2026-03-11 강의 정리

---

목차

1. 문제와 접근
2. 문자열(String) 활용 - strip, f-string
3. 리스트(List) 기초 - 인덱스, append, for, enumerate
4. 조건문 (if / if in) - 키워드 필터링
5. 딕셔너리(Dictionary) 기초 - OpenAI 메시지 형식과 연결
6. 함수(Function) - 정의, 파라미터, return
7. 예외 처리 (try / except)
8. 파일 입출력
9. OpenAI 메시지 구조와 파이썬 자료구조 연결
10. 핵심 개념 총정리
11. 자주 나오는 실수 / 주의사항
12. 함수의 입력과 실패를 명확하게 만들기

---

1. 문제와 접근

LLM을 호출하는 코드도 결국 문자열과 자료구조를 주고받는 프로그램이다. 이번에는 파이썬 문법을 API 입력 정리, 메시지 구성, 결과 저장에 연결해 본다. 특히 빈 값과 누락된 값, 실패한 요청을 어떤 형태로 다음 단계에 넘길지에 초점을 둔다.

왜 이 파이썬 문법들을 배우나?

  문자열(str)    → 프롬프트(prompt) 조작, f-string으로 동적 프롬프트 생성
  리스트(list)   → messages 배열, 여러 질문 처리
  딕셔너리(dict) → {"role": "user", "content": "..."} OpenAI 메시지 형식 그 자체!
  함수(def)      → API 호출 반복 코드를 재사용 가능하게 묶기
  예외 처리      → API 오류, 없는 키 접근 등 안전하게 처리

---

2. 문자열(String) 활용 - strip, f-string

기본 문자열 조작

response = "1단계 : 설정 열기, 2단계 : 비밀번호 변경, 3단계 : 저장하기"

len(response)          # 38 (문자 수)
response.split(", ")   # ['1단계 : 설정 열기', '2단계 : 비밀번호 변경', '3단계 : 저장하기']
len(response.split(", "))  # 3

.strip() - 앞뒤 공백 제거

question = "   비밀번호를 잃어버렸어요   "
question.strip()   # "비밀번호를 잃어버렸어요"  ← 공백 제거됨

• 사용자 입력에는 항상 앞뒤 공백이 붙을 수 있어서 .strip() 필수!

f-string - 동적 프롬프트 생성 (매우 중요!)

category = "계정"
question = "   비밀번호를 잃어버렸어요   "

prompt = f"""
카테고리 : {category}
질문 : {question.strip()}
답변형식 : 단계별로 설명해주세요
"""

print(prompt)
# 카테고리 : 계정
# 질문 : 비밀번호를 잃어버렸어요
# 답변형식 : 단계별로 설명해주세요

• f””” “”” : 여러 줄 f-string (삼중 따옴표)
• {변수명} : 변수 값을 문자열 안에 삽입
• {question.strip()} : 변수에 메서드 적용도 가능

LLM 프롬프트 작성 실전 패턴

# 변수를 동적으로 바꿔가며 여러 질문을 만드는 패턴
categories = ["계정", "결제", "기술지원"]
for cat in categories:
    prompt = f"당신은 {cat} 전문 상담원입니다. 질문: {question}"
    # API 호출...

---

3. 리스트(List) 기초 - 인덱스, append, for, enumerate

리스트 생성 및 기본 조작

models = ['gpt-4o', 'gpt-4o-mini', 'claude-3']
scores = [0.95, 0.87, 0.72]

# 정방향 인덱스
models[0]   # 'gpt-4o'       (첫 번째)
models[2]   # 'claude-3'     (세 번째)

# 역방향 인덱스 ★ 유용!
models[-1]  # 'claude-3'     (마지막)
models[-2]  # 'gpt-4o-mini'  (뒤에서 두 번째)

# 요소 추가
models.append('gemini-2.5-flash')
len(models)  # 4

• 음수 인덱스: -1은 항상 마지막, -2는 뒤에서 두 번째
• 이 패턴은 LLM 대화에서 “가장 최근 응답”을 꺼낼 때 자주 사용

for 루프 기본 순회

for abc in models:
    print(abc)
# gpt-4o
# gpt-4o-mini
# claude-3
# gemini-2.5-flash

enumerate - 인덱스 포함 순회 (★ 자주 쓰임)

for i, abc in enumerate(models):
    print(i, abc)
# 0 gpt-4o
# 1 gpt-4o-mini
# 2 claude-3
# 3 gemini-2.5-flash

