# \#javascript **URL:** https://discuss.pytorch.kr/tag/javascript/2501.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Guess.js: WebApp에서 데이터 기반으로 다음에 방문할 페이지를 예측하는 라이브러리](https://discuss.pytorch.kr/t/guess-js-webapp/8798)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 22, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/guess-js-webapp/8798 "2026-01-22T21:30:54Z")
Guess.js 소개 Guess.js는 데이터 분석과 머신러닝(ML)을 활용하여 웹 애플리케이션의 사용자 경험(UX)을 향상시키는 라이브러리 및 도구 모음입니다. 주로 예측 프리페칭(Predictive Prefetching) 을 구현하는 데 사용되며, 사용자가 다음에 방문할 가능성이 높은 페이지의 리소스를 미리 로드하여 페이지 전환 속도를 획기적으로 개선합니다. 기존의 웹 성능 최적화가 개발자의 직관이나 정적인 규칙에 의존했다면, Guess.js는 실제 사용자들의 방문 데이터(Google Analytics 등)를 기반으로 작동합니다. 사용자가 현재 보고 있는 페이지에서 다음으로 이동할 확률이 높은 경로를 예측하고, 해당 경로에 필요한 자바스크립트 번들만을 선별적으로 미리 가져옵니다. 이를 통해 불필요한 데이터 소모를 줄이면서도 사용자가 체감하는 로딩 속도를 거의 '0'에 가깝게 만들 수 있습니다. Guess.js 프로젝트는 단일 페이지 애플리케이션(SPA) 뿐만 아니라 정적 사이트 생성기(SSG) 등 다양한 모던 웹 환경을 지원하며, Angular, React(Next.js), Vue(Nuxt.js), Gatsby와 같은 프레임워크 생태계와 통합되어 작동합니다. 데이터 기반의 의사결정을 자동화하여 개발자가 수동으로 프리페칭 대상을 지정하는 번거로움을 해결해 줍니다. Guess.js vs. 기존 방식 비교 기존의 일반적인 미리 불러오기(프리페칭, Prefetching) 방식과 Guess.js가 제안하는 예측 기반의 미리 불러오기(예측 프리페칭, Predictive Prefetching) 방식은 효율성 측면에서 큰 차이가 있습니다: 기능 기존 프리페칭 (Standard Prefetching) Guess.js (Predictive Prefetching) 작동 방식 페이지 내의 모든 링크나 개발자가 지정한 특정 링크를 무조건 미리 로드합니다. 사용자 데이터를 분석하여 방문 확률이 높은 링크만 선별적으로 로드합니다. … --- ## [GenAIScript, Microsoft가 공개한 AI 기반 스크립트 작성 및 자동화를 위한 Javascript 통합 프레임워크](https://discuss.pytorch.kr/t/genaiscript-microsoft-ai-javascript/5421)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 3, 2024, 2:51오전 UTC](https://discuss.pytorch.kr/t/genaiscript-microsoft-ai-javascript/5421 "2024-11-03T02:51:34Z")
GenAIScript 개요 GenAIScript는 Microsoft가 제공하는 JavaScript 기반 프레임워크로, 대형 언어 모델(LLM)을 활용하여 스크립트를 작성하고 작업을 자동화할 수 있습니다. Visual Studio Code와의 통합을 통해 파일 조작, 데이터 분석, 웹 브라우징 등 여러 기능을 간편하게 사용할 수 있습니다. GenAIScript는 개발자가 프롬프트를 구성하고, 데이터 처리를 수행하며, 코드를 손쉽게 관리할 수 있도록 지원합니다. GenAIScript는 기존의 LLM 관련 도구와 다른 다음과 같은 특징들이 있습니다: JavaScript 기반 통합: JavaScript나 TypeScript로 작업을 구성할 수 있어 기존 환경에 쉽게 통합 가능합니다. VS Code 통합: VVisual Studio Code에서 GenAIScript 확장을 설치하여 스크립트를 신속하게 작성하고 관리할 수 있습니다. 