Bienvenue dans le cadre LangChain pour créer des applications avec des LLMs ! Vous apprendrez les principaux composants de LangChain, dont les modèles, chaînes, agents, invites et analyseurs. Vous créerez des assistants conversationnels à l'aide de modèles ouverts de Hugging Face et de modèles propriétaires d'OpenAI, vous concevrez des gabarits d'invite et vous intégrerez différentes stratégies de mémoire d'assistant pour gérer le contexte et les ressources pendant les conversations.

L'écosystème de LangChain

Les modèles OpenAI dans LangChain!

Des modèles Hugging Face dans LangChain!

Modèles d'invite

Gabarits d'invite et chaînage

Gabarits d'invite pour clavardage

Invite de type few-shot

Créer l'ensemble d'exemples few-shot

Créer le g gabarit de sollicitation few-shot

Mettre en œuvre le few-shot prompting

Introduction à LangChain et à la mécanique des assistants conversationnels

Il est temps d'élever vos chaînes LangChain ! Vous apprendrez à utiliser le LangChain Expression Language (LCEL) pour définir des chaînes plus flexibles. Vous créerez des chaînes séquentielles, où les entrées sont transmises entre composants pour bâtir des applications plus avancées. Vous commencerez aussi à intégrer des agents, qui utilisent des LLMs pour la prise de décision.

Chaînes séquentielles

Créer des invites pour des chaînes séquentielles

Chaînes séquentielles avec LCEL

Introduction aux agents LangChain

Qu'est-ce qu'un agent ?

Agents ReAct

Outils personnalisés pour les agents

Définir une fonction pour l'utilisation d'un outil

Créer des outils personnalisés

Intégrer des outils personnalisés aux agents

Chaînes et agents

Une limite des LLMs est leur date de connaissance, puisqu'ils sont entraînés sur des données jusqu'à un certain moment. Dans ce chapitre, vous apprendrez à créer des applications qui utilisent la génération augmentée par la recherche (RAG) pour intégrer des données externes aux LLMs. Le flux de travail RAG comporte plusieurs étapes, dont le découpage des données, la création et l'entreposage des plongements à l'aide d'une base de données vectorielle, puis la récupération des informations les plus pertinentes pour l'application. Vous apprendrez à maîtriser l'ensemble du flux de travail !

Intégrer des chargeurs de documents

Chargeurs de documents PDF

Chargeurs de documents CSV

Chargeurs de documents HTML

Fractionner les données externes pour la recherche

Découpage par caractère

Découpage récursif par caractère

Découper du HTML

Stockage et recherche RAG à l'aide de bases de données vectorielles

Préparer les documents et la base vectorielle

Créer un gabarit d'invite pour la recherche

Créer une chaîne RAG

En résumé !

Génération augmentée par la recherche (RAG)

Révolutionnez vos applications en tirant parti de la puissance du cadre LangChain pour créer des applications fondées sur des grands modèles de langage (LLMs) ! L'un des grands défis du développement à l'ère de l'IA générative consiste à intégrer, dans une seule application, des modèles, des sources de données, des invites et d'autres composants provenant de divers fournisseurs. Le cadre LangChain offre une syntaxe unique et unifiée pour assembler toutes ces pièces et intégrer plus facilement des LLMs à vos projets. Que vous soyez un développeur chevronné ou que vous commenciez tout juste, ce cours vous donnera les connaissances et les compétences pour bâtir des applications dynamiques et intelligentes qui exploitent tout le potentiel de LangChain. Joignez-vous à nous dans cette aventure et redéfinissez votre façon de créer des applications propulsées par des modèles de langage.

Les vidéos contiennent des transcriptions en direct que vous pouvez afficher en cliquant sur « Show transcript » dans le coin inférieur gauche des vidéos.
Le glossaire du cours se trouve à droite, dans la section des ressources.
Pour obtenir des crédits CPE, vous devez terminer le cours et obtenir une note de 70 % à l'évaluation admissible. Vous pouvez accéder à l'évaluation en cliquant sur l'encadré des crédits CPE à droite.

<h2>Fondements pour développer dans l’écosystème LangChain</h2>
Augmentez votre boîte à outils LLM avec l’écosystème de LangChain, permettant une intégration fluide avec les modèles OpenAI et Hugging Face.  Découvrez un cadre open source qui optimise les applications du monde réel et vous permet de créer des systèmes de recherche d’information sophistiqués, uniques à votre cas d’utilisation.<br><br>
<h2>Méthodologies de création de chatbots avec LangChain</h2>
Utilisez les outils LangChain pour développer des chatbots, en comparant les nuances entre les modèles open source de HuggingFace et les modèles fermés d’OpenAI. Utilisez des modèles d’invite pour des conversations complexes, en posant les bases du développement avancé de chatbots.<br><br>
<h2>Gestion des données et génération augmentée par récupération (RAG) avec LangChain</h2>
Maîtrisez la tokenisation et les bases de données vectorielles pour optimiser la récupération des données, et enrichissez les interactions avec les chatbots grâce à une vaste quantité d’informations externes.  Utilisez les fonctions de mémoire RAG pour optimiser divers cas d’utilisation.<br><br>
<h2>Intégrations avancées de chaînes, d’outils et d’agents</h2>
Utilisez la puissance des chaînes, des outils, des agents, des API et de la prise de décision intelligente pour gérer des cas d’utilisation complets de bout en bout ainsi que le traitement avancé des sorties des LLM.<br><br>
<h2>Débogage et métriques de performance</h2>
Enfin, devenez compétent en débogage, en optimisation et en évaluation des performances, afin de vous assurer que vos chatbots sont conçus pour la gestion des erreurs.  Ajoutez des couches de transparence pour le dépannage.

Introduction to Embeddings with the OpenAI API

Prompt Engineering with the OpenAI API

Découvrez comment créer des applications IA avec LLMs, invites, chaînes et agents dans LangChain.

Développer des applications LLM avec LangChain

Découvrez comment créer des applications propulsées par l’IA avec des LLMs, des prompts, des chaînes et des agents dans LangChain.

Ingénieur IA associé pour développeurs

Développer des applications d’IA

Développer des applications avec LangChain

Qu'est-ce qu'un agent ?

Développer des applications LLM avec LangChain

Exercice interactif pratique