• enumerate(리스트) → (인덱스, 값) 쌍으로 반환
• 번호를 붙여서 출력하거나, 인덱스 기반으로 다른 리스트와 매핑할 때 유용

---

4. 조건문 (if / if in) - 키워드 필터링

기본 if / else

a = ['abcde', 'abc', 'bcd', 'efg']
for item in a:
    if 'bc' in item:
        print(item)   # 'bc'가 포함된 것만 출력
    else:
        print(3)
# abcde
# abc
# bcd
# 3          ← 'efg'는 'bc' 없음

실습: IT 질문에서 키워드 필터링

questions = [
    '비밀번호를 잊어버렸어요.',
    '계정이 해킹당했어요.',
    '로그인이 안 돼요.',
    '이메일을 변경하고 싶어요.',
    '2단계 인증이 안 돼요.'
]

keyword = "비밀번호"
for i, q in enumerate(questions):
    if keyword in q:
        print(f"{i}, {q}")
# 0, 비밀번호를 잊어버렸어요.

• keyword in item : item 문자열 안에 keyword가 포함되면 True
• 이 패턴 = 간단한 키워드 기반 문서 검색의 기본

---

5. 딕셔너리(Dictionary) 기초 - OpenAI 메시지 형식과 연결

딕셔너리의 기본값은 편리하지만, 필수 입력이 빠진 상황까지 정상 데이터처럼 만들 수 있다. 반드시 있어야 하는 키는 검증하고, 생략해도 되는 설정에만 기본값을 적용하면 호출부의 책임이 분명해진다.

딕셔너리 기본 구조

person = {'name': '홍길동', 'age': 30}
person['name']  # '홍길동'
person['age']   # 30

# 새 키 추가
person['email'] = 'hong@test.com'

★ OpenAI 메시지 = 딕셔너리!

# OpenAI API의 메시지 형식
message = {
    'role'   : 'user',
    'content': '비밀번호를 잃어버렸다'
}

message['role']    # 'user'
message['content'] # '비밀번호를 잃어버렸다'

# timestamp 같은 정보 추가도 가능
message['timestamp'] = '2026-03-11'
message
# {'role': 'user', 'content': '비밀번호를 잃어버렸다', 'timestamp': '2026-03-11'}

• 즉, OpenAI API에 넘기는 messages 리스트는 “딕셔너리의 리스트”

대화 히스토리 = 딕셔너리 리스트

messages = [
    {"role": "system",    "content": "당신은 IT 상담원입니다"},
    {"role": "user",      "content": "비밀번호를 잊어버렸어요"},
    {"role": "assistant", "content": "비밀번호 재설정 방법을 안내드리겠습니다"}
]

for msg in messages:
    print(f"[{msg['role']}] {msg['content']}")
# [system] 당신은 IT 상담원입니다
# [user] 비밀번호를 잊어버렸어요
# [assistant] 비밀번호 재설정 방법을 안내드리겠습니다

.get() 메서드 - KeyError 방지 (중요!)

config = {'model': 'gpt-4o-mini', 'temperature': 0.7, 'max_tokens': 1000}

# dict[key] 방식 - 키 없으면 KeyError 발생!
config['없는키']   # KeyError!

# .get(key) 방식 - 키 없으면 None 반환
config.get('model')             # 'gpt-4o-mini'
config.get('max_tokens')        # 1000
config.get('없는키')             # None (에러 없음)

# .get(key, 기본값) - 키 없으면 기본값 반환
config.get('없는키', 100)        # 100 (기본값)
config.get('max_tokens', 100)   # 1000 (키 있으면 실제 값)

• .get() 을 쓰는 것이 안전한 딕셔너리 접근 방법
• 특히 API 응답처럼 예상치 못한 키가 없을 수 있는 경우에 필수

---

6. 함수(Function) - 정의, 파라미터, return

기본 함수 정의

def 인사(name):
    print(f"안녕하세요, {name} 님!")

