Langchain Kullanarak Nasıl Uygulama Geliştirilir?

Langchain’in modelleri, promptları ve parser’ları; Prompt şablonları, hafızaları, zincirleri, soru-cevap’ları, çıktı değerlendirmeleri, ajanları ve daha fazlası örnek kodlarla sizlerle.

[https://blog.streamlit.io/langchain-tutorial-1-build-an-llm-powered-app-in-18-lines-of-code/]

For English:

How to Develop Applications Using Langchain?

Erişim İçin: https://cbarkinozer.medium.com/langchain-kullanarak-llm-uygulamalar%C4%B1-nas%C4%B1l-geli%C5%9Ftirilir-d4789f07cfef?source=friends_link&sk=add31218a1f24a7ad335df5b18b9eb51

Giriş

Prompt mühendisliği kullanarak AI uygulamalarını çok daha hızlı geliştirebiliriz, ancak bu yaklaşım çok fazla birleştirici kod kullanımına ihtiyaç duyar. Harrison Chase tarafından oluşturulan Langchain, süreci çok daha kolaylaştırıyor.

• Lanchain, LLM uygulamaları oluşturmak için açık kaynaklı bir çerçevedir.
• Python ve Javascript(Typescript) paketleri vardır.
• Kompozeliğe ve modülerliğe odaklanır.
• Anahtar faydaları: Modüler bileşenleri vardır, bileşenleri birleştirmenin yaygın yolları vardır.

Bu eğitimde Lanchain’in popüler bileşenlerini göreceğiz, bunlar:

• Modeller: 20+ LLM entegrasyonu, sohbet modelleri, 10+ metin gömme modelleri. 3 tür model bulunmaktadır bunlar LLM’ler, Sohbet modelleri ve Metin gömme modelleridir.

Bazı popüler LangChain modelleri:

AI21        
Aleph Alpha 
AnyScale    
Aviary      
Azure OpenAI
Banana      
Beam   
Bedrock  
Cerebrum AI 
Cohere   
C Transformers
Databricks 
DeepInfra
ForefrontAI
Google Cloud Platform Vertex AI PaLM
GooseAI 
GPT4All 
Huggingface Hub
HuggingFace pipeline
Huggingface TextGen Inference
Jsonformer
Lama-cpp
Manifest 
Modal 
MosaicML 
NLP Cloud 
OpenAI 
OpenLM 
Petals 
PipelineAI 
Predict Guard
PromptLayer OpenAI
ReLLM  
Replicate
Runhouse
SageMaker Endpoint
StochasticAI
Writer

• Promptlar: Prompt şablonları, çıktı parser’ları(tekrar deneme/düzeltme mantığı), örnek seçiciler: 5+ uygulama.
• İndeksler: 50+ doküman yükleyici…