npm install openai cohere-ai langchain \
  @langchain/core @langchain/openai @langchain/cohere

go get github.com/openai/openai-go \
  github.com/cohere-ai/cohere-go/v2

from openai import OpenAI
from urllib.parse import urljoin

aios_base_url = "<<aios endpoint-url>>" # AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
model = "<<model>>"                     # AIOS 모델 호출을 위한 모델 ID를 입력합니다.

# OpenAI 클라이언트를 생성합니다.
# base_url은 AIOS API의 v1 엔드포인트를 가리키며,
# api_key는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
client = OpenAI(base_url=urljoin(aios_base_url, "v1"), api_key="EMPTY_KEY")

# AIOS 모델을 사용하여 completion을 생성합니다.
# model 매개변수는 사용할 모델 ID를 지정하고,
# prompt 매개변수는 AI에게 제공할 입력 텍스트입니다.
response = client.completions.create(
  model=model,
  prompt="Hi"
)

# response.choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
print(response.choices[0].text)

from langchain_openai import OpenAI
from urllib.parse import urljoin

aios_base_url = "<<aios endpoint-url>>" # AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
model = "<<model>>"                     # AIOS 모델 호출을 위한 모델 ID를 입력합니다.

# LangChain의 OpenAI 클래스를 사용하여 LLM(대형 언어 모델) 인스턴스를 생성합니다.
# base_url은 AIOS API의 v1 엔드포인트를 가리키며,
# api_key는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
# model 매개변수는 사용할 모델 ID를 지정합니다.
llm = OpenAI(
  base_url=urljoin(aios_base_url, "v1"), 
  api_key="EMPTY_KEY", 
  model=model
)

# LLM에 "Hi"라는 프롬프트를 전달하여 응답을 받습니다.
# invoke 메서드는 모델의 출력을 반환합니다.
print(llm.invoke("Hi"))

const aios_base_url = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>"                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// 요청 데이터를 구성합니다.
// 여기에는 사용할 모델 ID와 프롬프트(prompt)가 포함됩니다.
const data = {
  model: model,
  prompt: "Hi",
};

// AIOS API의 v1/completions 엔드포인트 URL을 생성합니다.
let url = new URL("/v1/completions", aios_base_url);

// AIOS API에 POST 요청을 보냅니다.
const response = await fetch(url, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
  },
  body: JSON.stringify(data),
});

// 응답 본문을 JSON 형식으로 파싱합니다.
const body = await response.json();

// 응답 본문의 choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
console.log(body.choices[0].text);

import OpenAI from "openai";

const aios_base_url = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>"                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// OpenAI 클라이언트를 생성합니다.
// apiKey는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
// baseURL은 AIOS API의 v1 엔드포인트를 가리킵니다.
const client = new OpenAI({
  apiKey: "EMPTY_KEY",
  baseURL: new URL("v1", aios_base_url).href,
});

// AIOS 모델을 사용하여 completion을 생성합니다.
// model 매개변수는 사용할 모델 ID를 지정하고,
// prompt 매개변수는 AI에게 제공할 입력 텍스트입니다
const completions = await client.completions.create({
  model: model,
  prompt: "Hi",
});

// 응답 본문의 choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
console.log(completions.choices[0].text);

import { OpenAI } from "@langchain/openai";

const aios_base_url = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>"                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// LangChain의 OpenAI 클래스를 사용하여 LLM(대형 언어 모델) 인스턴스를 생성합니다.
// model 매개변수는 사용할 모델 ID를 지정합니다.
// apiKey는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
// configuration.baseURL은 AIOS API의 v1 엔드포인트를 가리킵니다.
const llm = new OpenAI({
  model: model,
  apiKey: "EMPTY_KEY",
  configuration: {
    baseURL: new URL("v1", aios_base_url).href,
  },
});

// LLM에 "Hi"라는 프롬프트를 전달하여 응답을 받습니다.
// invoke 메서드는 모델의 출력을 반환합니다.
const completion = await llm.invoke("Hi");

// 생성된 응답을 출력합니다.
// 이 텍스트는 AI 모델이 생성한 응답입니다.
console.log(completion);

package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"io"
	"net/http"
)
const (
	aiosBaseUrl = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
	model = "<<model>>"                   // AIOS 모델 호출을 위한 모델 ID를 입력합니다.
)

