0Pricing
AI Agents · Pelajaran

Arsitektur LangChain: Model, Prompt, Rantai

Tiga blok penyusun: ChatModels, PromptTemplates, dan rantai yang menyusunnya.

Arsitektur LangChain: Model, Prompt, Rantai adalah pelajaran AI Agents gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Agents, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Agents mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Mengapa LangChain?

LangChain adalah kerangka kerja Python paling populer untuk membangun aplikasi LLM. LangChain menyediakan:

  • Adaptor untuk setiap penyedia LLM utama
  • Pemuat dan pengurai untuk banyak sumber data
  • Primitif memori, agen, dan rantai
  • Integrasi penyimpanan vektor

Para pengkritik menyebutnya terlalu besar; para pendukung menyukai cakupannya. Kami berfokus pada inti yang sudah stabil: LCEL.

Tiga Konsep Inti

  1. Model — LLM dan ChatModels yang Anda panggil
  2. Instruksi — templat yang menghasilkan pesan
  3. Rantai — komposisi yang meneruskan instruksi -> model -> pengurai

Model

Antarmuka terpadu di berbagai penyedia:

from langchain_openai import ChatOpenAI
from langchain_anthropic import ChatAnthropic

openai_model = ChatOpenAI(model='gpt-4o-mini', temperature=0.2)
claude_model = ChatAnthropic(model='claude-sonnet-4-5')

resp = openai_model.invoke('Hello!')
print(resp.content)

Templat Perintah

Perintah yang dapat digunakan kembali dengan variabel:

from langchain.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ('system', 'You are a {role} assistant.'),
    ('user', '{question}')
])

messages = prompt.invoke({'role': 'SQL', 'question': 'How do I delete rows?'})
print(messages.to_messages())

Rantai: Operator Pipa

Gabungkan perintah + model + pengurai dengan |:

from langchain.schema.output_parser import StrOutputParser

chain = prompt | openai_model | StrOutputParser()
result = chain.invoke({'role': 'SQL', 'question': 'How do I delete rows?'})
print(result)

Pengurai Keluaran

Ubah keluaran mentah model menjadi tipe Python:

from langchain.output_parsers import PydanticOutputParser
from pydantic import BaseModel

class Plan(BaseModel):
    steps: list[str]

parser = PydanticOutputParser(pydantic_object=Plan)
chain = prompt | model | parser

Komponen yang Dapat Dijalankan dan Protokolnya

Setiap elemen rantai adalah Runnable dengan:

  • .invoke(input) — sinkron
  • .ainvoke(input) — asinkron
  • .stream(input) — pengaliran token
  • .batch(inputs) — kelompok paralel

Operator pipa menyusunnya.

Streaming

for chunk in chain.stream({'role': 'helpful', 'question': 'Tell a story.'}):
    print(chunk, end='', flush=True)

Batch

results = chain.batch([
    {'role': 'SQL', 'question': 'Q1'},
    {'role': 'SQL', 'question': 'Q2'}
])
# Runs in parallel.

Konfigurasi Saat Berjalan

Ganti parameter model untuk setiap pemanggilan:

result = chain.invoke(
    {'role': 'helpful', 'question': '...'},
    config={'configurable': {'temperature': 0.0}}
)

Pusat LangChain

Ambil perintah pilihan komunitas:

from langchain import hub
rag_prompt = hub.pull('rlm/rag-prompt')

Kapan TIDAK Menggunakan LangChain

Untuk agen yang sangat sederhana (satu pemanggilan model, satu alat), LangChain terlalu rumit. Tulis pemanggilan tersebut secara langsung. Gunakan LangChain saat Anda memerlukan kemampuan penyusunan, percobaan ulang, keterlihatan, dan integrasi yang telah diuji.

Operator Rantai

Apa yang dilakukan operator | di LangChain?

Ringkasan

Model + Perintah + Rantai, dirangkai dengan |. Berikutnya: pemuat dan penyimpanan vektor dalam ekosistem LangChain.

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Arsitektur LangChain: Model, Prompt, Rantai” gratis?

Ya — teks lengkap “Arsitektur LangChain: Model, Prompt, Rantai” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Agents, upgrade ke CoddyKit PRO. Kursus AI Agents mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Arsitektur LangChain: Model, Prompt, Rantai”?

Tiga blok penyusun: ChatModels, PromptTemplates, dan rantai yang menyusunnya. Kamu berlatih AI Agents dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai AI Agents?

Tidak diperlukan pengalaman sebelumnya. AI Agents di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.

Berapa lama pelajaran “Arsitektur LangChain: Model, Prompt, Rantai” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Agents ini?

Ya. Setiap pelajaran AI Agents menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Arsitektur LangChain: Model, Prompt, Rantai
  2. Pemuat, Pemotong, dan Penyimpanan Vektor
  3. LCEL (Bahasa Ekspresi LangChain)
  4. Membangun Rantai RAG dari Awal hingga Akhir
← Kembali ke AI Agents