整合大型語言模型能力開發應用程式已成為一股不可阻擋的趨勢, 利用 LangChain 框架可以快速開發讓使用者透過自然語言就能自動化處理任務的應用程式, 大大提高工作效率。LangChain 解決了開發過程中與語言模型溝通必須撰寫大量複雜程式碼的問題, 透過模板機制可以隨時將額外的資訊填補到提示中, 利用工具機制可以讓模型使用我們所撰寫的外部函式, 更提供有許多現成的工具節省開發者重新發明輪子的時間, 還可透過 Agent 機制整合上述功能, 讓你的程式變成自主決策、自動運作的代理機器人。LangChain 還提供有 RAG 機制與串接圖形資料庫的功能, 讓你可以擴展模型知識, 解放限制。 |善用模板化機制彈性增、修提示內容, 讓模型生成正確結果| 客製具有彈性的提示模板, 根據不同情境替換部分提示內容, 讓模型依據提示模板回覆結果。本書會介紹 LangChain 的提示模板機制彈性替換部分提示內容的方式, 也會展示在模板中嵌入函式替換即時時間, 讓模型知道現在的時空背景。 |深入輸出內容解析器 | 輸出內容解析器可以讓模型以指定格式的資料結構傳回結果, 不論是 JSON、Dict、CSV、List 等都能要求模型將結果以指定格式傳回, 方便程式進行後續的處理。 |LCEL 表達式全解析| LCEL 表達式是 LangChain 獨有的語法, 可以使用表達式串接個別元件加速開發, 本書將會帶大家了解 LCEL 的概念與用法, 比較不使用 LCEL 與使用 LCEL 的差別, 以及各種 LCEL 便利的功能。 |使用工具幫模型加上外掛| 透過工具機制串接外部函式幫語言模型增加功能, 如：網路搜尋、天氣資料查詢等等, 同時善用 LangChain 內建提供的多種工具, 例如:DuckDuckGO Search、YouTube 等等節省開發時間。 |深入理解 Agent 機制開發代理程式| 代理是可以自主決策執行流程的元件, 還可以整合對話紀錄、網路搜尋、向量資料庫、程式函式、文字生圖等等功能, 成為實作 AI 的基石。本書會帶大家深度了解代理的運作原理以及使用方式。 |利用 RAG 擷取各種格式檔案內容擴展語言模型知識| 使用 LangChain 的好