데이터 및 파일 핸들링 기능: PDF, CSV 등의 파일에서 데이터를 읽고 이를 프롬프트에 통합하여 작업을 수행할 수 있습니다. 에이전트와 도구 정의 기능: 여러 도구나 기능을 조합해 복합적인 작업을 수행할 수 있습니다. 또한, GenAIScript는 다음과 같은 여러 내장 에이전트를 포함하고 있어, 빠르게 원하는 도구를 만들거나 활용할 수 있습니다: 파일 시스템 에이전트: 파일을 검색하고 특정 작업을 수행합니다. Git 에이전트: Git 명령어를 사용하여 저장소를 분석합니다. 코드 해석기 에이전트: 수학 연산과 파이썬 코드 해석을 수행합니다. 사용자 입력 에이전트: 명확한 사용자 입력을 받아 작업을 수행합니다. GenAIScript의 주요 기능 JavaScript 프롬프트 작성: JavaScript 구문을 사용해 명령을 구성하고 프롬프트를 자동 생성할 수 있습니다. 예를 들어, "hello world"를 주제로 작성한 시(Poem)를 생성하려면 다음과 같이 작성할 수 있습니다. Write a … --- ## [LlamaNet: 1~2줄의 코드 변환만으로 OpenAI 기반 애플리케이션을 llama.cpp 기반 로컬 모델로 쉽게 변경 가능한 라이브러리](https://discuss.pytorch.kr/t/llamanet-1-2-openai-llama-cpp/4623)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 12, 2024, 11:44오후 UTC](https://discuss.pytorch.kr/t/llamanet-1-2-openai-llama-cpp/4623 "2024-06-12T23:44:25Z")
LlamaNet: 1~2줄의 코드 변환만으로 OpenAI 기반 애플리케이션을 llama.cpp 기반 모델로 쉽게 변경 가능한 라이브러리 소개 라마넷(Llamanet)은 OpenAI 기반의 앱을 llama.cpp 앱으로 단 한 줄의 코드만으로 전환할 수 있는 오픈소스 라이브러리/도구입니다. (모델도 변경해야 하므로 2줄) 별도의 설정 없이 그리고 서드파티 의존성 없이 작동하므로, 아무것도 몰라도 OpenAI API를 사용하는 것처럼 로컬 모델로 바로 변경하여 사용할 수 있습니다. LlamaNet이 해결하고자 하는 문제들은 다음과 같습니다: OpenAI API 기반의 LLM 앱을 로컬 LLM으로 즉시 포팅하고 싶으신가요? 앱 사용자가 서드파티 LLM 앱이나 서버를 다운로드할 필요 없이 앱을 사용하게 하고 싶으신가요? 서드파티 시스템에 의존하지 않고 앱 자체에서 LLM 관리를 처리하고 싶으신가요? LlamaNet은 상대적으로 가벼운 코드베이스를 가지고 있어, 설치와 실행이 용이하며, 최신 GPU 아키텍처에 최적화되어, 대규모 데이터셋을 빠르게 처리할 수 있습니다. 또한, 직관적인 인터페이스를 제공하여, 사용자가 쉽게 설정을 변경하고 조작할 수 있습니다. 주요 특징 LlamaNet의 주요 특징은 다음과 같습니다: 효율적인 데이터 처리: 대규모 데이터셋을 효과적으로 처리할 수 있는 기능을 제공합니다. GPU 가속 지원: 최신 GPU를 활용하여 빠른 연산 속도를 자랑합니다. 직관적인 설정: 사용자가 쉽게 설정을 변경하고 커스터마이징할 수 있는 환경을 제공합니다. 오픈 소스: 누구나 자유롭게 접근하고 수정할 수 있는 오픈 소스 프로젝트입니다. 다음의 환경에서 동일한 API를 제공합니다: Javascript Python CLI 주요 기능 서드파티 LLM 없이 앱 배포: 라마넷은 LLM을 네이티브하게 제공하는 독립된 라이브러리/CL… --- ## [JS-Torch: PyTorch의 문법과 유사한 문법을 지원하는 Javscript용 딥러닝 라이브러리(비공식)](https://discuss.pytorch.kr/t/js-torch-pytorch-javscript/3886)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 29, 2024, 7:26오전 UTC](https://discuss.pytorch.kr/t/js-torch-pytorch-javscript/3886 "2024-03-29T07:26:00Z")
