Sedang mengikuti modul ini?0 daripada 17 selesai
Modul 01 · Halaman 2 daripada 20 · 5 bahagian

Pengenalan kepada LangChain

Apa itu LangChain, mengapa pembangun menggunakannya, seni bina peringkat tinggi, konsep teras dan perbandingannya dengan panggilan terus API LLM.

1.1

Apa itu LangChain?

  • LangChain ialah rangka kerja sumber terbuka yang direka untuk membina aplikasi dengan Model Bahasa Besar (LLM).
  • Ia menyediakan alat, abstraksi dan modul untuk menyambung LLM dengan data luar, alat dan tindakan dunia sebenar.
  • Ia memudahkan pembangunan aplikasi LLM yang kompleks seperti chatbot, ejen, sistem RAG dan analisis dokumen.
  • LangChain tidak terikat pada satu bahasa tetapi paling popular dengan Python.
1.2

Mengapa LangChain?

  • Menyediakan abstraksi peringkat tinggi untuk aplikasi LLM.
  • Mudah diintegrasi dengan pelbagai penyedia LLM (OpenAI, Anthropic, Google, dsb.).
  • Sokongan terbina dalam untuk document loader, text splitter, vector store dan alat.
  • Membantu membina aplikasi yang sedia untuk pengeluaran.
  • Seni bina modular dan boleh dikembangkan.
  • Komuniti besar dan pembangunan yang aktif.
  • Berguna untuk membina RAG, ejen, chatbot dan aliran kerja berbilang langkah.
1.3

Seni Bina Peringkat Tinggi

Pertanyaan Pengguna
Rangka Kerja LangChainPrompt, chain, agent, memory, loader, vector store, alat
LLMOpenAI, Claude, Gemini
Respons kepada Pengguna

Rangka kerja ini juga mencapai data luar seperti PDF, pangkalan data dan API.

1.4

Konsep Teras dalam LangChain

1
Models
LLM dan model sembang.
2
Prompts
Templat untuk mencipta input berstruktur.
3
Chains
Urutan operasi menggunakan LLM.
4
Agents
Menggunakan alat untuk melaksanakan tindakan.
5
Memory
Mengekalkan sejarah perbualan.
6
Document Loaders
Memuatkan data daripada pelbagai sumber.
7
Text Splitters
Memecahkan dokumen besar.
8
Vector Stores
Menyimpan dan mencari embedding.
9
Retrievers
Mendapatkan dokumen yang relevan.
10
Tools
Berintegrasi dengan API luar, pangkalan data, dsb.
11
Callbacks
Menjejak dan memantau penggunaan token.
12
Output Parsers
Menstrukturkan output LLM.
1.5

LangChain berbanding Panggilan API LLM Terus

AspekPanggilan API LLM TerusLangChain
Kemudahan PenggunaanPelaksanaan manualAbstraksi peringkat tinggi
Pengurusan PromptDitulis terus dalam kodPrompt template dan chain
Pengendalian DokumenPelaksanaan tersuaiDocument loader dan splitter terbina dalam
Integrasi Vector StoreIntegrasi manualSokongan terus (FAISS, Chroma, dsb.)
Ejen dan AlatRumit untuk dilaksanakanEjen dan integrasi alat terbina dalam
MemoryPengendalian manualModul memory terbina dalam
Sedia PengeluaranLebih usahaKomponen sedia guna