// POST 요청에 사용될 데이터 구조를 정의합니다.
// Model: 사용할 모델 ID
// Prompt: AI에게 제공할 입력 텍스트
// Stream: 스트리밍 응답 여부 (옵션)
type PostData struct {
	Model string `json:"model"`
	Prompt string `json:"prompt"`
	Stream bool `json:"stream,omitempty"`
}

func main() {
	// 요청 데이터를 생성합니다.
	data := PostData{
		Model: model,
		Prompt: "Hi",
	}

	// 데이터를 JSON 형식으로 마샬링합니다.
	jsonData, err := json.Marshal(data)
	if err != nil {
		panic(err)
	}

	// AIOS API의 v1/completions 엔드포인트로 POST 요청을 보냅니다.
	response, err := http.Post(aiosBaseUrl + "/v1/completions", "application/json", bytes.NewBuffer(jsonData))
	if err != nil {
		panic(err)
	}
	defer response.Body.Close()
	
	// 응답 본문을 모두 읽습니다.
	body, err := io.ReadAll(response.Body)
	if err != nil {
		panic(err)
	}

	var v map[string]interface{}
	json.Unmarshal(body, &v)
	// 응답에서 choices 배열을 추출합니다.
	choices := v["choices"].([]interface{})
	// 첫 번째 데이터의 text를 추출합니다.
	choice := choices[0].(map[string]interface{})
	text := choice["text"]
	// AI 모델이 생성한 응답 텍스트를 출력합니다.
	fmt.Println(text)
}

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go"
	"github.com/openai/openai-go/option"
	"github.com/openai/openai-go/packages/param"
)

const (
	aiosBaseUrl = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
	model = "<<model>>"                   // AIOS 모델 호출을 위한 모델 ID를 입력합니다.
)

func main() {
	// OpenAI 클라이언트를 생성합니다.
	// option.WithBaseURL을 사용하여 AIOS API의 v1 엔드포인트를 설정합니다.
	client := openai.NewClient(
		option.WithBaseURL(aiosBaseUrl+"/v1"),
	)

	// AIOS 모델을 사용하여 completion을 생성합니다.
	// openai.CompletionNewParams를 사용하여 모델과 프롬프트를 설정합니다.
	completion, err := client.Completions.New(context.TODO(), openai.CompletionNewParams{
		Model:  openai.CompletionNewParamsModel(model),
		Prompt: openai.CompletionNewParamsPromptUnion{OfString: param.Opt[string]{Value: "Hi"}},
	})

	if err != nil {
		panic(err)
	}

	// 응답 본문의 choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
	fmt.Println(completion.Choices[0].Text)
}

from openai import OpenAI
from urllib.parse import urljoin

aios_base_url = "<<aios endpoint-url>>" # AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
model = "<<model>>"                     # AIOS 모델 호출을 위한 모델 ID를 입력합니다.

# OpenAI 클라이언트를 생성합니다.
# base_url은 AIOS API의 v1 엔드포인트를 가리키며,
# api_key는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
client = OpenAI(base_url=urljoin(aios_base_url, "v1"), api_key="EMPTY_KEY")

# AIOS 모델을 사용하여 completion을 생성합니다.
# model 매개변수는 사용할 모델 ID를 지정하고,
# prompt 매개변수는 AI에게 제공할 입력 텍스트입니다.
# stream=True를 설정하여 실시간 스트리밍 응답을 받습니다.
response = client.completions.create(
  model=model,
  prompt="Hi",
  stream=True
)

# 모델이 토큰을 생성할 때마다 응답으로 받을 수 있습니다.
# response는 스트림 형태로 전송되므로 반복하여 처리할 수 있습니다.
for chunk in response:
  # 각 청크에서 choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
  print(chunk.choices[0].text)

from langchain_openai import OpenAI
from urllib.parse import urljoin

aios_base_url = "<<aios endpoint-url>>" # AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
model = "<<model>>"                     # AIOS 모델 호출을 위한 모델 ID를 입력합니다.

