오늘날의 급변하는 세상에서 고객은 비즈니스로부터 신속하고 효율적인 서비스를 기대합니다. 그러나 우수한 고객 서비스를 제공하는 것은 질문의 양이 이를 해결하기 위해 고용된 인적 자원을 능가할 때 상당히 어려울 수 있습니다. 그러나 기업은 대규모 언어 모델(LLM)로 구동되는 생성 인공 지능(Generative AI)의 발전을 통해 개인화되고 효율적인 고객 서비스를 제공하면서 이러한 문제를 해결할 수 있습니다.
생성 AI 챗봇은 인간의 지능을 모방하는 능력으로 악명을 얻었습니다. 그러나 작업 지향 봇과 달리 이러한 봇은 텍스트 분석 및 콘텐츠 생성에 LLM을 사용합니다. LLM은 다음을 기반으로 합니다. 변압기 아키텍처, 2017년 XNUMX월에 도입된 심층 학습 신경망으로 레이블이 지정되지 않은 방대한 텍스트 코퍼스에서 훈련할 수 있습니다. 이 접근 방식은 보다 인간적인 대화 경험을 생성하고 여러 주제를 수용합니다.
이 글을 쓰는 시점에서 모든 규모의 회사는 이 기술을 사용하기를 원하지만 어디서부터 시작해야 할지 파악하는 데 도움이 필요합니다. 생성 AI를 시작하고 대화형 AI에서 LLM을 사용하려는 경우 이 게시물이 적합합니다. 신속하게 배포하기 위한 샘플 프로젝트를 포함했습니다. 아마존 렉스 사전 교육된 오픈 소스 LLM을 사용하는 봇입니다. 이 코드에는 사용자 정의 메모리 관리자를 구현하기 위한 시작점도 포함되어 있습니다. 이 메커니즘을 통해 LLM은 대화의 맥락과 속도를 유지하기 위해 이전 상호 작용을 기억할 수 있습니다. 마지막으로 일관된 결과를 얻기 위해 미세 조정 프롬프트와 LLM 임의성 및 결정성 매개 변수를 실험하는 것이 중요하다는 점을 강조하는 것이 중요합니다.
솔루션 개요
이 솔루션은 Amazon Lex 봇을 인기 있는 오픈 소스 LLM과 통합합니다. Amazon SageMaker 점프스타트, 다음을 통해 액세스 가능 아마존 세이지 메이커 끝점. 또한 LLM 기반 애플리케이션을 단순화하는 인기 있는 프레임워크인 LangChain을 사용합니다. 마지막으로 QnABot을 사용하여 챗봇용 사용자 인터페이스를 제공합니다.
먼저 앞의 다이어그램에서 각 구성 요소를 설명하는 것으로 시작합니다.
- JumpStart는 다양한 문제 유형에 대해 사전 훈련된 오픈 소스 모델을 제공합니다. 이를 통해 기계 학습(ML)을 빠르게 시작할 수 있습니다. 여기에는 다음이 포함됩니다. FLAN-T5-XL 모델, 딥 러닝 컨테이너에 배포된 LLM. 텍스트 생성을 포함한 다양한 자연어 처리(NLP) 작업에서 잘 수행됩니다.
- A SageMaker 실시간 추론 엔드포인트 이벤트 예측을 위한 ML 모델의 빠르고 확장 가능한 배포를 가능하게 합니다. Lambda 함수와 통합할 수 있는 기능을 통해 엔드포인트에서 사용자 지정 애플리케이션을 구축할 수 있습니다.
- XNUMXD덴탈의 AWS 람다 함수는 Amazon Lex 봇 또는 큐앤에이봇 다음을 사용하여 SageMaker 엔드포인트를 호출하도록 페이로드를 준비합니다. 랭체인. LangChain은 개발자가 LLM으로 구동되는 애플리케이션을 만들 수 있는 프레임워크입니다.
- Amazon Lex V2 봇에는 다음이 내장되어 있습니다.
