README_KR.md

PySpur - LLM 워크플로우를 위한 그래프 기반 에디터

hero.mp4

✨ 핵심 장점

모듈형 빌딩 블록

blocks.mp4

노드 단위 디버깅:

visualization.mp4

최종 성능 평가

evals.mp4

곧 출시 예정: 자기 개선(Self-improvement)

optimization.mp4

🕸️ 왜 PySpur인가?

• 개발 친화적: 새로운 워크플로우 노드를 추가하려면 단지 하나의 파이썬 파일만 작성하면 됩니다.
• JSON 구성 기반: 워크플로우 그래프를 JSON으로 관리하여 손쉬운 공유 및 버전 관리를 지원합니다.
• 경량화: 불필요한 종속성을 최소화하여, 무거운 LLM 프레임워크를 피할 수 있습니다.

⚡ 빠른 시작

다음의 간단한 세 단계로 PySpur를 시작할 수 있습니다.

1. 저장소 클론:

   git clone https://github.com/PySpur-com/PySpur.git
   cd pyspur

2. 도커 서비스 시작:

   sudo docker compose up --build -d

   이 명령으로 로컬에 PySpur 인스턴스를 시작합니다. 스퍼(spur)와 그 실행 기록은 로컬 SQLite 파일에 저장됩니다.

3. 포털 접속:

   브라우저에서 http://localhost:6080/로 이동하세요.

   사용자명/비밀번호: pyspur/canaryhattan

4. LLM 제공자 키 추가하기:

   포털 오른쪽 상단의 설정 메뉴로 이동합니다.

   

   "API keys" 탭을 선택합니다.

   

   제공자의 키를 입력한 뒤 저장을 누릅니다(키를 추가하거나 수정하면 저장 버튼이 나타납니다).

   

설정이 완료되었습니다. "New Spur" 버튼을 눌러 새로운 워크플로우를 만들거나, 기본으로 제공되는 템플릿 중 하나를 사용해보세요.

🗺️ 로드맵

• 캔버스
• 비동기/배치 실행
• 평가(Evals)
• Spur API
• 새로운 노드
  • LLM 노드
  • If-Else
  • 브랜치 병합(Merge Branches)
  • 도구(Tools)
  • 루프(Loops)
• DSPy 등 관련 기법을 통한 파이프라인 최적화
• 템플릿
• 스퍼를 코드로 컴파일
• 멀티모달 지원
• 코드 검증기(Containerization)
• 리더보드(Leaderboard)
• AI를 통한 스퍼 자동 생성

여러분의 피드백은 큰 도움이 됩니다.
저희에게 알려주세요 : 다음에 어떤 기능을 보고 싶은지, 또는 완전히 새로운 기능을 제안해주십시오.