Witaj w świecie frameworka LangChain do budowania aplikacji na bazie modeli LLM! Poznasz główne komponenty LangChain: modele, łańcuchy, agenty, prompty i parsery. Stworzysz chatboty z użyciem modeli open-source z Hugging Face oraz modeli komercyjnych od OpenAI, nauczysz się tworzyć szablony promptów i integrować różne strategie pamięci chatbota, aby zarządzać kontekstem i zasobami podczas rozmów.

Ekosystem LangChain

Modele OpenAI w LangChain!

Modele Hugging Face w LangChain!

Szablony promptów

Szablony promptów i łańcuchy

Szablony promptów czatu

Prompting z przykładami (few-shot prompting)

Tworzenie zbioru przykładów do few-shot prompting

Budowanie szablonu promptu few-shot

Implementacja promptowania few-shot

Wprowadzenie do LangChain i mechaniki chatbotów

Czas przenieść swoje łańcuchy LangChain na wyższy poziom! Nauczysz się korzystać z LangChain Expression Language (LCEL) do elastycznego definiowania łańcuchów. Stworzysz łańcuchy sekwencyjne, w których dane przekazywane są między komponentami, umożliwiając budowanie bardziej zaawansowanych aplikacji. Zaczniesz też integrować agenty, które wykorzystują modele LLM do podejmowania decyzji.

Łańcuchy sekwencyjne

Tworzenie promptów do łańcuchów sekwencyjnych

Sekwencyjne łańcuchy z LCEL

Wprowadzenie do agentów LangChain

Czym jest agent?

Agenty ReAct

Własne narzędzia dla agentów

Definiowanie funkcji do użycia jako narzędzie

Tworzenie własnych narzędzi

Integracja własnych narzędzi z agentami

Łańcuchy i agenty

Jednym z ograniczeń modeli LLM jest to, że ich wiedza ma określoną datę graniczną – są trenowane na danych zebranych do pewnego momentu. W tym rozdziale nauczysz się tworzyć aplikacje wykorzystujące Retrieval Augmented Generation (RAG) do integrowania zewnętrznych danych z modelami LLM. Przepływ pracy RAG obejmuje kilka procesów: dzielenie danych, tworzenie i przechowywanie osadzeń w wektorowej bazie danych oraz pobieranie najbardziej trafnych informacji do użycia w aplikacji. Opanujesz cały ten proces!

Integrowanie wczytywania dokumentów

Wczytywanie dokumentów PDF

Wczytywanie dokumentów CSV

Loadery dokumentów HTML

Podział danych zewnętrznych na potrzeby wyszukiwania

Podział według znaku

Rekurencyjne dzielenie według znaków

Dzielenie HTML

Przechowywanie i pobieranie danych w RAG z użyciem wektorowych baz danych

Przygotowanie dokumentów i wektorowej bazy danych

Tworzenie szablonu promptu do wyszukiwania

Tworzenie łańcucha RAG

Podsumowanie!

Retrieval Augmented Generation (RAG)

Wykorzystaj możliwości frameworka LangChain do tworzenia aplikacji opartych na dużych modelach językowych (LLM)! Jednym z głównych wyzwań przy budowaniu aplikacji w dobie generatywnej sztucznej inteligencji jest łączenie modeli, źródeł danych, promptów i innych komponentów od różnych dostawców w jednej aplikacji. Framework LangChain oferuje spójną, ujednoliconą składnię, która pozwala połączyć wszystkie te elementy i płynnie integrować modele LLM z projektami. Niezależnie od tego, czy masz już doświadczenie w programowaniu, czy dopiero zaczynasz – ten kurs wyposaży cię w wiedzę i umiejętności potrzebne do budowania dynamicznych i inteligentnych aplikacji z wykorzystaniem LangChain. Zacznij tworzyć aplikacje nowej generacji, napędzane przez modele językowe.

Filmy zawierają transkrypcje na żywo – możesz je wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu.
Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów.
Aby uzyskać punkty CPE, musisz ukończyć kurs i osiągnąć wynik co najmniej 70% w kwalifikowanym teście. Możesz przejść do testu, klikając informację o punktach CPE po prawej stronie.

<h2>Podstawy tworzenia w ekosystemie LangChain</h2>
Rozszerz swój zestaw narzędzi do LLM dzięki ekosystemowi LangChain, umożliwiając płynną integrację z modelami OpenAI i Hugging Face.  Odkryj framework open source, który optymalizuje rzeczywiste aplikacje i pozwala tworzyć zaawansowane systemy wyszukiwania informacji, dopasowane do Twojego konkretnego przypadku użycia.<br><br>
<h2>Metody tworzenia chatbotów z użyciem LangChain</h2>
Wykorzystaj narzędzia LangChain do tworzenia chatbotów, porównując niuanse między otwartoźródłowymi modelami HuggingFace a zamkniętymi modelami OpenAI. Wykorzystuj szablony promptów do złożonych rozmów, tworząc fundament pod zaawansowany rozwój chatbotów.<br><br>
<h2>Obsługa danych i generowanie wspomagane wyszukiwaniem (RAG) z użyciem LangChain</h2>
Opanuj tokenizację i bazy wektorowe, aby zoptymalizować wyszukiwanie danych i wzbogacić interakcje z chatbotem o bogactwo zewnętrznych informacji.  Wykorzystaj funkcje pamięci RAG, aby zoptymalizować różnorodne zastosowania.<br><br>
<h2>Zaawansowane integracje łańcuchów, narzędzi i agentów</h2>
Wykorzystaj moc łańcuchów, narzędzi, agentów, API i inteligentnego podejmowania decyzji, aby obsługiwać pełne przypadki użycia end-to-end oraz zaawansowaną obsługę wyników LLM.<br><br>
<h2>Debugowanie i metryki wydajności</h2>
Wreszcie opanuj debugowanie, optymalizację i ocenę wydajności, aby Twoje chatboty były tworzone z myślą o obsłudze błędów.  Dodaj warstwy przejrzystości, aby ułatwić rozwiązywanie problemów.

Introduction to Embeddings with the OpenAI API

Prompt Engineering with the OpenAI API

Odkryj, jak tworzyć aplikacje AI z LLM, promptami, łańcuchami i agentami w LangChain.

Tworzenie aplikacji LLM z LangChain

Odkryj, jak tworzyć aplikacje z AI, używając LLMs, promptów, łańcuchów i agentów w LangChain.

Inżynier AI Associate dla programistów

Tworzenie aplikacji AI

Tworzenie aplikacji z LangChain

Czym jest agent?

Tworzenie aplikacji LLM z LangChain

Interaktywne ćwiczenie praktyczne