지막으로 9장에서는 랭체인의 기본 개념과 구조를 알아보고, 랭체인의 에이전트와 챗GPT 기능과 결합한 프로세스 자동화 방법을 제시한다.

다양하고 유용한 챗GPT 활용법을 담은 이 책을 다 읽고 나면, 챗GPT를 페어 프로그래밍 동료로 활용하여 개발 효율성을 극대화하고 품질 높은 소프트웨어를 개발할 수 있게 될 것이다.

주요 내용

• ChatGPT API 활용하기
• 라마인덱스, 랭체인으로 장문의 데이터 처리하기
• 랭체인으로 프로세스 자동화하기
• 코드 작성, 오류 대책 등 프로그래밍하기
• 주석, 예외 처리 개선 등 리팩터링하기
• 파워포인트, 워드, 엑셀 등 문서 작성하기
• 러스트, Go 등 프로그래밍 언어 학습하기
• DDD, TDD 등 개발 방식과 연계하기