AMAZON.FallbackIntent
의도 유형. 사용자 입력이 봇의 의도와 일치하지 않을 때 트리거됩니다. - QnABot은 Amazon Lex 봇에 사용자 인터페이스를 제공하는 오픈 소스 AWS 솔루션입니다. 우리는 그것을 람다 후크 기능
CustomNoMatches
항목이며 QnABot이 답변을 찾을 수 없을 때 Lambda 함수를 트리거합니다. 이미 배포했으며 다음 섹션에서 구성 단계를 포함했다고 가정합니다.
솔루션은 다음 시퀀스 다이어그램에서 높은 수준으로 설명됩니다.
솔루션이 수행하는 주요 작업
이 섹션에서는 솔루션에서 수행되는 주요 작업을 살펴봅니다. 이 솔루션의 전체 프로젝트 소스 코드는 여기에서 참조할 수 있습니다. GitHub 저장소.
챗봇 대체 처리
Lambda 함수는 다음을 통해 "모름" 답변을 처리합니다. AMAZON.FallbackIntent
Amazon Lex V2 및 CustomNoMatches
QnABot의 항목. 트리거되면 이 함수는 세션 요청과 폴백 인텐트를 확인합니다. 일치하는 항목이 있으면 요청을 Lex V2 디스패처로 전달합니다. 그렇지 않으면 QnABot 디스패처가 요청을 사용합니다. 다음 코드를 참조하십시오.
LLM에 메모리 제공
다중 전환 대화에서 LLM 메모리를 보존하기 위해 Lambda 함수에는 다음이 포함됩니다. LangChain 커스텀 메모리 클래스 를 사용하는 메커니즘 Amazon Lex V2 세션 API 진행 중인 다중 전환 대화 메시지로 세션 속성을 추적하고 이전 상호 작용을 통해 대화 모델에 컨텍스트를 제공합니다. 다음 코드를 참조하십시오.
다음은 LangChain ConversationChain에서 사용자 지정 메모리 클래스를 도입하기 위해 만든 샘플 코드입니다.
신속한 정의
LLM에 대한 프롬프트는 생성된 응답의 톤을 설정하는 질문 또는 진술입니다. 프롬프트는 관련 응답을 생성하도록 모델을 지시하는 데 도움이 되는 컨텍스트의 한 형태로 기능합니다. 다음 코드를 참조하십시오.
LLM 메모리 지원을 위해 Amazon Lex V2 세션 사용
Amazon Lex V2는 사용자가 봇과 상호 작용할 때 세션을 시작합니다. 세션은 수동으로 중지하거나 시간 초과되지 않는 한 시간이 지나도 지속됩니다. 세션은 메타데이터와 세션 속성으로 알려진 애플리케이션별 데이터를 저장합니다. Amazon Lex는 Lambda 함수가 세션 속성을 추가하거나 변경할 때 클라이언트 애플리케이션을 업데이트합니다. QnABot에는 Amazon Lex V2에서 세션 속성을 설정하고 가져오는 인터페이스가 포함되어 있습니다.
코드에서 우리는 이 메커니즘을 사용하여 대화 기록을 추적하고 LLM이 단기 및 장기 상호 작용을 기억할 수 있도록 LangChain에 사용자 지정 메모리 클래스를 구축했습니다. 다음 코드를 참조하십시오.
사전 조건
배포를 시작하려면 다음 전제 조건을 충족해야 합니다.
솔루션 배포
솔루션을 배포하려면 다음 단계를 진행하십시오.
- 왼쪽 메뉴에서 발사 스택 에서 솔루션을 시작하려면
us-east-1
지역 : - 럭셔리 스택 이름, 고유한 스택 이름을 입력하십시오.
- 럭셔리 HF모델우리는
Hugging Face Flan-T5-XL
JumpStart에서 사용할 수 있는 모델입니다. - 럭셔리 HTFask, 입력
text2text
. - 유지 S3버킷 이름 그대로.
