Статьи для тех, кто
выводит стек в прод
Оригинальные материалы о React, Node.js, TypeScript и AI — из той же практики, что и наше операторское ПО. Текст статей на английском.
Тег: langchain
Организуйте работу исследователей и программистов с помощью LangGraph
Создайте приложение LangGraph с участием нескольких агентов с использованием инструментов типа soul prompts, моделей Ollama, функции поиска Tavily, инструментов передачи заданий и чекпоинтов Postgres для организации рабочих процессов под управлением оркестратора.
2200 словЧитатьВаш первый ИИ-агент для работы с инструментами с использованием LangChain
Создайте небольшого математического агента LangChain на Python: инициализируйте модель для чатов, зарегистрируйте инструменты, позвольте большой языковой модели выбрать функцию для вызова и наблюдайте за использованием нескольких инструментов подряд.
1062 словЧитатьМодели принятия решений на основе ввода текста против вызовов LLM: задержка и стабильность на границе
Эксперимент с 240 вызовами, сравнивающий естественные вероятности, указанные Джефом, с теми, которые само сообщает большая языковая модель, а также способы преобразования этих данных в маршрутизатор моделей LangChain.
2630 словЧитатьОт простого текста к проверенным объектам: выбор парсера вывода LangChain
Сравните StrOutputParser, JsonOutputParser, StructuredOutputParser и PydanticOutputParser в цепочках LangChain и узнайте, насколько строгую структуру действительно гарантирует каждый из них.
5418 словЧитатьРучно созданный цикл инструментов LangChain для сравнения показателей активных запасов
Постройте пошагово небольшого помощника для сравнения акций на LangChain и изучите цикл создания, привязки, вызова и выполнения, который позволяет большой языковой модели запрашивать актуальные данные вместо того, чтобы делать предположения.
1667 словЧитатьОценка поведения агента: результаты, траектории и обратная связь от производства
Как оценивать агентные системы не только по итоговому ответу: соотнести LangChain, LangGraph и LangSmith с определенными ролями, проанализировать траектории оценок и контекст, а также учитывать сбои в процессе работы при оценке.
2894 словЧитатьСоздание конвейеров LangChain с помощью LCEL: линейные, параллельные и разветвленные.
Научитесь объединять промпты, модели и парсеры в линейные, многоступенчатые, параллельные и условные конвейеры LangChain с использованием оператора pipe, RunnableParallel и RunnableBranch.
9373 словЧитатьШесть примитивов LangGraph и способы скрытия моделей сбоев в каждом из них
Узнайте о состоянии LangGraph, узлах, ребрах, условном маршрутизировании, сохранении состояния и прерываниях через конкретные ошибки, которые они могут вызвать, и способы их избежания.
2537 словЧитатьУсиление агента LangChain на Python с семью встроенными промежуточными компонентами
Узнайте, как промежуточный слой LangChain 1.0 добавляет функции краткого изложения, ограничений на количество вызовов, повторных попыток, использования резервных моделей, удаления персональных данных и утверждения человеком в агент Gemini, не затрагивая его основную логику.
2604 словЧитать
О этих статьях
Оценка за 24 часа
Нужен такой же стек в операторском слое? Пришлите бриф — оценка за 24 часа.