# LangChain의 OpenAI 클래스를 사용하여 LLM(대형 언어 모델) 인스턴스를 생성합니다.
# base_url은 AIOS API의 v1 엔드포인트를 가리키며,
# api_key는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
# model 매개변수는 사용할 모델 ID를 지정합니다.
llm = OpenAI(
  base_url=urljoin(aios_base_url, "v1"), 
  api_key="EMPTY_KEY", 
  model=model
)

# LLM에 "Hi"라는 프롬프트를 전달하여 스트리밍 응답을 받습니다.
# stream 메서드는 실시간으로 토큰을 생성하는 스트림을 반환합니다.
response = llm.stream("Hi")

# 모델이 토큰을 생성할 때마다 응답으로 받을 수 있습니다.
# response는 스트림 형태로 전송되므로 반복하여 처리할 수 있습니다.
for chunk in response:
  # 각 청크를 출력합니다.
  # 이 청크는 AI 모델이 생성한 응답 토큰입니다.
  print(chunk)

const aios_base_url = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>"                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// 요청 데이터를 구성합니다.
// 여기에는 사용할 모델 ID, 프롬프트(prompt), 그리고 스트리밍 여부(stream)가 포함됩니다.
const data = {
  model: model,
  prompt: "Hi",
  stream: true,
};

// AIOS API의 v1/completions 엔드포인트 URL을 생성합니다.
let url = new URL("/v1/completions", aios_base_url);

// AIOS API에 POST 요청을 보냅니다.
// stream: true를 설정하여 실시간 스트리밍 응답을 받습니다.
const response = await fetch(url, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
  },
  body: JSON.stringify(data),
});

// 모델이 토큰을 생성할 때마다 응답으로 받을 수 있습니다.
// 응답 본문을 텍스트 디코더 스트림으로 변환하여 읽습니다.
const reader = response.body.pipeThrough(new TextDecoderStream()).getReader();
let buf = "";
while (true) {
  const { value, done } = await reader.read();
  if (done) break;

  // 받은 데이터를 버퍼에 추가합니다.
  buf += value;
  let sep;
  // 버퍼에서 줄바꿈 문자(\n\n)를 찾아서 데이터를 분리합니다.
  while ((sep = buf.indexOf("\n\n")) >= 0) {
    const data = buf.slice(0, sep);
    buf = buf.slice(sep + 2);
    
	// 각 줄을 처리합니다.
    for (const rawLine of data.split("\n")) {
      const line = rawLine.trim();
      if (!line.startsWith("data: ")) continue;

      // "data: " 접두사를 제거하고 JSON 데이터를 추출합니다.
      const payload = line.slice("data: ".length).trim();
      if (payload === "[DONE]") break;

	  // JSON 데이터를 파싱합니다.
      const json = JSON.parse(payload);
	  // choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
      console.log(json.choices[0].text);
    }
  }
}

import OpenAI from "openai";

const aios_base_url = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>"                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// OpenAI 클라이언트를 생성합니다.
// apiKey는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
// baseURL은 AIOS API의 v1 엔드포인트를 가리킵니다.
const client = new OpenAI({
  apiKey: "EMPTY_KEY",
  baseURL: new URL("v1", aios_base_url).href,
});

// AIOS 모델을 사용하여 completion을 생성합니다.
// model 매개변수는 사용할 모델 ID를 지정하고,
// prompt 매개변수는 AI에게 제공할 입력 텍스트입니다.
// stream: true를 설정하여 실시간 스트리밍 응답을 받습니다.
const completions = await client.completions.create({
  model: model,
  prompt: "Hi",
  stream: true,
});

// 모델이 토큰을 생성할 때마다 응답으로 받을 수 있습니다.
// for await...of 루프를 사용하여 스트림 이벤트를 순차적으로 처리합니다.
for await (const event of completions) {
  // 각 이벤트의 choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
  console.log(event.choices[0].text);
}

import { OpenAI } from "@langchain/openai";

const aios_base_url = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>"                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// LangChain의 OpenAI 클래스를 사용하여 LLM(대형 언어 모델) 인스턴스를 생성합니다.
// model 매개변수는 사용할 모델 ID를 지정합니다.
// apiKey는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
// configuration.baseURL은 AIOS API의 v1 엔드포인트를 가리킵니다.
const llm = new OpenAI({
  model: model,
  apiKey: "EMPTY_KEY",
  configuration: {
    baseURL: new URL("v1", aios_base_url).href,
  },
});

// LLM에 "Hi"라는 프롬프트를 전달하여 스트리밍 응답을 받습니다.
// stream 메서드는 실시간으로 토큰을 생성하는 스트림을 반환합니다.
const completion = await llm.stream("Hi");

