or
Ця вправа є частиною курсу
Ласкаво просимо до фреймворку LangChain для створення застосунків на LLM! Ви дізнаєтеся про головні компоненти LangChain: моделі, ланцюжки, агентів, підказки (prompts) та парсери. Ви створите чатботів із використанням як відкритих моделей із Hugging Face, так і пропрієтарних моделей від OpenAI, створите шаблони підказок і інтегруєте різні стратегії пам'яті чатбота, щоб керувати контекстом і ресурсами під час розмов.
Час підвищити рівень ваших ланцюжків у LangChain! Ви навчитеся використовувати LangChain Expression Language (LCEL) для гнучкішого визначення ланцюжків. Ви створите послідовні ланцюжки, у яких вхідні дані передаються між компонентами, щоб будувати складніші застосунки. Також ви почнете інтегрувати агентів, які використовують LLM для ухвалення рішень.
Одне з обмежень LLM — наявність межі актуальності знань, адже моделі навчаються на даних до певного моменту. У цьому розділі ви навчитеся створювати застосунки, що використовують Retrieval Augmented Generation (RAG) для поєднання зовнішніх даних з LLM. Робочий процес RAG містить кілька етапів: розбиття даних, створення та збереження вбудов (embeddings) у векторній базі даних, а також отримання найбільш релевантної інформації для використання в застосунку. Ви опanuєте весь цей процес від початку до кінця!
Поточна вправа