エージェントに関する説明として正しいものはどれですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
LLMを使ったアプリケーション構築のためのLangChainフレームワークへようこそ。LangChainの主要コンポーネントであるモデル、チェーン、エージェント、プロンプト、パーサーについて学びます。Hugging FaceのオープンソースモデルとOpenAIのプロプライエタリモデルの両方を使ってチャットボットを作成し、プロンプトテンプレートを作成する方法を学びます。また、会話中のコンテキストやリソースを管理するさまざまなチャットボットメモリ戦略を統合する方法も学びます。
LangChainのチェーンをさらに発展させましょう。LangChain Expression Language（LCEL）を使って、より柔軟にチェーンを定義する方法を学びます。コンポーネント間で入力を受け渡す逐次チェーンを作成し、より高度なアプリケーションを構築することになります。また、LLMを意思決定に活用するエージェントの統合についても学び始めます。
現在の演習
LLMの制約のひとつは、特定の時点までのデータで学習されているため、知識に更新の限界があることです。この章では、検索拡張生成（RAG）を使って外部データをLLMと統合するアプリケーションの作成方法を学びます。RAGのワークフローには、データの分割、ベクトルデータベースを使った埋め込みの作成と保存、アプリケーションで使用する最も関連性の高い情報の検索など、いくつかのプロセスが含まれます。ワークフロー全体をマスターしましょう。