이들은 찾는 데 사용됩니다. 아마존 단순 스토리지 서비스 (Amazon S3) 솔루션을 배포하는 데 필요한 자산이며 이 게시물에 대한 업데이트가 게시되면 변경될 수 있습니다.
- 능력을 인정하십시오.
- 왼쪽 메뉴에서 스택 생성.
XNUMX개의 성공적으로 생성된 스택이 있어야 합니다.
Amazon Lex V2 봇 구성
Amazon Lex V2 봇과는 아무런 관련이 없습니다. CloudFormation 템플릿은 이미 어려운 작업을 수행했습니다.
QnABot 구성
환경에 기존 QnABot이 이미 배포되어 있다고 가정합니다. 그러나 도움이 필요하면 t를 따르십시오.hese 지침 배포합니다.
- AWS CloudFormation 콘솔에서 배포한 기본 스택으로 이동합니다.
- 에 출력 탭에서 다음을 기록해 둡니다.
LambdaHookFunctionArn
나중에 QnABot에 삽입해야 하기 때문입니다.
- 에 로그인 QnABot Designer 사용자 인터페이스(UI) 관리자로서.
- . 질문 UI, 새 질문을 추가합니다.
- 다음 값을 입력합니다.
- ID -
CustomNoMatches
- 문제 -
no_hits
- 대답 – "모름"에 대한 기본 답변
- ID -
- 왼쪽 메뉴에서 Advnaced 그리고 람다 후크 안내
- 앞에서 기록한 Lambda 함수의 Amazon 리소스 이름(ARN)을 입력합니다.
- 섹션 맨 아래로 스크롤하여 선택하십시오. 만듭니다.
성공 메시지가 있는 창이 나타납니다.
귀하의 질문은 이제 문의 페이지.
솔루션 테스트
솔루션 테스트를 진행해 보겠습니다. 먼저 JumpStart에서 제공하는 FLAN-T5-XL 모델을 미세 조정 없이 배포했다는 점을 언급할 가치가 있습니다. 이것은 약간의 예측 불가능성을 가질 수 있으며 응답에 약간의 변화가 생길 수 있습니다.
Amazon Lex V2 봇으로 테스트
이 섹션은 SageMaker 엔드포인트에 배포된 LLM을 호출하는 Lambda 함수와 Amazon Lex V2 봇 통합을 테스트하는 데 도움이 됩니다.
- Amazon Lex 콘솔에서 제목이 지정된 봇으로 이동합니다.
Sagemaker-Jumpstart-Flan-LLM-Fallback-Bot
.
이 봇은 일치하는 다른 의도가 없을 때 폴백 의도로 LLM을 호스팅하는 SageMaker 엔드포인트를 호출하는 Lambda 함수를 호출하도록 구성되었습니다. - 왼쪽 메뉴에서 의도 탐색 창에서
오른쪽 상단에 "English (US) has not build changes."라는 메시지가 표시됩니다.
- 왼쪽 메뉴에서 짓다.
- 완료될 때까지 기다리십시오.
마지막으로 다음 스크린샷과 같이 성공 메시지가 나타납니다.
- 왼쪽 메뉴에서 Test .
모델과 상호 작용할 수 있는 채팅 창이 나타납니다.
내장을 탐색하는 것이 좋습니다 Amazon Lex 봇 간의 통합 및 아마존 연결. 또한 예를 들어 Amazon Chime SDK 및 Genesys Cloud를 사용하는 메시징 플랫폼(Facebook, Slack, Twilio SMS) 또는 타사 Contact Center도 있습니다.
QnABot 인스턴스로 테스트
이 섹션에서는 SageMaker 엔드포인트에 배포된 LLM을 호출하는 Lambda 함수와 QnABot on AWS 통합을 테스트합니다.
- 왼쪽 상단 모서리에 있는 도구 메뉴를 엽니다.
- 왼쪽 메뉴에서 QnABot 클라이언트.
