from langchain_openai import OpenAI
llm = OpenAI()
llm.invoke("한국의 대표적인 관광지 3곳을 추천해주세요.")

from langchain_openai import ChatOpenAI
from langchain_core.messages import AIMessage, HumanMessage, SystemMessage

chat = ChatOpenAI()

messages = [
	SystemMessage(content = "You are a helpful assistant."),
	HumanMessage(content = "안녕하세요! 저는 민디라고 합니다!"),
	AIMessage(content = "안녕하세요 민디씨! 어떻게 도와드릴까요?"),
	HumanMessage(content="제 이름을 아시나요?"),
]

result = chat.invoke(messages)
print(result.content)

from langchain_openai import ChatOpenAI
 
# 1. 모델 생성 단계
params  = {
	"temperature" : 0.7,  # 생성된 텍스트의 다양성 조정
	"max_tokens" : 100,   # 생성할 최대 토큰 수
}

kwargs = {
	"frequency_penalty" : 0.5,  # 이미 등장한 단어의 재등장 확률
	"presence_penalty" : 0.5,   # 새로운 단어의 도입을 장려
	"stop" : ["\n"]             # 정지 시퀀스
}

model = ChatOpenAI(model="gpt-4o-mini", **parmas, model_kwargs = kwargs)

question = "태양계에서 가장 큰 행성은 무엇인가요?"
response = model.invoke(input=question)

# 2. 모델 호출 단계
params = {
	"temperature": 0.7,
	"max_tokens" : 10,
}

response = model.invoke(input = question, **params)

# 3. bind 메소드
model = ChatOpenAI(model = "gpt-4o-mini", max_tokens =100)
chain = prompt | model.bind(max_tokens=10)
response = chain.invoke()

from langchain.prompts import (
    PromptTemplate,
    PipelinePromptTemplate,
    MessagesPlaceholder,
    ChatPromptTemplate,
    HumanMessagePromptTemplate,
    SystemMessagePromptTemplate,
    AIMessagePromptTemplate,
    FewShotChatMessagePromptTemplate,
    FewShotPromptWithTemplates
)

from langchain_core.prompts import PromptTemplate

template = """
안녕하세요, 제 이름은 {name}이고, 나이는 {age}입니다.
"""
prompt_template = PromptTemplate(
	input_variables = ["name","age"],
	template = template,
)
result = prompt.format(name="홍길동", age=30)
result

from langchain_core.prompts import HumanMessagePromptTemplate, SystemMessagePromptTemplate

chat_prompt = ChatPromptTemplate.from_messages([
    SystemMessagePromptTemplate.from_template("이 시스템은 {project} 질문에 답변할 수 있습니다."),
    HumanMessagePromptTemplate.from_template("{user_input}")
])

messages = chat_prompt.format_messages(project="천문학", user_input="태양계에서 가장 큰 행성은 무엇인가?")
messages = chat_prompt.format_prompt(project="천문학", user_input="태양계에서 가장 큰 행성은 무엇인가?").to_messages()
messages

from langchain_core.prompts import ChatPromptTemplate

chat_prompt = ChatPromptTemplate.from_messages([
    ("system","이 시스템은 천문학 질문에 답변할 수 있습니다."),
    ("user","{user_input}"),
])

messages = chat_prompt.format_messages(user_input="태양계에서 가장 큰 행성은 무엇인가?")
messages

from openai import OpenAI
client = OpenAI()
completion = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {
            "role": "user",
            "content": "Write a haiku about recursion in programming."
        }
    ]
)

print(completion.choices[0].message)

from langchain_core.prompt import FewShotPromptTemplate

example_prompt = PromptTemplate.from_template("질문 : {question}\n{answer}")
examples = [
    {
        "question": "지구의 대기 중 가장 많은 비율을 차지하는 기체는 무엇인가요?",
        "answer": "지구 대기의 약 78%를 차지하는 질소입니다."
    },
    {
        "question": "광합성에 필요한 주요 요소들은 무엇인가요?",
        "answer": "광합성에 필요한 주요 요소는 빛, 이산화탄소, 물입니다."
    },
    {
        "question": "피타고라스 정리를 설명해주세요.",
        "answer": "피타고라스 정리는 직각삼각형에서 빗변의 제곱이 다른 두 변의 제곱의 합과 같다는 것입니다."
    }
    ...
]
from langchain_core.prompts import FewShotPromptTemplate

prompt = FewShotPromptTemplate(
	examples = examples,
	example_prompt = example_prompt,  # 예제 포맷팅에 사용할 접미사
	suffix = "질문 : {input}",   # 예제 뒤에 추가될 접미사
	input_variable=["input"],   # 입력 변수 저장
)

print(prompt.invoke({"input":"화성의 표면이 붉은 이유는 무엇인가요?"})).to_string()

from langchain_chroma import Chroma
from langchain_core.examples_selectors import SemanticSimilarityExampleSelector
from langchain_openai import OpenAIEmbeddings

example_selector = SemanticSimilarityExampleSelector.from_examples(
	examples,
	OpenAIEmbeddings(),
	Chroma,  # 벡터 저장소, 추후에 다시 나올 예정
	k=1,  # 선택할 예제 수
)

question = "화성의 표면이 붉은 이유는 무엇인가요?"
selected_examples = examples_selector.select_examples({"question":question})
print(f"입력과 가장 유사한 예제 : {question}")
for example in selected_examples:
	print("\n")
	for k, v in example.items():
		print(f"{k}:{v}")

# 1. 문자열 값을 사용한 부분 포맷팅
from langchain_core.prompts import PromptTemplate

prompt = PromptTemplate.from_template("지구의 {layer}에서 가장 흔한 원소는 {element}입니다.")

# 'layer' 변수에 '지각' 값을 미리 지정하여 부분 포맷팅
partial_prompt = prompt.partial(layer="지각")

# 나머지 'element' 변수만 입력하여 완전한 문장 생성
print(partial_prompt.format(element = "산소"))

prompt = PromptTemplate(
	template = "지구의 {layer}에서 가장 흔한 원소를 {element}입니다.",
	input_variables = ["element"],  # 사용자 입력이 필요한 변수
	partial_variables = {"layer":"맨틀"}  # 미리 지정된 부분 변수
)
print(prompt.format(element="규소"))

# 2. 함수를 사용한 부분 포맷팅
from datetime import datetime

# 현재 계절을 반환하는 함수 정의
def get_current_season():
    month = datetime.now().month
    if 3 <= month <= 5:
        return "봄"
    elif 6 <= month <= 8:
        return "여름"
    elif 9 <= month <= 11:
        return "가을"
    else:
        return "겨울"

# 함수를 사용한 부분 변수가 있는 프롬프트 템플릿 정의
prompt = PromptTemplate(
    template="{season}에 일어나는 대표적인 지구과학 현상은 {phenomenon}입니다.",
    input_variables=["phenomenon"],  # 사용자 입력이 필요한 변수
    partial_variables={"season": get_current_season}  # 함수를 통해 동적으로 값을 생성하는 부분 변수
)

# 'phenomenon' 변수만 입력하여 현재 계절에 맞는 문장 생성
print(prompt.format(phenomenon="낙엽"))

💡참고   
https://wikidocs.net/book/14314   
https://wikidocs.net/book/14473   
https://python.langchain.com/v0.2/docs/introduction/ 
https://platform.openai.com/docs/guides/text-generation/quickstart?text-generation-quickstart-example=text