![見出し画像](https://assets.st-note.com/production/uploads/images/137877584/rectangle_large_type_2_47f43e9d2c5e6c0e8bb9fb0be195ebd5.jpeg?width=1200)
Week of 4/15(2024) LangChain Release Notes
この記事は、2024/4/15 LangChainリリースノートの邦訳です。
🤓 評価
ユーザーからは、アプリケーション ロジックの変更によって、関心のある定量的 (レイテンシー、コスト) および定性的指標がどのように変化するのかを特定することについては、まだ分からないという声が寄せられています。ラングスミスがお手伝いします! LangSmith Experimentations がアプリケーションを改善し、回帰を特定し、遅延、コスト、品質の間でトレードオフを行うための構造化されたワークフローをどのように提供できるかを示す新しいビデオ シリーズをリリースしました。
🦜🔗 LangChain の新機能
標準化されたツール呼び出し: あらゆるツール呼び出しモデルで動作するエージェントを作成できるようになりました。新しい標準化されたツール呼び出しインターフェイスを使用すると、さまざまな LLM プロバイダーをより簡単に切り替えることができ、時間と労力を節約できます。詳細については、ビデオウォークスルーとブログをご覧ください。
ドキュメントの改善:探している情報やユースケースを見つけやすくするために、コンテンツを再編成して整理しました。やるべきことがたくさんあるとのことですが、私たちは 🐍 Python ドキュメントと、まもなく TypeScript ドキュメントに多大な投資を行っています。アイデアがある場合、または支援したい場合は、このメールに返信してください。
🦜🛠️ ラングスミスの新機能
🥳LangSmith は SOC2 Type 1 認定を取得しました:セキュリティとコンプライアンスは、私たちにとって、そして増え続ける企業顧客のリストにとって重要です。現在、SOC2 タイプ 2 の観察期間中であり、今後数か月以内に完了したら報告します。
本番環境の監視と自動化: AI アプリケーションを本番環境に出荷したら、大変な作業が始まります。このビデオ シリーズでは、アプリケーションを監視し、オンライン評価、データセット構築、アラートの自動化を設定する方法を説明します。実稼働データとユーザーからのフィードバックは、アプリケーションを改善するための基礎となります。その方法については、ブログで説明します。
🧠 より良いRAG
RAG From Scratchシリーズでは、重要な RAG の概念をコード付きの短いビデオで詳しく説明しています。最近、さらに 2 つのコンセプトをリリースしました。
RAPTOR によるインデックス作成: RAPTOR に関するこのビデオで階層型インデックス作成の詳細を学びましょう。RAPTOR は、RAG システムにおける低レベルと高レベルの両方のユーザーの質問を処理するという課題に取り組んでいる論文です。
フィードバック + 内省: RAG システムは、低品質の検索や幻覚に悩まされる可能性があります。このビデオでは、LangGraph を使用してチェックとフィードバックを調整し、より信頼性の高いパフォーマンスを実現するフロー エンジニアリングの概念を紹介します。
👀 LangChain を見逃した場合に備えて
🔁 DSPy による LLM システムの最適化 – ウェビナー:複雑な LLM システムを改善するために迅速なエンジニアリングに依存すると、時間がかかる場合があります。 DSPy は自動評価を使用してこれらのシステムの最適化を支援しており、私たちはこれらの技術を LangChain の製品スイートに組み込み始めています。当社 CEO の Harrison Chase と DSPy Omar Khattab の作成者によるこのウェビナーのリプレイで詳細をご覧ください。
💻 Cohere の新しい Command-R+ を使用した Adaptive RAG: Adaptive-RAG は、クエリ分析と反復応答構築を組み合わせて、さまざまな複雑さのクエリを処理する最近の論文です。このビデオを見て、LangGraph を使用してこれらのアイデアをゼロから実装する様子をご覧ください。ランググラフコード。ReACT エージェント コード。
🎙️📹 Gemini によるオーディオとビデオの構造化抽出: Gemini 1.5 Pro はオーディオとビデオ入力をサポートし、新しいユースケースへの扉を開きます。このビデオでは、LangChain JS/TS を使用して YouTube ビデオとオーディオ クリップの構造化抽出を実行する方法を示します。ドキュメント。
🦜🧑🏫 LangChain を使用して LLM で構築する方法 – 初心者ガイド: freeCodeCampの新しいガイドで、LLM で構築する最新の基礎を学びましょう。 LCEL、ストリーミング、LangSmith トレースなどの使用方法を学びます。これは、始めたばかりの場合に最適なリソースです。
🤝 コミュニティから
DataStax の Jauneet Singh 氏による、 Physics Wallah が LangChain、DataStax Astra DB、Vector Search、RAG を使用して教育に革命を起こす方法。
LangChain チュートリアル: LCEL と Runnables からのチェーンの構成(Karim Lalani 著)。
LangChain、SerpApi、および AutoGPT で自律 AI エージェントを使用して旅行プランナーを構築する(Koyeb の Rishi Raj Jain 氏)。
Seth Hobson による基本ツールと技術ツールを備えた AI 株価分析エージェントを拡張します。
PDF ドキュメント コンテンツの前処理: LangChain および非構造化を使用したローカル LLM RAG ( Andrej Baranovskij 著)。