- 왼쪽 메뉴에서 관리자로 로그인.
- 사용자 인터페이스에 질문을 입력하십시오.
- 응답을 평가합니다.
정리
향후 비용이 발생하지 않도록 하려면 다음 단계에 따라 솔루션에서 생성한 리소스를 삭제하십시오.
- AWS CloudFormation 콘솔에서 이름이 지정된 스택을 선택합니다.
SagemakerFlanLLMStack
(또는 스택에 설정한 사용자 정의 이름). - 왼쪽 메뉴에서 ..
- 테스트를 위해 QnABot 인스턴스를 배포한 경우 QnABot 스택을 선택합니다.
- 왼쪽 메뉴에서 ..
결론
이 게시물에서는 사용자 요청을 오픈 소스 대규모 언어 모델로 라우팅하는 작업 지향 봇에 오픈 도메인 기능을 추가하는 방법을 살펴보았습니다.
다음을 권장합니다.
- 대화 기록을 외부 지속성 메커니즘에 저장. 예를 들어 대화 기록을 다음에 저장할 수 있습니다. 아마존 DynamoDB 또는 S3 버킷을 가져와 Lambda 함수 후크에서 검색합니다. 이렇게 하면 Amazon Lex에서 제공하는 내부 비영구 세션 속성 관리에 의존할 필요가 없습니다.
- 요약 실험 – 다자간 대화에서 컨텍스트를 추가하고 대화 기록 사용을 제한하기 위해 프롬프트에서 사용할 수 있는 요약을 생성하는 것이 유용합니다. 이렇게 하면 봇 세션 크기를 정리하고 Lambda 함수 메모리 소비를 낮게 유지하는 데 도움이 됩니다.
- 프롬프트 변형으로 실험 – 실험 목적과 일치하는 원래 프롬프트 설명을 수정합니다.
- 최적의 결과를 위해 언어 모델을 조정합니다. – 무작위성과 같은 고급 LLM 매개변수를 미세 조정하여 이를 수행할 수 있습니다(
temperature
) 및 결정론(top_p
) 귀하의 응용 프로그램에 따라. 샘플 값이 포함된 사전 학습된 모델을 사용하여 샘플 통합을 시연했지만 사용 사례에 맞게 값을 조정하는 재미가 있습니다.
다음 게시물에서는 사전 훈련된 LLM 기반 챗봇을 자신의 데이터로 미세 조정하는 방법을 발견하도록 도울 계획입니다.
AWS에서 LLM 챗봇을 실험하고 있습니까? 댓글로 자세히 알려주세요!
리소스 및 참조
저자에 관하여
마르셀로 실바 최첨단 제품을 설계, 개발 및 구현하는 데 뛰어난 숙련된 기술 전문가입니다. Cisco에서 경력을 시작하면서 Marcelo는 최초의 캐리어 라우팅 시스템 배포 및 ASR9000의 성공적인 출시를 포함하여 다양한 주요 프로젝트에 참여했습니다. GenAI에 합류하기 전에는 Cisco, Cape Networks 및 AWS와 같은 여러 회사에서 수석 관리자로 재직하면서 그의 전문 지식은 클라우드 기술, 분석 및 제품 관리로 확장됩니다. 현재 Conversational AI/GenAI 제품 관리자로 일하고 있는 Marcelo는 산업 전반에 걸쳐 혁신적인 솔루션을 제공하는 데 계속해서 탁월합니다.
빅터 로조 최신 AI, ML 및 소프트웨어 개발에 열정을 가진 경험이 풍부한 기술자입니다. 그는 전문 지식을 바탕으로 Amazon Alexa를 미국 및 멕시코 시장에 도입하는 데 중추적인 역할을 했으며, AWS 파트너에게 Amazon Textract 및 AWS Contact Center Intelligence(CCI)를 성공적으로 출시하는 데 앞장섰습니다. Conversational AI Competency Partners 프로그램의 현재 수석 기술 리더인 Victor는 혁신을 주도하고 업계의 진화하는 요구 사항을 충족하는 최첨단 솔루션을 제공하는 데 전념하고 있습니다.
