|
Рубрика:
Карьера/Образование /
«СА» рекомендует
|
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
|
Изучаем LangChain
В издательстве «БХВ» вышла книга Кампос Нуну, Ошин Майо «Изучаем LangChain». Практическое руководство по изучению LangChain и LangGraph для создания готовых к эксплуатации AI- и LLM-приложений. Рассмотрены основы работы с большими языковыми моделями (LLM), извлечение и индексация данных для генерации, дополненной поиском (retrieval-augmented generation, RAG), организация памяти чат-ботов через StateGraph. Детально разобраны когнитивные архитектуры (цепочки, маршрутизаторы, агентные циклы «планирование-действие»), построение многомодульных и мультиагентных систем. Приведены паттерны эффективного использования LLM: структурированный вывод, потоковая передача, режимы с участием человека.
Глава 1. Основы LLM с LangChain
Во введении мы поговорили о силе промптинга для LLM (Large Language Models) и увидели, какое влияние могут оказывать различные техники составления промптов на результаты работы LLM, особенно при их разумном сочетании. На самом деле основная задача при создании хороших LLM-приложений заключается в том, как для точного результата эффективно сформулировать промпт, отправляемый модели, и обработать ее ответ (рис. 1.1).
Если вы можете решить эту задачу, вы уже на полпути к созданию LLM-приложений — как простых, так и сложных. В данной главе вы узнаете больше о том, как «кирпичики» LangChain соотносятся с концепциями LLM и как их эффективное сочетание позволяет создавать LLM-приложения. Но сначала ознакомьтесь с врезкой «Почему LangChain?», где кратко изложено, почему, по нашему мнению, полезно использовать LangChain для создания LLM-приложений.
<...>
Полную версию статьи читайте в журнале
Подпишитесь на журнал
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
|
Изучаем LangChain