인사('이상호')   # 안녕하세요, 이상호 님!
인사('이상호2')  # 안녕하세요, 이상호2 님!

# num 파라미터 추가 + return
def 인사(name, num):
    print(f"안녕하세요, {name} 님!" * num)   # num번 반복 출력
    return f"안녕하세요, {name} 님!"          # 호출한 곳에 값 반환

result = 인사('이상호', 3)
# 안녕하세요, 이상호 님!안녕하세요, 이상호 님!안녕하세요, 이상호 님!

기본값(default) 파라미터

def make_prompt(question, language='한국어'):
    prompt = f"다음 질문에 {language}로 답변해주세요 : {question}"
    return prompt

make_prompt("비밀번호 재설정 방법")
# '다음 질문에 한국어로 답변해주세요 : 비밀번호 재설정 방법'

make_prompt("비밀번호 재설정 방법", "영어")
# '다음 질문에 영어로 답변해주세요 : 비밀번호 재설정 방법'

• language=’한국어’ : 기본값 설정 → 인자 생략 시 기본값 사용
• 자주 쓰는 파라미터는 기본값을 설정해두면 편리

OpenAI 연동 유틸 함수

def make_message(role_value, content_value):
    """OpenAI 메시지 딕셔너리 생성"""
    message = {'role': role_value, 'content': content_value}
    return message

# 사용
msg = make_message("user", "비밀번호가 없습니다")
# {'role': 'user', 'content': '비밀번호가 없습니다'}

# 대화 구성에 활용
messages = [
    make_message("system",    "당신은 IT 상담원입니다"),
    make_message("user",      "비밀번호를 잊어버렸어요"),
    make_message("assistant", "비밀번호 재설정 안내드립니다"),
]

• 반복되는 딕셔너리 생성을 함수로 묶으면 코드가 간결해짐
• 실무에서 자주 쓰는 패턴

---

7. 예외 처리 (try / except)

아래의 포괄적인 except는 문법을 익히기 위한 예제다. 실제 처리 코드에서는 예상한 예외를 구분하고 원인을 남긴다. 오류를 빈 문자열로 바꾸면 뒤에서 정상적인 빈 응답과 실패를 구분하기 어려워진다.

기본 try / except

try:
    result = 10 / 0          # ZeroDivisionError 발생!
except:
    print("에러 발생")        # 에러 시 이 코드 실행

config에서 없는 키 안전하게 접근

config = {'model': 'gpt-4o-mini'}

# .get() 방법
temperature = config.get('temperature', 0.5)   # 없으면 0.5

# try/except 방법
try:
    temperature = config['temperature']
except KeyError:
    temperature = 0.5   # 기본값

• .get(key, default) 와 try/except 두 가지 방법 모두 가능
• 단순한 경우는 .get() 이 간결하고, 복잡한 로직은 try/except 사용

---

8. 파일 입출력

텍스트 파일 쓰기 / 읽기

# 쓰기 (w 모드)
with open('data.txt', 'w', encoding='utf-8') as f:
    f.write("안녕하세요")

# 읽기 (r 모드)
with open('data.txt', 'r', encoding='utf-8') as f:
    content = f.read()
print(content)   # "안녕하세요"

• with open() 으로 파일 열기 → with 블록 끝나면 자동으로 파일 닫힘
• encoding=’utf-8’ 한글 처리 시 필수

JSON 파일 저장/로드

import json

data = {"model": "gpt-4o-mini", "messages": [...]}

# 저장
with open('data.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

# 로드
with open('data.json', 'r', encoding='utf-8') as f:
    loaded = json.load(f)

• ensure_ascii=False : 한글이 \uXXXX 로 변환되지 않고 그대로 저장
• indent=2 : 들여쓰기 2칸으로 보기 좋게 저장

디렉토리 생성

import os
os.makedirs('sample_output', exist_ok=True)
# exist_ok=True : 폴더가 이미 있어도 에러 없이 넘어감

---

9. OpenAI 메시지 구조와 파이썬 자료구조 연결

오늘 배운 파이썬 → OpenAI API 어디에 쓰이나?

