Week of 9/18(2023) LangChain Release Notes
AI、LLMで有名なLangChain。しかしながらLangChainはまだまだ進化中。定期的に”LangChain Release Notes”が発表されています。これはその ”LangChain Release Notes” の日本語訳です。機械翻訳を使っています。翻訳時にテキストのスタイルが崩れてしまうことがあります。予めご了承ください。原文のRelease Noteには様々なリンクが埋め込まれています。原文へのリンクを貼っていますので、興味を持った箇所は是非原文のページにあたって頂けたらと思います。LangChainの理解の一助となれば幸いです。
ラングスミスの新機能
LangChain Hub の組織サポート:チーム全体でプロンプトを共有し、共同作業します。組織的に承認されたプロンプトを LangChain コードに簡単に取り込みます。
チームとプロンプトで共同作業するために LangSmith にアクセスする必要がありますか? このフォームに記入してください。
折りたたみ可能なトレース:エラーを簡単にナビゲートできるようになります (特に長時間実行の場合)。
新しい料理本:
ハブでの即時追跡。LLM プロンプトのプロトタイプを作成して共有します。RAG チェーン内でこれを使用する方法の例は、ここにあります。
プレイグラウンドから直接編集してコミットします。ブラウザ内でプロトタイピングとデバッグの間を直接移動できます。保存してカスタム チェーン内で使用します。例はこちら。
一貫性のある安定したデプロイメントのためのプロンプト バージョニング:特定のプロンプト バージョンをデプロイしてテストすることで、実験を遅らせることなく本番環境で一貫性を保つことができます。クックブックはこちら。
カスタム実行 (トレース) の名前付け。カスタマイズされたチェーン名を使用すると、トレースのナビゲーションとクエリがより適切になります。クックブックはこちら。
オープンソースの新機能
LCEL でのルーティング:実行内容を柔軟に選択できますが、限られた数の潜在的なパスを制御できます。Python ドキュメント。JS ドキュメント。
ストリーム、バッチ、非同期モデル呼び出し:すべての OpenAI、Anthropic、Azure OpenAI、AWS Bedrock、Google VertexAI LLM とチャット モデルでは、可能な限りストリーミング、バッチ、非同期呼び出しのネイティブ サポートを利用できるようになりました。モデル統合ごとの完全な機能リストを確認するには、「LLMとチャット モデル」を参照してください。
OpenAI InstructGPT 3.5 モデル: LangChain での使用は非常に簡単です。OpenAI クラスで新しいモデル gpt-3.5-turbo-instruct を指定するだけです (ChatMessage 形式ではない「古い」プロンプトを使用することをお勧めします)。
新しい要約手法である密度の連鎖は、Anthropic でも機能します。5つの要約を繰り返し生成し、それぞれが以前のものよりも密度が高く、より有益です。Victor Mota による素晴らしい概要スレッドはこちら。こちらのPrompt Hub でお試しください。
カスタマイズ可能なエージェント:デフォルトのエージェントではプロトタイプを簡単に作成できますが、運用環境のエージェントではさらにカスタマイズが必要です。そこで、LangChain 式言語とハブからのプロンプトを使用して 8 つのエージェント タイプすべてを書き直し、よりモジュール化され、理解しやすくなり、よりカスタマイズしやすくなりました。(更新) ドキュメントはこちら。
見逃した場合に備えて
LangSmith ウェビナーによる LLM のデプロイからの教訓: LLM アプリを運用環境に導入するための実際の取り組みについて、 DocugamiとRechatと話し合いましたここに記録します。さらに詳しい情報を記載したフォローアップ投稿はこちらです。
@pelaseyedによるSuperagent Deepdive ウェビナー: Superagent は、LLM エージェント (LangChain/LangSmith 上に構築) を構築、展開、管理するためのプラットフォームです。私たちはその背後にあるテクノロジーを詳しく調査しました。ここに記録します。
LangChain、OpenAI、および Hex を使用した Text to SQL チャットボットの構築: @HardKothari の素晴らしい要約スレッドはこちら。アプリ (16 進数)はこちら。トーク録音は近日公開予定です。
