LangChains kärnkomponenter förklarade
Lär Er om LangChains viktigaste byggblock, inklusive LLM:er, Prompts, Chains och Agents, och hur de samverkar.
LangChains kärnkomponenter förklarade är en gratis lektion i AI-agenter med LangChain och autonoma arbetsflöden på CoddyKit. Detta är lektion 2 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för AI-agenter med LangChain och autonoma arbetsflöden, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i AI-agenter med LangChain och autonoma arbetsflöden innehåller totalt 4 lektioner.
Välkommen till LangChain Core!
Nu ska ni få träffa LangChain, ett ramverk för att bygga agenter. Det ger er modulära komponenter som ni kan sätta ihop ungefär som LEGO-bitar.
Hjärnan: stora språkmodeller (LLM:er)
Agentens hjärna är LLM:en — en modell som tränats på enorma textmängder för att förstå och generera språk. LangChain gör det enkelt att ansluta GPT-modeller eller modeller med öppen källkod.
LLM i praktiken: ett enkelt anrop
Här är ett grundläggande LLM-anrop i LangChain, med en simulerad modell så att det kan köras utan någon API-nyckel.
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)Att vägleda hjärnan: prompter
En LLM behöver instruktioner, och det är era prompter — den inmatningstext ni skickar till den. Bra prompter är avgörande för att få det önskade resultatet.
Dynamiska prompter: promptmallar
Använd en promptmall när indata ändras: en återanvändbar mall med platshållare som fylls i vid körning.
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)Koppla ihop steg: kedjor
De flesta agentuppgifter består av flera steg. En kedja är en fördefinierad sekvens som kopplar ihop LLM:er, prompter och verktyg och skickar varje resultat vidare till nästa steg.
Bygga en enkel kedja
Här är en enkel kedja: en promptmall som skickas vidare till en LLM med LangChains Runnable-gränssnitt. Promptens resultat matas direkt in i modellen.
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)Samordnaren: agenter
Kedjor kör fasta steg; agenter är dynamiska. En agent avgör vilken åtgärd som ska utföras, kör den, observerar resultatet och upprepar processen tills målet är uppnått.
Så använder agenter komponenter
Agenter knyter ihop allt: LLM:er för slutledning, prompter för att vägleda tänkandet, kedjor för arbete i flera steg och verktyg för att agera i den verkliga världen.
Sätta ihop allt
Föreställ er en smart assistent: en prompt anger uppgiften, LLM:en resonerar, en kedja bearbetar indata och agenten väljer ett väderverktyg — sedan formaterar LLM:en svaret.
Snabb kontroll: kärnkomponenter
Vilken LangChain-komponent ansvarar främst för dynamiskt beslutsfattande och val av verktyg i en AI-applikation?
Sammanfattning och nästa steg
Sammanfattning: LangChains fyra byggblock — LLM:er (hjärnan), prompter (instruktioner), kedjor (sekvenser) och agenter (dynamiska beslutsfattare). Nästa steg: bygg en.
Lär dig AI-agenter med LangChain och autonoma arbetsflöden med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 12
- Lektioner
- 50
Vanliga frågor
Är lektionen ”LangChains kärnkomponenter förklarade” gratis?
Ja – hela texten till ”LangChains kärnkomponenter förklarade” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i AI-agenter med LangChain och autonoma arbetsflöden, kan Ni uppgradera till CoddyKit PRO. Kursen i AI-agenter med LangChain och autonoma arbetsflöden innehåller totalt 4 lektioner.
Vad lär jag mig i ”LangChains kärnkomponenter förklarade”?
Lär Er om LangChains viktigaste byggblock, inklusive LLM:er, Prompts, Chains och Agents, och hur de samverkar. Ni övar på AI-agenter med LangChain och autonoma arbetsflöden med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig AI-agenter med LangChain och autonoma arbetsflöden?
Du behöver inga förkunskaper. Utbildningen i AI-agenter med LangChain och autonoma arbetsflöden på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 4.
Hur lång tid tar lektionen ”LangChains kärnkomponenter förklarade”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här AI-agenter med LangChain och autonoma arbetsflöden-lektionen?
Ja. Varje AI-agenter med LangChain och autonoma arbetsflöden-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Förstå AI-agenter och LLM:er
- LangChains kärnkomponenter förklarade
- Bygg Er första enkla agent
- Ge agenter minne och samtalstillstånd