0Pricing
AI Agents · Урок

Архитектура LangChain: модели, промпты, цепочки

Три строительных блока: ChatModels, PromptTemplates и цепочки, которые их объединяют.

«Архитектура LangChain: модели, промпты, цепочки» — бесплатный урок AI Agents на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Agents, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Agents содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

Зачем LangChain?

LangChain — самый популярный фреймворк Python для создания приложений на базе LLM. Он предоставляет:

  • Адаптеры для всех основных поставщиков LLM
  • Загрузчики и анализаторы для многих источников данных
  • Примитивы памяти, агентов и цепочек
  • Интеграции с векторными хранилищами

Критики считают его перегруженным, а сторонники любят его широту. Мы сосредоточимся на стабилизировавшемся ядре — LCEL.

Три основных понятия

  1. Модели — вызываемые вами LLM и ChatModels
  2. Промпты — шаблоны, создающие сообщения
  3. Цепочки — композиции, соединяющие промпты → модели → анализаторы

Модели

Единый интерфейс для разных поставщиков:

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)

Шаблоны промптов

Повторно используемые промпты с переменными:

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())

Цепочки: оператор конвейера

Объединяйте промпт, модель и анализатор с помощью |:

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)

Анализаторы вывода

Преобразуйте необработанный вывод модели в типы 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

Объекты Runnable и протокол Runnable

Каждый элемент цепочки — это Runnable со следующими возможностями:

  • .invoke(input) — синхронный вызов
  • .ainvoke(input) — асинхронный вызов
  • .stream(input) — потоковая передача токенов
  • .batch(inputs) — параллельная пакетная обработка

Оператор конвейера объединяет их.

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.

Настройка во время выполнения

Переопределяйте параметры модели для каждого вызова:

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

LangChain Hub

Загружайте промпты, отобранные сообществом:

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

Когда НЕ следует использовать LangChain

Для очень простых агентов (один вызов модели и один инструмент) LangChain избыточен. Выполняйте вызов напрямую. Используйте LangChain, когда Вам нужны возможность комбинирования, повторные попытки, наблюдаемость и проверенные интеграции.

Оператор цепочки

Что делает оператор | в LangChain?

Итоги

Модели + промпты + цепочки, объединённые с помощью |. Далее: загрузчики и векторные хранилища в экосистеме LangChain.

Часто задаваемые вопросы

Урок «Архитектура LangChain: модели, промпты, цепочки» бесплатный?

Да — полный текст урока «Архитектура LangChain: модели, промпты, цепочки» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Agents, подпишись на CoddyKit PRO. Курс AI Agents содержит 4 уроков всего.

Чему я научусь в уроке «Архитектура LangChain: модели, промпты, цепочки»?

Три строительных блока: ChatModels, PromptTemplates и цепочки, которые их объединяют. Ты практикуешь AI Agents с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать AI Agents?

Предыдущий опыт не требуется. AI Agents на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.

Сколько времени занимает урок «Архитектура LangChain: модели, промпты, цепочки»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке AI Agents?

Да. Каждый урок AI Agents включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

  1. Архитектура LangChain: модели, промпты, цепочки
  2. Загрузчики, разделители и векторные хранилища
  3. LCEL (язык выражений LangChain)
  4. Создание цепочки RAG от начала до конца
← Назад к AI Agents