LangChain — это фреймворк для разработки приложений с использованием больших языковых моделей, предоставляющий инструменты для создания агентов, работы с векторными хранилищами и прочего. Основной его интерфейс – `Runnable`, поддерживающий методы `invoke`, `batch`, и `stream` (и их асинхронные версии).
Ключевой особенностью LangChain является язык выражений LangChain (LCEL), позволяющий строить цепочки обработки данных, где выход одного этапа становится входом для следующего. Цепочки могут быть созданы с использованием `RunnableSequence`, оператора `|` или метода `.pipe()`. `RunnableParallel` позволяет запускать несколько этапов параллельно, передавая входные данные всем элементам. LCEL автоматически преобразует Python-функции в `RunnableLambda`, облегчая интеграцию кода.
В LangChain важна работа с `Messages` (сообщениями), которые передаются языковым моделям, и `Prompt Templates` (шаблонами подсказок), служащими для форматирования запросов к моделям. Шаблоны бывают нескольких видов, включая `StringPromptTemplate` для простых строк и `ChatPromptTemplate` для форматирования диалогов. `MessagesPlaceholder` используется для вставки списка сообщений.
Языковые модели в LangChain вызываются через интерфейс `BaseLanguageModel`, который является `Runnable`, что позволяет использовать методы, такие как `invoke`. Для работы с моделями Hugging Face используется пакет `langchain-huggingface`. Можно загружать модели локально через `HuggingFacePipeline` или использовать serverless API через `HuggingFaceEndpoint`. Цепочки `prompt | model` объединяют форматированный промпт с языковой моделью. Дополнительные методы, такие как `with_retry`, `with_fallbacks`, `bind`, `RunnablePassthrough` и `assing` расширяют возможности по обработке данных и добавлению новых параметров.
Изображение носит иллюстративный характер
Ключевой особенностью LangChain является язык выражений LangChain (LCEL), позволяющий строить цепочки обработки данных, где выход одного этапа становится входом для следующего. Цепочки могут быть созданы с использованием `RunnableSequence`, оператора `|` или метода `.pipe()`. `RunnableParallel` позволяет запускать несколько этапов параллельно, передавая входные данные всем элементам. LCEL автоматически преобразует Python-функции в `RunnableLambda`, облегчая интеграцию кода.
В LangChain важна работа с `Messages` (сообщениями), которые передаются языковым моделям, и `Prompt Templates` (шаблонами подсказок), служащими для форматирования запросов к моделям. Шаблоны бывают нескольких видов, включая `StringPromptTemplate` для простых строк и `ChatPromptTemplate` для форматирования диалогов. `MessagesPlaceholder` используется для вставки списка сообщений.
Языковые модели в LangChain вызываются через интерфейс `BaseLanguageModel`, который является `Runnable`, что позволяет использовать методы, такие как `invoke`. Для работы с моделями Hugging Face используется пакет `langchain-huggingface`. Можно загружать модели локально через `HuggingFacePipeline` или использовать serverless API через `HuggingFaceEndpoint`. Цепочки `prompt | model` объединяют форматированный промпт с языковой моделью. Дополнительные методы, такие как `with_retry`, `with_fallbacks`, `bind`, `RunnablePassthrough` и `assing` расширяют возможности по обработке данных и добавлению новых параметров.