자바스크립트(Javascript)로 작성된 머신러닝 라이브러리인 JS-Torch는 PyTorch의 구문을 따라 만들어졌습니다. (PyTorch Foundation과의 관계는 없습니다.) 자바스크립트 개발자들에게 친숙한 문법으로 딥러닝 모델을 구축할 수 있는 이 라이브러리는, 텐서 연산, 자동 미분, 딥러닝 레이어 및 함수들을 포함하고 있습니다. PyTorch의 강력한 기능을 자바스크립트 환경에서도 활용하고 싶은 개발자들에게 흥미로운 프로젝트로 보입니다. 주요 기능 텐서 객체: 미분 가능한 그래프를 구성하고 자동으로 미분을 계산할 수 있는 텐서 객체를 제공합니다. 자동 미분 엔진: 복잡한 수학 연산에 대한 미분 값을 자동으로 계산해주는 엔진입니다. 딥러닝 레이어와 함수: 다양한 딥러닝 모델을 구축할 때 필요한 기본적인 레이어와 함수들이 구현되어 있습니다. 사용 방법 JS-Torch는 Node.js 패키지로 설치할 수 있으며, require를 통해 프로젝트에 쉽게 통합할 수 있습니다. 간단한 자동 미분 예제부터 복잡한 Transformer 모델 구축 예제까지, 다양한 사용 사례를 통해 라이브러리의 활용 방법을 소개합니다. 또한, 웹 데모를 통해 실시간으로 라이브러리를 체험해볼 수도 있습니다. 예를 들어, 간단한 Autograd 예제는 다음과 같습니다: const torch = require("js-pytorch"); // Instantiate Tensors: x = torch.randn(\[8,4,5\]); w = torch.randn(\[8,5,4\], requires\_grad = true); b = torch.tensor(\[0.2, 0.5, 0.1, 0.0\], requires\_grad = true); // Make calculations: out = torch.matmul(x, w); out = torch.add(out, b); // Compute gradients on whole graph: out.backward(); // Get gradie… --- ## [\[GN⁺\] Ollama, Python & JavaScript 라이브러리 공개](https://discuss.pytorch.kr/t/gn-ollama-python-javascript/3360)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 26, 2024, 3:31오전 UTC](https://discuss.pytorch.kr/t/gn-ollama-python-javascript/3360 "2024-01-26T03:31:15Z")
GeekNews의 xguru님께 허락을 받고 GN에 올라온 글들 중에 AI 관련된 소식들을 공유하고 있습니다. :smiley\_cat: 소개 Ollama 는 Llama 2, Mistral 등의 LLM을 로컬에서 실행하기 쉽게 만들어주는 오픈소스 맥/리눅스를 지원하며, 윈도우즈는 곧 WSL2에서 실행가능 Ollama의 Python 및 JavaScript 초기 버전 라이브러리가 출시되어, 몇 줄의 코드로 새로운 앱과 기존 앱을 Ollama와 통합 가능 Ollama REST API의 기능과 느낌을 그대로 이용 가능 시작하기 Python에서는 pip install ollama를 통해 설치하고, import ollama 후 ollama.chat 함수를 사용하여 대화를 시작할 수 있음. JavaScript에서는 npm install ollama를 통해 설치하고, import ollama from 'ollama' 후 ollama.chat 함수를 사용하여 대화를 시작할 수 있음. 사용 사례 두 라이브러리 모두 Ollama의 전체 기능 세트를 지원함. Python 예제로는 스트리밍, 멀티모달, 텍스트 완성, 사용자 정의 모델 생성, 사용자 정의 클라이언트 설정 등이 있음. 새로운 GitHub 핸들 이 라이브러리와 Ollama의 주요 저장소는 이제 새로운 GitHub 조직인 ollama에서 관리됨. Dart, Swift, C#, Java, PHP, Rust 등 다양한 프로그래밍 언어로 Ollama와 상호 작용하는 라이브러리를 유지 관리하는 커뮤니티 멤버들에게 감사의 말을 전함. 원문 출처 / GeekNews