저스틴 레토 기계 학습을 전문으로 하는 Amazon Web Services의 선임 솔루션 아키텍트입니다. 그의 열정은 고객이 머신 러닝과 AI의 힘을 활용하여 비즈니스 성장을 주도하도록 돕는 것입니다. Justin은 AWS Summit을 포함한 글로벌 AI 컨퍼런스에서 발표하고 대학에서 강의했습니다. 그는 NYC 기계 학습 및 AI 모임을 이끌고 있습니다. 여가 시간에는 연안 항해와 재즈 연주를 즐깁니다. 그는 아내와 어린 딸과 함께 뉴욕시에 살고 있습니다.
라이언 고메스 AWS Professional Services Intelligence Practice의 데이터 및 ML 엔지니어입니다. 그는 고객이 클라우드에서 분석 및 기계 학습 솔루션을 통해 더 나은 결과를 얻을 수 있도록 돕는 일에 열정적입니다. 직장 밖에서는 피트니스, 요리, 친구 및 가족과 함께 좋은 시간을 보내는 것을 즐깁니다.
마헤시 비라다르 DevOps 및 Observability를 전문으로 하는 Amazon Web Services의 선임 솔루션 아키텍트입니다. 그는 고객이 확장 가능한 비용 효율적인 아키텍처를 구현하도록 돕는 일을 즐깁니다. 일 외에는 영화 감상과 하이킹을 즐깁니다.
칸자나 찬드렌 기계 학습에 열정을 가진 Amazon Web Services(AWS)의 솔루션 설계자입니다. 그녀는 고객이 AWS 워크로드를 설계, 구현 및 관리하도록 돕습니다. 직장 밖에서 그녀는 여행, 독서, 가족 및 친구들과 시간을 보내는 것을 좋아합니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- EVM 금융. 탈중앙화 금융을 위한 통합 인터페이스. 여기에서 액세스하십시오.
- 퀀텀미디어그룹. IR/PR 증폭. 여기에서 액세스하십시오.
- PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/exploring-generative-ai-in-conversational-experiences-an-introduction-with-amazon-lex-langchain-and-sagemaker-jumpstart/
- :있다
- :이다
- :아니
- :어디
- 100
- 11
- 12
- 13
- 14
- 17
- 2017
- 27
- 7
- 8
- 9
- a
- 능력
- 소개
- 얻기 쉬운
- 에 따르면
- 달성
- 가로질러
- 행위
- 더하다
- 첨가
- 또한
- 주소
- 추가
- 많은
- 발전
- 후
- AI
- 알렉사
- All
- 수
- 이미
- 또한
- 아마존
- 아마존 차임
- 아마존 렉스
- 아마존 텍사스
- Amazon Web Services
- Amazon Web Services (AWS)
- an
- 분석
- 분석
- 및
- 답변
- 답변
- 어떤
- API를
- 등장하다
- 어플리케이션
- 접근
- 있군요
- 인조의
- 인공 지능
- AS
- 자산
- At
- 속성
- 가능
- 피하기
- AWS
- AWS 클라우드 포메이션
- AWS 전문 서비스
- 유아
- 기반으로
- BE
- 때문에
- 된
- 전에
- 시작하다
- 더 나은
- 사이에
- 봇
- 봇
- 바닥
- 가져
- 빌드
- 건물
- 내장
- 내장
- 사업
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 전화