파이썬 자료구조	OpenAI API에서 사용
딕셔너리 (dict)	메시지 하나 {“role”: “user”, “content”: “…”}
리스트 (list)	messages 배열 [{…}, {…}, {…}]
f-string	프롬프트 동적 생성 f”당신은 {role} 전문가입니다”
함수 (def)	API 호출 재사용 함수 def ask_gpt(question): …
for 루프	여러 질문 반복 처리
.get()	response에서 안전하게 값 꺼내기

실전 통합 예시

from openai import OpenAI
client = OpenAI()

def ask_gpt(role, question):
    """역할 기반 LLM 호출 함수"""
    messages = [
        {"role": "system", "content": f"당신은 {role}입니다."},
        {"role": "user",   "content": question}
    ]
    response = client.chat.completions.create(
        model    = "gpt-4o-mini",
        messages = messages
    )
    return response.choices[0].message.content

# 여러 역할로 같은 질문 물어보기
roles = ["수학 선생님", "수의사", "요리사"]
question = "1+1은?"
for role in roles:
    answer = ask_gpt(role, question)
    print(f"[{role}]: {answer[:50]}")

---

10. 핵심 개념 총정리

개념	핵심 내용
f-string	동적 프롬프트 생성: f”당신은 {role}입니다”
.strip()	앞뒤 공백 제거 (사용자 입력 정제)
enumerate()	인덱스 포함 순회 (번호 출력 등에 활용)
keyword in item	문자열 포함 여부 확인 (키워드 필터링)
딕셔너리	OpenAI 메시지 형식 그 자체
.get(key, default)	KeyError 방지 안전한 딕셔너리 접근
함수 def	반복 코드를 묶어 재사용 가능하게
try/except	에러 상황 안전하게 처리
with open()	파일 안전하게 열기 (자동 닫힘)
json.dump/load	딕셔너리를 파일로 저장하고 불러오기

---

11. 자주 나오는 실수 / 주의사항

실수 1: 리스트 인덱스 범위 초과

models = ['gpt-4o', 'gpt-4o-mini', 'claude-3']
models[5]   # IndexError! (인덱스 0~2 만 유효)
models[-1]  # ← 마지막 요소는 이렇게

실수 2: 딕셔너리에서 없는 키 직접 접근

config = {'model': 'gpt-4o-mini'}
config['temperature']   # KeyError!
config.get('temperature', 0.7)   # 0.7 (기본값 반환)

실수 3: f-string 중괄호 빠뜨리기

name = "홍길동"
print(f"안녕하세요, name 님!")   # 변수가 들어가지 않음!
print(f"안녕하세요, {name} 님!") # 올바른 코드

실수 4: 파일 인코딩 미지정

# 한글 파일 읽을 때 인코딩 빠뜨리면 UnicodeDecodeError!
with open('data.txt', 'r') as f:             # 위험
    content = f.read()

with open('data.txt', 'r', encoding='utf-8') as f:  # 안전
    content = f.read()

---

12. 함수의 입력과 실패를 명확하게 만들기

함수는 정상 입력에 대한 반환값뿐 아니라 빈 입력과 잘못된 입력의 처리 방식까지 정해 두는 편이 좋다. 같은 실패를 어떤 함수는 None, 다른 함수는 문자열로 반환하면 호출부의 조건문이 늘어난다.

문법 복습의 확인 기준도 단순 출력에서 한 단계 더 잡는다. 공백만 있는 문자열, 누락된 설정 키, 비어 있는 파일을 넣었을 때 결과를 설명할 수 있는지 확인하면 이후 데이터 처리 코드에도 같은 기준을 적용할 수 있다.