// 모델이 토큰을 생성할 때마다 응답으로 받을 수 있습니다.
// for await...of 루프를 사용하여 스트림 청크를 순차적으로 처리합니다.
for await (const chunk of completion) {
  // 각 청크를 출력합니다.
  // 이 청크는 AI 모델이 생성한 응답 토큰입니다.
  console.log(chunk);
}

package main

import (
	"bufio"
	"bytes"
	"encoding/json"
	"fmt"
	"net/http"
)

const (
	aiosBaseUrl = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
	model = "<<model>>"                   // AIOS 모델 호출을 위한 모델 ID를 입력합니다.
)

// POST 요청에 사용될 데이터 구조를 정의합니다.
// Model: 사용할 모델 ID
// Prompt: AI에게 제공할 입력 텍스트
// Stream: 스트리밍 응답 여부 (옵션)
type PostData struct {
	Model  string `json:"model"`
	Prompt string `json:"prompt"`
	Stream bool   `json:"stream,omitempty"`
}

func main() {
	// 요청 데이터를 생성합니다.
	// Stream: true를 설정하여 실시간 스트리밍 응답을 받습니다.
	data := PostData{
		Model:  model,
		Prompt: "Hi",
		Stream: true,
	}

	// 데이터를 JSON 형식으로 마샬링합니다.
	jsonData, err := json.Marshal(data)
	if err != nil {
		panic(err)
	}

	// AIOS API의 v1/completions 엔드포인트로 POST 요청을 보냅니다.
	response, err := http.Post(aiosBaseUrl+"/v1/completions", "application/json", bytes.NewBuffer(jsonData))
	if err != nil {
		panic(err)
	}
	defer response.Body.Close()

	// 모델이 토큰을 생성할 때마다 응답으로 받을 수 있습니다.
	// HTTP 응답 본문을 스캔하여 줄 단위로 처리합니다.
	var v map[string]interface{}
	scanner := bufio.NewScanner(response.Body)
	for scanner.Scan() {
		line := bytes.TrimSpace(scanner.Bytes())

		// 줄이 "data: "로 시작하지 않으면 건너뜁니다.
		if !bytes.HasPrefix(line, []byte("data: ")) {
			continue
		}

		// "data: " 접두사를 제거합니다.
		payload := bytes.TrimPrefix(line, []byte("data: "))

		// payload가 "[DONE]"이라면 스트리밍을 종료합니다.
		if bytes.Equal(payload, []byte("[DONE]")) {
			break
		}

		// JSON 데이터를 파싱합니다.
		json.Unmarshal(payload, &v)
		// 응답에서 choices 배열을 추출합니다.
		choices := v["choices"].([]interface{})
		// 첫 번째 데이터를 추출합니다.
		choice := choices[0].(map[string]interface{})
		// AI 모델이 생성한 응답 토큰을 추출합니다.
		text := choice["text"]
		fmt.Println(text)
	}
}

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go"
	"github.com/openai/openai-go/option"
	"github.com/openai/openai-go/packages/param"
)

const (
	aiosBaseUrl = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
	model = "<<model>>"                   // AIOS 모델 호출을 위한 모델 ID를 입력합니다.
)

func main() {
	// OpenAI 클라이언트를 생성합니다.
	// option.WithBaseURL을 사용하여 AIOS API의 v1 엔드포인트를 설정합니다.
	client := openai.NewClient(
		option.WithBaseURL(aiosBaseUrl + "/v1"),
	)

	// AIOS 모델을 사용하여 스트리밍 completion을 생성합니다.
	// openai.CompletionNewParams를 사용하여 모델과 프롬프트를 설정합니다.
	completion := client.Completions.NewStreaming(context.TODO(), openai.CompletionNewParams{
		Model:  openai.CompletionNewParamsModel(model),
		Prompt: openai.CompletionNewParamsPromptUnion{OfString: param.Opt[string]{Value: "Hi"}},
	})

	// 모델이 토큰을 생성할 때마다 응답으로 받을 수 있습니다.
	// Next() 메서드는 다음 청크가 있을 때 true를 반환합니다.
	for completion.Next() {
		// 현재 청크의 choices 슬라이스를 가져옵니다.
		chunk := completion.Current().Choices
		// choices[0].text는 AI 모델이 생성한 응답 텍스트입니다.
		fmt.Println(chunk[0].Text)
	}
}

from openai import OpenAI
from urllib.parse import urljoin

aios_base_url = "<<aios endpoint-url>>" # AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
model = "<<model>>"                     # AIOS 모델 호출을 위한 모델 ID를 입력합니다.