- 통화
- CAN
- 기능
- 채용
- 가지 경우
- 센터
- 센터
- 체인
- 도전
- 도전
- 이전 단계로 돌아가기
- 변경
- 요금
- 채팅 봇
- 잡담
- 차임
- 왼쪽 메뉴에서
- 시스코
- City
- 수업
- 선명한
- 클라이언트
- 클라우드
- 클라우드 기술
- 암호
- 저지른
- 기업
- 완전한
- 구성 요소
- 회의
- 구성
- 일관된
- 콘솔에서
- 소비
- CONTACT
- 연락 센터
- 컨테이너
- 함유량
- 컨텐츠 생성
- 문맥
- 계속
- 대화
- 이야기 잘하는
- 대화 형 AI
- 대화
- 모서리
- 비용 효율적인
- 만들
- 만든
- 생성
- Current
- 현재
- 관습
- 고객
- 고객 센터
- 고객
- 최첨단
- 데이터
- 깊은
- 깊은 학습
- 태만
- 배달
- 시연
- 배포
- 배포
- 전개
- 배포
- 기술 된
- 설명
- 디자이너
- 설계
- 세부설명
- 개발자
- 개발
- 개발
- DICT
- DID
- 곧장
- 발견
- do
- 하지
- 하지 않습니다
- 돈
- 말라
- 아래 (down)
- 드라이브
- 운전
- 마다
- 효율적인
- 그렇지 않으면
- 고용 된
- 가능
- 수
- 격려
- 종점
- 기사
- 엔터 버튼
- 전체의
- 엔티티
- 자격
- 환경
- 필수
- 이벤트
- 이벤트
- EVER
- 진화하는
- 예
- 뛰어나다
- 우수한
- 현존하는
- 기대
- 경험
- 경험
- 체험
- 전문적 지식
- 탐험 한
- 탐색
- 확장하다
- 외부
- 페이스메이크업
- 페이스북
- 가족
- FAST
- 빠르게 진행되는
- 최종적으로
- Find
- 먼저,
- 피트니스
- 따라
- 수행원
- 럭셔리
- 형태
- 체재
- 사
- 뼈대
- 친절한
- 친구
- 에
- 다하다
- 장난
- 기능
- 기능
- 미래
- 획득
- 생성
- 생성
- 생성
- 세대
- 생성적인
- 제너레이티브 AI
- 얻을
- 글로벌
- Go
- 성장
- 처리
- 손
- 마구
- 있다
- 데
- he
- 무거운
- 무거운 리프팅
- 도움
- 도움이
- 도움이
- 도움이
- 여기에서 지금 확인해 보세요.
- 높은
- 높은 프로파일
- 강조
- 고도로
- 그의
- 역사적인
- history
- 호스팅
- 호스팅
- 방법
- How To
- 그러나
- HTML
- HTTP
- HTTPS
- 사람의
- 인사부
- if
- 구현
- 구현
- 중요성
- in
- 포함
- 포함
- 포함
- 산업
- 산업
- 정보
- 시작
- 혁신
- 혁신적인
- 입력
- 입력
- 문의
- 예
- 통합
- 통합
- 완성
- 인텔리전스
- 의지
- 상호 작용하는
- 상호 작용
- 상호 작용
- 인터렉티브
- 인터페이스
- 내부의
- 으로
- 소개
- 소개
- 개요
- 호출
- IT
- 그
- 가입
- JPG
- JSON
- 유월
- Justin
- 유지
- 키
- 키
- 알아
- 알려진
- 언어
- 넓은
- 후에
- 최근
- 시작
- 리더
- 오퍼
- 배우기
- 왼쪽 (left)
- 수
- 레벨
- 리프팅
- 처럼
- 제한
- LINK
- 명부
- 삶
- LLM
- 하중
- 장기
- 보기
- 찾고
- 봐라.
- loves
- 낮은
- 기계
- 기계 학습
- 본관
- 주요한
- 확인
- 관리
- 구축
- 매니저
- 관리
- 수동으로
- 시장
- 거대한
- 경기
- 일치하는
- XNUMX월..
