Week of 3/4(2024) LangChain Release Notes
✂️ 抽出のユースケース
LLM の主な使用例の 1 つは、非構造化テキストから構造化データを抽出することです。これを最大限にサポートするために、LangChain に多くの機能を追加しました。また、このユースケースのためのより高レベルのエンドツーエンド ガイドも追加しました。
構造化データを簡単に取得できるようにするwith_structured_outputメソッドを言語モデルに追加しました。
また、明示的に抽出を目的としたリポジトリも追加しました。抽出エンドポイントを作成し、そこを通じてドキュメントを実行するサービスを公開します。
抽出に関する詳細なブログ投稿はこちらからご覧ください。
🦜 オープンソースのLangGraph
過去数週間にわたって、LangGraph に多くの改良を加えてきました。
作成されたグラフの自動レンダリング。これはコミュニティからの要望が多かった機能です。作成したグラフを ASCII と PNG の両方で視覚化できるようになりました。これにより、より複雑なグラフを非常に簡単に理解できるようになります。
条件付きエントリポイント。これにより、グラフへの入力方法を制御するロジックを定義できます。この関数はグラフが呼び出されるとすぐに実行され、出力に応じて下流の特定のノードにルーティングされます。
Executor を呼び出す事前構築済みツール。OpenAI ツール呼び出し機能を使用する、既製の事前構築済みグラフ。これにより、共通エージェントの使用を簡単に開始できるようになります
📹 YouTube ビデオを見逃した場合に
最近リリースした YouTube ビデオをいくつかご紹介しますので、ぜひご覧ください。
自己修正コーディング アシスタントの構築。LangGraph を使用すると、さまざまなサイクルと意思決定ポイントを備えたフローを簡単に設計できます。このビデオでは、AlphaCodium の論文からの最近のアイデアを LangGraph に実装して、コーディング アシスタントをゼロから構築する方法を示します。
langchain-airbyte を使用したユニバーサル ドキュメント ローダー。ドキュメントの読み込みは、RAG パイプライン作成の最初のステップです。多くの場合、さまざまなソースへの接続が必要になります。Airbyte の最近のリリースがこれに役立ちます。
RAPTOR を使用して長いコンテキスト RAG を構築します。RAPTOR ( Sarthi et al ) は、新しいインデックス付け戦略です。ドキュメントがクラスター化され、クラスターが要約されて、類似したドキュメント全体にわたるより高いレベルの情報が取得されます。
🤝コミュニティから
LangSmith: LLM Ops の画期的な進歩。 AI Accelera の LangSmith に焦点を当てたこの 15 部構成のシリーズをご覧ください。
困惑にヒントを得た回答エンジンを構築します。Groq、Mistral、LangChain、Brave、OpenAI 埋め込みを利用した独自の AI 検索エンジンを作成します。リポジトリはこちら、開発者ダイジェストによるYouTube チュートリアルはこちら。
Python を使用して MySQL データベースとチャットする | ラングチェーンのチュートリアル。Alejandro AO によるこのチュートリアルで、Python と LangChain を使用して MySQL データベースと対話する方法を学びましょう。
LangGraph: AI エージェント ワークフローのための直感的なフレームワーク。Mario Bonilla による LangGraph のレビューをお読みください。
この記事が気に入ったらサポートをしてみませんか？