# OpenAI 클라이언트를 생성합니다.
# base_url은 AIOS API의 v1 엔드포인트를 가리키며,
# api_key는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
client = OpenAI(base_url=urljoin(aios_base_url, "v1"), api_key="EMPTY_KEY")

# AIOS 모델을 사용하여 채팅 completion을 생성합니다.
# model 매개변수는 사용할 모델 ID를 지정합니다.
# messages 매개변수는 시스템 메시지와 사용자 메시지를 포함하는 메시지 목록입니다.
response = client.chat.completions.create(
  model=model,
  messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Hi"}
  ]
)

# 생성된 응답에서 choices[0].message를 출력합니다.
print(response.choices[0].message.model_dump())

from langchain_openai import ChatOpenAI
from urllib.parse import urljoin

aios_base_url = "<<aios endpoint-url>>" # AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
model = "<<model>>"                     # AIOS 모델 호출을 위한 모델 ID를 입력합니다.

# LangChain의 ChatOpenAI 클래스를 사용하여 채팅 LLM(대형 언어 모델) 인스턴스를 생성합니다.
# base_url은 AIOS API의 v1 엔드포인트를 가리키며,
# api_key는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
# model 매개변수는 사용할 모델 ID를 지정합니다.
chat_llm = ChatOpenAI(
  base_url=urljoin(aios_base_url, "v1"), 
  api_key="EMPTY_KEY", 
  model=model
)

# 채팅 메시지 목록을 구성합니다.
# 시스템 메시지와 사용자 메시지를 포함합니다.
messages = [
    ("system", "You are a helpful assistant."),
    ("human", "Hi"),
]

# 채팅 LLM에 메시지 목록을 전달하여 응답을 받습니다.
# invoke 메서드는 모델의 출력을 반환합니다.
chat_completion = chat_llm.invoke(messages)

# 생성된 응답을 출력합니다.
print(chat_completion.model_dump())

const aios_base_url = "<<aios endpoint-url>>"; // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>";                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// 요청 데이터를 구성합니다.
// 여기에는 사용할 모델 ID와 메시지 목록(messages)가 포함됩니다.
// 메시지 목록은 시스템 메시지와 사용자 메시지를 포함합니다.
const data = {
  model: model,
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Hi" },
  ],
};

// AIOS API의 v1/chat/completions 엔드포인트 URL을 생성합니다.
let url = new URL("/v1/chat/completions", aios_base_url);

// AIOS API에 POST 요청을 보냅니다.
const response = await fetch(url, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
  },
  body: JSON.stringify(data),
});

// 응답 본문을 JSON 형식으로 파싱합니다.
const body = await response.json();
// 생성된 응답에서 choices[0].message를 출력합니다.
console.log(body.choices[0].message);

import OpenAI from "openai";

const aios_base_url = "<<aios endpoint-url>>"; // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>";                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// OpenAI 클라이언트를 생성합니다.
// apiKey는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
// baseURL은 AIOS API의 v1 엔드포인트를 가리킵니다.
const client = new OpenAI({
  apiKey: "EMPTY_KEY",
  baseURL: new URL("v1", aios_base_url).href,
});

// AIOS 모델을 사용하여 채팅 completion을 생성합니다.
// model 매개변수는 사용할 모델 ID를 지정합니다.
// messages 매개변수는 시스템 메시지와 사용자 메시지를 포함하는 메시지 목록입니다.
const response = await client.chat.completions.create({
  model: model,
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Hi" },
  ],
});

// 생성된 응답에서 choices[0].message를 출력합니다.
console.log(response.choices[0].message);

import { HumanMessage, SystemMessage } from "@langchain/core/messages";
import { ChatOpenAI } from "@langchain/openai";

const aios_base_url = "<<aios endpoint-url>>"; // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
const model = "<<model>>";                     // AIOS 모델 호출을 위한 모델 ID를 입력합니다.