CommandbarのLangSmith を使用して AI 意思決定の魂を見つめる: LLM アプリを実稼働環境に移行するプロセスを段階的に説明しており、多くのヒントとベスト プラクティスが含まれています
電子ブック「Intro to LLMs for Enterprises」 : LLM とは何か、LLM で何ができるのか、そのパフォーマンスに自信をもつ方法について包括的に概要を説明します。
DataScience Dojo の言語モデル ブートキャンプ: LLM を使用した構築を学習するための包括的な実践的な有料コース。
近日公開
ウェビナー
言語エージェントのための認知アーキテクチャ ウェビナー [10/4] : Harrison Chase (LangChain)、Charles Frye (The Full Stack、prev. Weights & Biases)、Ted Sumers (プリンストン)、Shunyu Yao (プリンストン) が、次の最近の論文について議論します。 CoALA (言語エージェントのための認知アーキテクチャ) とエージェントを使用した構築の影響
LLM アプリケーションのデータ プライバシー ウェビナー [10/12] :プライバシーを犠牲にすることなく独自のデータや機密データを使用する方法について、 DeepsenseAIおよびOpaqueとの会話を開催します
ハッカソン
TED AI ハッカソン キックオフ [10 月 14 日]: beset LLM アプリに賞品を提供します! ハッカソンの詳細については、こちらで開始するためのプロジェクトのアイデアやリソースを確認してください。
カンファレンス
LangChain の共同創設者兼 CEO である Harrison Chase は、LangChain を使用したコンテキスト認識推論アプリケーションの構築について次の場所で話しています。
AIエンジニアサミット[10/8-10]
IAサミット[10/10-11]
TED AI [10/17-18]
LangChain Hub のお気に入りのプロンプト
antoniogoncによる交渉戦略レポート:役立つ AI 調達および調達副操縦士
gitmaxdによる AI パーソナリティ インジェクションを使用した Q/A ペア トレーニング データの生成:非常に詳細なプロンプト。質問/回答ペアの例が頻繁に必要になる RAG システムの評価を行う場合に特に役立ちます
Hard Kothariによるブログ ジェネレーター:特定の対象読者向けに、指定されたテキストからブログ記事を生成します。
@vimotaによる密度要約の連鎖:特定の記事で新しいプロンプト戦術を探索する方法で、バニラ GPT-4 と比較して、より密度が高く人間にとって好ましい要約を生成します。
Assumption Checker by smithing-gold :ユーザーのクエリで仮定が行われているかどうかを確認し、ユーザーの主張の誤りを暴くためのフォローアップの質問を提供します。
smith.langchain.com/hub でその他のプロンプトを調べてください。チームとプロンプトで共同作業するために LangSmith に早期にアクセスする必要がある場合は、このフォームに記入してください。
ラングチェーンで作られています
langchain.com/inspire は、LangChain で構築されたお気に入りのアプリケーションの新しいギャラリーです。以下サンプリング。
ラングデュエルは、LLM を利用した歴史上の 2 人の哲学者の対話で、どちらの信念が優先されるかを確認します。
RealChar は、 AI キャラクター/コンパニオンを作成、カスタマイズし、対話するための完全にオープン ソースのコードベースです。どこにいても AI コンパニオンと自然なリアルタイム会話を楽しめます。
Tavern は、何百もの Google Drive & Notion ドキュメント、スプレッドシート、プレゼンテーションを含む ChatGPT です。
PTAI は、あなたとあなたのリクエストに合わせてパーソナライズされた演習を生成します。
Bloom は、メタ認知プロンプトを使用して、時間の経過とともにますますパーソナライズされた UX を実現する、LangChain を利用した学習コンパニオンです。LLM の心の能力に関する創発理論を活用して、学習者と団結し、学習者がいる場所で学習者に対応します。