- 기구
- 소개
- 베이비 탄생
- 메모리
- 언급하다
- 메뉴
- 메시지
- 메시지
- 메시지
- 메타 데이터
- 맥시코
- ML
- 모델
- 모델
- 수정
- 배우기
- 영화 산업
- name
- 이름
- 자연의
- 자연 언어 처리
- 이동
- 카테고리
- 필요
- 필요
- 요구
- 네트워크
- 네트워크
- 신경망
- 신제품
- 뉴욕
- 뉴욕시
- 다음 것
- nlp
- 아니
- 유명한
- 아무것도
- 지금
- NYC
- 대상
- 획득
- of
- 오프
- 제공
- 제공
- on
- 지속적으로
- 오픈 소스
- 열기
- 최적의
- or
- 실물
- 기타
- 그렇지 않으면
- 우리의
- 아웃
- 결과
- 외부
- 위에
- 자신의
- 평화
- 페이지
- 빵
- 매개 변수
- 파트너
- 열정
- 열렬한
- 과거
- 수행
- 수행하다
- 고집
- 지속되는
- 맞춤형 교육 플랫폼
- 추축의
- 계획
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 경기
- 연주
- 포인트 적립
- 인기 문서
- 게시하다
- 힘
- powered
- 연습
- 예측
- Prepare
- 전제 조건
- 제시
- 너무 이른
- 이전에
- 교장
- 문제
- 처리
- 프로덕트
- 제품 관리
- 제품 관리자
- 제품
- 링크를
- 프로그램
- 프로젝트
- 프로젝트
- 제공
- 제공
- 제공
- 제공
- 출판
- 목적
- Python
- 큐앤에이봇
- 품질
- 문제
- 문의
- 빠른
- 빨리
- 무작위성
- 읽기
- 실시간
- 권하다
- 지방
- 관련된
- 의지하다
- 의뢰
- 요청
- 의지
- 제품 자료
- 응답
- 응답
- 결과
- 결과
- return
- 반품
- 연락해주세요
- 직위별
- 롤아웃
- 노선
- 라우팅
- s
- 현자
- 항해
- 찜하기
- 라고
- 확장성
- 규모
- SDK
- 섹션
- 섹션
- 참조
- 선택
- 본인
- 연장자
- 순서
- 봉사하다
- 서비스
- 서비스
- 세션
- 세션
- 세트
- 설정
- 몇몇의
- 그녀
- 단기간의
- 영상을
- 표시
- 기호
- 크게
- 단순, 간단, 편리
- 크기
- 크기
- 느슨하게
- SMS
- 소프트웨어
- 소프트웨어 개발
- 해결책
- 솔루션
- 일부
- 출처
- 소스 코드
- 주도
- 구체적인
- 지출
- 스택
- 스택
- 스타트
- 시작
- 시작 중
- 성명서
- 단계
- 정지
- 저장
- 상점
- 저장
- 성공
- 성공한
- 성공적으로
- 이러한
- 개요
- 정상 회담
- 체계
- 작업
- 기술
- 과학 기술자
- Technology
- 이야기
- 이 템플릿
- test
- 지원
- 테스트
- 그
- XNUMXD덴탈의
- 그들의
- 그들
- 그곳에.
- Bowman의
- 타사
- 이
- 을 통하여
- 시간
- 시간 초과 된
- 에
- 오늘의
- TONE
- 검색을
- 상단
- 이상의 주제
- 방향
- 선로
- 훈련 된
- 방아쇠를 당긴
- 유형
- 유형
- ui
- 유일한
- 대학
- 같지 않은
- 업데이트
- us
- 용법
- 사용
- 익숙한
- 사용자
- 시간을 아껴주는 인터페이스
- 사용
- 사용
- 마케팅은:
- 여러
- 를 통해
- 눈에 보이는
- 음량
- 필요
- 시청
- 방법..
- we
- 웹
- 웹 서비스
- 잘
- 언제
- 동안
- 누구
- 아내
- 과
- 없이
- 작업
- 일
- 일하는
- 세계
- 가치
- 쓰기
- 요크
- 자신의
- 너의
- 제퍼 넷