// LangChain의 ChatOpenAI 클래스를 사용하여 채팅 LLM(대형 언어 모델) 인스턴스를 생성합니다.
// model 매개변수는 사용할 모델 ID를 지정합니다.
// apiKey는 AIOS에서 요구하는 키로, 일반적으로 "EMPTY_KEY"로 설정됩니다.
// configuration.baseURL은 AIOS API의 v1 엔드포인트를 가리킵니다.
const llm = new ChatOpenAI({
  model: model,
  apiKey: "EMPTY_KEY",
  configuration: {
    baseURL: new URL("v1", aios_base_url).href,
  },
});

// 채팅 메시지 목록을 구성합니다.
// SystemMessage와 HumanMessage 객체를 사용하여 시스템 메시지와 사용자 메시지를 포함합니다.
const messages = [
  new SystemMessage("You are a helpful assistant."),
  new HumanMessage("Hi"),
];

// 채팅 LLM에 메시지 목록을 전달하여 응답을 받습니다.
// invoke 메서드는 모델의 출력을 반환합니다.
const response = await llm.invoke(messages);

// 생성된 응답의 내용(content)을 출력합니다.
// 이 내용은 AI 모델이 생성한 응답 텍스트입니다.
console.log(response.content);

package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"io"
	"net/http"
)

const (
	aiosBaseUrl = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
	model = "<<model>>"                   // AIOS 모델 호출을 위한 모델 ID를 입력합니다.
)

// 메시지 구조를 정의합니다.
// Role: 메시지 역할 (예: system, user)
// Content: 메시지 내용
type Message struct {
	Role    string `json:"role"`
	Content string `json:"content"`
}

// POST 요청에 사용될 데이터 구조를 정의합니다.
// Model: 사용할 모델 ID
// Messages: 메시지 목록
// Stream: 스트리밍 응답 여부 (옵션)
type PostData struct {
	Model    string    `json:"model"`
	Messages []Message `json:"messages"`
	Stream   bool      `json:"stream,omitempty"`
}

func main() {
	// 요청 데이터를 생성합니다.
	// 메시지 목록에는 시스템 메시지와 사용자 메시지가 포함됩니다.
	data := PostData{
		Model: model,
		Messages: []Message{
			{
				Role:    "system",
				Content: "You are a helpful assistant.",
			},
			{
				Role:    "user",
				Content: "Hi",
			},
		},
	}

	// 데이터를 JSON 형식으로 마샬링합니다.
	jsonData, err := json.Marshal(data)
	if err != nil {
		panic(err)
	}

	// AIOS API의 v1/chat/completions 엔드포인트로 POST 요청을 보냅니다.
	response, err := http.Post(aiosBaseUrl+"/v1/chat/completions", "application/json", bytes.NewBuffer(jsonData))
	if err != nil {
		panic(err)
	}
	defer response.Body.Close()

	// 응답 본문을 모두 읽습니다.
	body, err := io.ReadAll(response.Body)
	if err != nil {
		panic(err)
	}

	// 응답 본문을 맵 형식으로 언마샬링합니다.
	var v map[string]interface{}
	json.Unmarshal(body, &v)
	// 응답에서 choices 배열을 추출합니다.
	choices := v["choices"].([]interface{})
	// 첫 번째 데이터를 추출합니다.
	choice := choices[0].(map[string]interface{})
	// AI 모델이 생성한 응답 메시지를 JSON 형식으로 포맷하여 출력합니다.
	message, err := json.MarshalIndent(choice["message"], "", "  ")
	if err != nil {
		panic(err)
	}	
	fmt.Println(string(message))
}

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go"
	"github.com/openai/openai-go/option"
)

const (
	aiosBaseUrl = "<<aios endpoint-url>>" // AIOS 모델 호출을 위한 aios endpoint-url을 입력합니다.
	model = "<<model>>"                   // AIOS 모델 호출을 위한 모델 ID를 입력합니다.
)

func main() {
	// OpenAI 클라이언트를 생성합니다.
	// option.WithBaseURL을 사용하여 AIOS API의 v1 엔드포인트를 설정합니다.
	client := openai.NewClient(
		option.WithBaseURL(aiosBaseUrl + "/v1"),
	)

	// AIOS 모델을 사용하여 채팅 completion을 생성합니다.
	// openai.ChatCompletionNewParams를 사용하여 모델과 메시지 목록을 설정합니다.
	// 메시지 목록에는 시스템 메시지와 사용자 메시지가 포함됩니다.
	response, err := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: model,
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.SystemMessage("You are a helpful assistant."),
			openai.UserMessage("Hi"),
		},
	})

	if err != nil {
		panic(err)
	}

	// AI 모델이 생성한 응답 메시지를 JSON 형식으로 포맷하여 출력합니다.
	fmt.Println(response.Choices[0].Message.RawJSON())
}