Artykuły dla tych, którzy
wdrażają stack
Oryginalne materiały o React, Node.js, TypeScript i AI — z tej samej praktyki co nasze oprogramowanie operatorskie. Treść artykułów po angielsku.
Tag: langchain
Zorganizuj agenty badaczy i programistów za pomocą LangGraph
Stwórz aplikację LangGraph typu multi-agent z użyciem promptów typu soul, modeli Ollama, wyszukiwarki Tavily, narzędzi do przekazywania zadań oraz punktów kontrolnych Postgres dla procesów zarządzanych przez orkiestratora.
2200 słówCzytajTwój pierwszy agent AI używający narzędzi z LangChain
Stwórz małego agenta matematycznego LangChain w Pythonie: zainicjuj model do rozmów, zarejestruj narzędzia, pozwól LLM wybrać funkcję do wywołania i obserwuj użycie narzędzi w kilku krokach.
1062 słówCzytajModele decyzyjne oparte na wpisywaniu tekstu a wywołania LLM: opóźnienie i stabilność na granicy
Eksperyment z 240 wywołaniami porównujący naturalne prawdopodobieństwa Jeva z tymi, które sam zgłasza model LLM, oraz sposoby przekształcenia tych danych w router modeli LangChain.
2630 słówCzytajOd tekstu prostego do zweryfikowanych obiektów: wybór parsera wyników LangChain
Porównaj StrOutputParser, JsonOutputParser, StructuredOutputParser oraz PydanticOutputParser w łańcuchach LangChain i dowiedz się, jak dużą strukturę faktycznie gwarantuje każdy z nich.
5418 słówCzytajRęcznie stworzony loop narzędzia LangChain do porównywania aktualnych metryk zapasów
Stwórz krok po kroku małego asystenta do porównywania akcji z LangChain i poznaj pętlę tworzenia, wiązania, wywoływania i wykonania, która umożliwia modelowi językowemu żądanie aktualnych danych zamiast domyślania się.
1667 słówCzytajOcena zachowania agenta: wyniki, trajektorie i informacje zwrotne dotyczące produkcji
Jak oceniać systemy agentowe poza końcową odpowiedzią: powiązać LangChain, LangGraph i LangSmith z rolami, ocenić trajektorie wyników oraz kontekst, a także uwzględnić błędy w produkcji podczas ocen.
2894 słówCzytajTworzenie pipeline’ów LangChain przy użyciu LCEL: liniowe, równoległe i z rozgałęzieniami
Naucz się łączenia promptów, modeli oraz parserów w liniowe, wieloetapowe, równoległe i warunkowe pipeline’y LangChain za pomocą operatora pipe, RunnableParallel oraz RunnableBranch.
9373 słówCzytajSześć podstawowych elementów LangGraph i ukryty w każdym z nich sposób awarii
Dowiedz się o stanie LangGraph, węzłach, krawędziach, warunkowym routingu, tworzeniu punktów kontrolnych oraz przerwach poprzez konkretne błędy, do których każda z tych funkcji może prowadzić, oraz o sposobach ich unikania.
2537 słówCzytajWzmocnienie agenta LangChain w Pythonie za pomocą siedmiu wbudowanych middleware’ów
Dowiedz się, w jaki sposób middleware LangChain 1.0 dodaje funkcje podsumowywania, ograniczeń liczby wywołań, prób ponownych, alternatywnych modeli, usuwania danych osobowych oraz zatwierdzenia przez człowieka do agenta Gemini, nie wpływając na jego podstawową logikę.
2604 słówCzytaj
O tych artykułach
Wycena w 24 h
Potrzebujesz tego stacka w warstwie operatorskiej? Wyślij brief — wycena w 24 h.