🦜️🔗 ラングチェーン

⚡ コンポーザビリティ⚡による LLM を使用したアプリケーションの構築

生産サポート:LangChainsを本番環境に移行する際には、より包括的なサポートを提供したいと考えています。 このフォームにご記入いただければ、専用のサポートSlackチャンネルを設置いたします。

クイックインストール

pip install langchain

🤔これは、何ですか。

大規模言語モデル(LLM)は、変革をもたらすテクノロジーとして浮上しており、 開発者は、以前はできなかったアプリケーションを構築できます。 しかし、これらのLLMを単独で使用するだけでは、多くの場合、 真に強力なアプリを作成する - 真の力は、それらを他の計算ソースや知識と組み合わせることができるときにもたらされます。

このライブラリは、これらのタイプのアプリケーションの開発を支援することを目的としています。これらのタイプのアプリケーションの一般的な例は次のとおりです。

❓ 特定のドキュメントに対する質問応答

• ドキュメンテーション
• エンドツーエンドの例: 概念データベースを介した質問応答

💬チャットボット

• ドキュメンテーション
• エンドツーエンドの例: チャット言語チェーン

🤖エージェント

• ドキュメンテーション
• エンドツーエンドの例:GPT+ウォルフラムアルファ

📖ドキュメンテーション

以下に関する完全なドキュメントについては、こちらをご覧ください。

• はじめに (インストール、環境のセットアップ、簡単な例)
• ハウツーの例(デモ、統合、ヘルパー関数)
• リファレンス (完全な API ドキュメント)
• リソース (コア概念の高レベルの説明)

🚀これは何に役立ちますか?

LangChainが支援するように設計された6つの主要な領域があります。 これらは、複雑さの大きい順に次のとおりです。

📃LLM とプロンプト:

これには、プロンプト管理、プロンプト最適化、すべての LLM の汎用インターフェース、および LLM を操作するための共通ユーティリティーが含まれます。

🔗鎖：

チェーンは、単一のLLM呼び出しを超え、一連の呼び出しです(LLMまたは別のユーティリティのどちらに対して)。LangChainは、チェーン用の標準インターフェイス、他のツールとの多くの統合、および一般的なアプリケーション用のエンドツーエンドチェーンを提供します。

📚データ拡張生成:

データ拡張生成には、最初に外部データソースと対話して生成ステップで使用するデータをフェッチする特定のタイプのチェーンが含まれます。この例としては、長いテキストの要約や、特定のデータソースに関する質問/回答などがあります。

🤖エージェント：

エージェントは、LLMが実行するアクションを決定し、そのアクションを実行し、オブザベーションを確認し、完了するまでそれを繰り返すことを含みます。LangChainは、エージェントの標準インターフェース、選択できるエージェントの選択、およびエンドツーエンドエージェントの例を提供します。

🧠記憶：

メモリは、チェーン/エージェントの呼び出し間で状態を保持するという概念です。LangChainは、メモリの標準インターフェイス、メモリ実装のコレクション、およびメモリを使用するチェーン/エージェントの例を提供します。

🧐評価：

[ベータ版]生成モデルは、従来のメトリックでは評価が難しいことで有名です。それらを評価するための新しい方法の1つは、言語モデル自体を使用して評価を行うことです。LangChainは、これを支援するためのいくつかのプロンプト/チェーンを提供します。

これらの概念の詳細については、完全なドキュメントを参照してください。

💁貢献

急速に発展している分野のオープンソースプロジェクトとして、私たちは、新機能、インフラの改善、またはより良いドキュメントの形で、貢献に非常にオープンです。

貢献方法の詳細については、こちらをご覧ください。