Komponen Teras LangChain Diterangkan
Pelajari blok binaan penting LangChain, termasuk LLM, gesaan, rantaian dan ejen, serta cara komponen tersebut berinteraksi.
Komponen Teras LangChain Diterangkan ialah pelajaran Ejen AI dengan LangChain dan Aliran Kerja Autonomi percuma di CoddyKit. Ini ialah pelajaran 2 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Ejen AI dengan LangChain dan Aliran Kerja Autonomi, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Ejen AI dengan LangChain dan Aliran Kerja Autonomi merangkumi sejumlah 4 pelajaran.
Selamat Datang ke Teras LangChain!
Kenali LangChain, iaitu rangka kerja untuk membina ejen. LangChain menyediakan komponen modular yang boleh dicantumkan seperti bongkah LEGO.
Otak: Model Bahasa Besar (LLM)
Otak ejen ialah LLM — model yang dilatih menggunakan teks yang sangat banyak untuk memahami dan menghasilkan bahasa. LangChain memudahkan anda menyambungkannya kepada GPT atau model sumber terbuka.
LLM dalam Tindakan: Panggilan Mudah
Berikut ialah panggilan asas kepada LLM dalam LangChain, menggunakan model palsu supaya ia boleh dijalankan tanpa kunci API.
from langchain_core.llms import FakeListLLM
# Our 'brain' that gives predefined answers
llm = FakeListLLM(responses=[
"The capital of France is Paris.",
"Hello! How can I help you today?"
])
# Ask the LLM a question
response = llm.invoke("What is the capital of France?")
print(response)Membimbing Otak: Gesaan
LLM memerlukan arahan, dan arahan itu ialah gesaan anda — teks input yang anda berikan kepadanya. Gesaan yang baik amat penting untuk mendapatkan output yang dikehendaki.
Gesaan Dinamik: Templat Gesaan
Untuk input yang berubah, gunakan templat gesaan: rangka tindakan boleh guna semula yang mempunyai ruang letak untuk diisi semasa masa jalan.
from langchain_core.prompts import PromptTemplate
# Define a template with a placeholder '{topic}'
qa_template = """
Answer the following question about {topic}:
Question: {question}
"""
# Create a PromptTemplate object
prompt = PromptTemplate.from_template(qa_template)
# Format the prompt with specific values
formatted_prompt = prompt.format(
topic="Python programming",
question="What is a variable?"
)
print(formatted_prompt)Menyambungkan Langkah: Rantaian
Kebanyakan tugasan ejen melibatkan beberapa langkah. Rantaian ialah urutan yang telah ditetapkan untuk menyambungkan LLM, gesaan dan utiliti, sambil menghantar setiap output kepada langkah seterusnya.
Membina Rantaian Mudah
Berikut ialah rantaian mudah: templat gesaan disalurkan kepada LLM menggunakan antara muka Runnable LangChain. Output gesaan dihantar terus kepada model.
from langchain_core.llms import FakeListLLM
from langchain_core.prompts import PromptTemplate
# 1. Our 'brain'
llm = FakeListLLM(responses=["A variable is a named storage location."])
# 2. Our prompt template
qa_template = """
Explain {concept} in simple terms.
"""
prompt = PromptTemplate.from_template(qa_template)
# 3. Combine them into a chain using '|' operator
# The prompt output goes into the LLM as input
chain = prompt | llm
# Invoke the chain with the input for the template
response = chain.invoke({"concept": "variable"})
print(response)Penyelaras: Ejen
Rantaian menjalankan langkah yang tetap; ejen pula bersifat dinamik. Ejen menentukan tindakan yang hendak diambil, menjalankannya, memerhatikan hasil dan mengulanginya sehingga matlamat tercapai.
Cara Ejen Menggunakan Komponen
Ejen menggabungkan semuanya: LLM untuk penaakulan, gesaan untuk membimbing pemikiran, rantaian untuk kerja berbilang langkah dan alat untuk bertindak dalam dunia sebenar.
Menggabungkan Semuanya
Bayangkan pembantu pintar: gesaan menetapkan tugasan, LLM menaakul, rantaian memproses input dan ejen memilih alat cuaca — kemudian LLM memformatkan jawapan.
Semakan Pantas: Komponen Teras
Komponen LangChain yang manakah bertanggungjawab terutamanya terhadap pembuatan keputusan dinamik dan pemilihan alat dalam aplikasi AI?
Imbas Kembali & Langkah Seterusnya
Imbas kembali: empat blok binaan LangChain — LLM (otak), gesaan (arahan), rantaian (urutan) dan ejen (pembuat keputusan dinamik). Seterusnya: bina satu.
Pelajari Ejen AI dengan LangChain dan Aliran Kerja Autonomi dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 12
- Pelajaran
- 50
Soalan Lazim
Adakah pelajaran “Komponen Teras LangChain Diterangkan” percuma?
Ya — teks penuh “Komponen Teras LangChain Diterangkan” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Ejen AI dengan LangChain dan Aliran Kerja Autonomi, tingkat taraf kepada CoddyKit PRO. Kursus Ejen AI dengan LangChain dan Aliran Kerja Autonomi merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Komponen Teras LangChain Diterangkan”?
Pelajari blok binaan penting LangChain, termasuk LLM, gesaan, rantaian dan ejen, serta cara komponen tersebut berinteraksi. Anda berlatih Ejen AI dengan LangChain dan Aliran Kerja Autonomi menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Ejen AI dengan LangChain dan Aliran Kerja Autonomi?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Ejen AI dengan LangChain dan Aliran Kerja Autonomi di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 2 daripada 4.
Berapa lamakah pelajaran “Komponen Teras LangChain Diterangkan” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Ejen AI dengan LangChain dan Aliran Kerja Autonomi ini?
Ya. Setiap pelajaran Ejen AI dengan LangChain dan Aliran Kerja Autonomi menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Memahami Ejen Kecerdasan Buatan dan LLM
- Komponen Teras LangChain Diterangkan
- Membina Ejen Ringkas Pertama Anda
- Memberikan Memori dan Keadaan Perbualan kepada Ejen