자바 개발자의 AI 입문기 (2편) - LangChain 기초, 체이닝과 프롬프트 템플릿

OpenAI API 직접 호출 = 순수 JDBC
LangChain 사용 = Spring Data JPA 사용

pip install langchain langchain-openai

# 1편의 방식 - 프롬프트가 코드에 하드코딩
messages=[
    {
        "role": "system",
        "content": """당신은 10년차 자바 시니어 개발자입니다.
        주어진 코드를 리뷰하고, 개선점을 3가지 이내로 간결하게 제안하세요."""
    },
    {
        "role": "user", 
        "content": f"다음 자바 코드를 리뷰해주세요:\n\n```java\n{code}\n```"
    }
]

from langchain_core.prompts import ChatPromptTemplate

# 재사용 가능한 템플릿 정의
code_review_template = ChatPromptTemplate.from_messages([
    ("system", """당신은 {experience}년차 {language} 시니어 개발자입니다.
    주어진 코드를 리뷰하고, 개선점을 {max_points}가지 이내로 간결하게 제안하세요.
    한국어로 답변하세요."""),
    ("user", "다음 {language} 코드를 리뷰해주세요:\n\n```{language}\n{code}\n```")
])

# 템플릿에 변수 채우기
messages = code_review_template.format_messages(
    experience=10,
    language="Java",
    max_points=3,
    code="public void test() { ... }"
)

// Java - MessageFormat
String pattern = "{0}년차 {1} 개발자입니다.";
String result = MessageFormat.format(pattern, 10, "Java");

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from dotenv import load_dotenv

load_dotenv()

# LLM 모델 설정
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.3)

# 프롬프트 템플릿
review_template = ChatPromptTemplate.from_messages([
    ("system", """당신은 {experience}년차 {language} 시니어 개발자입니다.
    주어진 코드를 리뷰하고, 개선점을 {max_points}가지 이내로 간결하게 제안하세요.
    한국어로 답변하세요."""),
    ("user", "다음 코드를 리뷰해주세요:\n\n```{language}\n{code}\n```")
])


def review_code(code: str, language: str = "Java", 
                experience: int = 10, max_points: int = 3) -> str:
    """다양한 언어의 코드를 리뷰하는 AI 함수"""
    
    # 템플릿 + 모델 연결 (체이닝의 시작)
    chain = review_template | llm
    
    # 실행
    response = chain.invoke({
        "code": code,
        "language": language,
        "experience": experience,
        "max_points": max_points
    })
    
    return response.content


# Java 코드 리뷰
java_code = """
public User findUser(Long id) {
    return userRepository.findById(id).get();
}
"""
print("=== Java 코드 리뷰 ===")
print(review_code(java_code, language="Java"))

# Python 코드 리뷰 (같은 함수로!)
python_code = """
def find_user(id):
    user = db.query(User).filter(User.id == id).first()
    return user
"""
print("\n=== Python 코드 리뷰 ===")
print(review_code(python_code, language="Python"))

chain = review_template | llm

// Java Stream - 데이터 파이프라인
list.stream()
    .filter(x -> x > 0)
    .map(x -> x * 2)
    .collect(toList());

// LangChain - AI 파이프라인
# prompt | llm | output_parser

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from dotenv import load_dotenv

load_dotenv()

llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.3)

# 1단계: 코드 리뷰 프롬프트
review_prompt = ChatPromptTemplate.from_messages([
    ("system", "당신은 자바 시니어 개발자입니다. 코드의 문제점을 3줄 이내로 짧게 지적하세요."),
    ("user", "코드:\n```java\n{code}\n```")
])

# 2단계: 개선 코드 생성 프롬프트
improve_prompt = ChatPromptTemplate.from_messages([
    ("system", "당신은 자바 시니어 개발자입니다. 리뷰 내용을 반영해서 개선된 코드만 출력하세요."),
    ("user", "원본 코드:\n```java\n{code}\n```\n\n리뷰 내용:\n{review}")
])


def review_and_improve(code: str) -> dict:
    """코드 리뷰 후 개선 코드 생성"""
    
    # 1단계 체인: 리뷰 생성
    review_chain = review_prompt | llm | StrOutputParser()
    review_result = review_chain.invoke({"code": code})
    
    # 2단계 체인: 개선 코드 생성
    improve_chain = improve_prompt | llm | StrOutputParser()
    improved_code = improve_chain.invoke({
        "code": code,
        "review": review_result
    })
    
    return {
        "original": code,
        "review": review_result,
        "improved": improved_code
    }


# 테스트
sample_code = """
public User findUser(Long id) {
    User user = userRepository.findById(id).get();
    if (user == null) {
        throw new RuntimeException("User not found");
    }
    return user;
}
"""

result = review_and_improve(sample_code)

print("=== 리뷰 결과 ===")
print(result["review"])
print("\n=== 개선된 코드 ===")
print(result["improved"])

=== 리뷰 결과 ===
1. `.get()` 대신 `.orElseThrow()` 사용 필요
2. `RuntimeException` 대신 커스텀 예외 권장
3. `.get()` 이후 null 체크는 불필요

=== 개선된 코드 ===
public User findUser(Long id) {
    return userRepository.findById(id)
        .orElseThrow(() -> new UserNotFoundException("User not found: " + id));
}

chain = prompt | llm | StrOutputParser()

# 파서 없이
response = (prompt | llm).invoke({"code": code})
print(response.content)  # .content 필요

# 파서 있으면
response = (prompt | llm | StrOutputParser()).invoke({"code": code})
print(response)  # 바로 문자열