Flowise와 LLM을 활용한 에러 분석 자동화

간단 소개

Flowise와 LLM을 활용하여 에러 분석을 자동화하고, 팀 협업을 증진시켜 생산성을 향상시킨 사례를 소개합니다.

AI Summary

Flowise를 활용한 에러 분석 자동화
- 클라이언트 호출 에러 시, 불친절하거나 추상화된 오류 메시지로 인한 문제 해결의 어려움을 개선하고자 함.
- Flowise를 통해 LLM 체인을 구성하여 에러 원인 분석 및 해결 방안 제시.
Flowise 워크플로 구성 요소
- ChatOpenAI: 자체 생성 모델(toss-standard) 활용.
- API Loader: Swagger 스펙을 LLM 메타데이터로 활용하여 API 요청 식별.
- Structured Output Parser: LLM 응답을 JSON 형태로 구조화 (action, reason, guide, inference).
- Chat Prompt Template: 역할 부여, API 스펙 제공, 예시 활용으로 정확도 향상.
코드 구현 및 활용
- Exception 객체에서 필요한 정보 필터링 후 LLM에 전달.
- Method Signature 제공을 위해 바이트 코드 추출.
- 에러 분석 결과를 바탕으로 메신저 알림을 통해 팀 협업 증진 및 추가 정보 제공으로 메시지 고도화.