前言

這系列是根據官網的教學做一點修改，修改成我可能會使用到的版本。

不過因為內容很多，所以大概會花個四五天把langchain ,

laingraph 跟 langsmith 的範例都修改成自己的版本，並貼出。

這個是 LangChain 官方的文件教學，可以大概從這邊對 LangChain 有個整體概念。

之後就是跑一遍官網裡的教學程式碼，並改成自己需要的版本。

不過這大概出不了書，畢竟是官方網站的範例修改而已。

其他有特定需求的，例如只想實作一兩個功能並整合到自己應用或工作中的，

可以這樣做。

0.找到可能符合自己需求的方法 -> 1.運行 -> 2.不斷修改到符合自己的需求 ->

3.不行的話再從網路上找，可以的話進行整合。

Introduction

LangChain是用於開發由大型語言模型（LLM）支援的應用程式的框架。

LangChain簡化了LLM申請生命週期的每個階段：

開發：使用LangChain的開源建置區塊、元件和第三方整合套件來建立您的應用程式。使用LangGraph建立具有一流的流程和可人機互動支援的有狀態 Agent。
產品化： 透過 LangSmith 檢測、監控和評估您的langchain Agent，實現持續優化，安心的部署。
部署： 可使用 LangGraph Cloud 將您的 LangGraph 應用轉變為可立即投入生產環境的 API 和助手。

具體而言，這個框架由以下開源庫組成：

• langchain-core：提供基礎抽象和LangChain表達式語言。
• langchain-community：第三方集成庫。
• 合作夥伴套件（如 langchain-openai、langchain-anthropic 等）：部分集成已進一步拆分為僅依賴於 langchain-core 的輕量級套件。
• langchain：包括應用程序認知架構中的鏈條、代理和檢索策略。
• LangGraph：通過將步驟建模為圖中的邊和節點，構建穩健且具有狀態的多角色應用程序，與 LangChain 無縫集成，但也可以獨立使用。
• LangServe：將 LangChain 鏈部署為 REST API。
• LangSmith：開發者平台，讓你能夠調試、測試、評估和監控 LLM 應用程序。

相關的langchain 教學 程式碼會在之後幾天貼出，因為我想一個帖子一個主題，所以之後可能會一天多個帖子。

目錄:

Langchain:

1. 介紹:

2. 教學:

   1. 基礎：

      1. 使用 LCEL 建立簡單的 LLM 應用
      2. 建構一個聊天機器人
      3. 建立向量儲存和檢索器
      4. 建立 Agent

   2. 將外部資訊導入到 Agent 的運作中
      5. 建立檢索增強生成 (RAG) 應用程式
      6. 建立會話式 RAG 應用程式
      7. 基於 SQL 資料建構問答系統
      8. 建構查詢分析系統
      9. 建立本地 RAG 應用程式
      10. 透過圖形資料庫建立問答應用程式
      11. 建構 PDF 攝取和問答系統

   3. 特定的任務或功能
      12. 建構抽取資料的方法
      13. 產生合成資料
      14. 將文字用標籤分類
      15. 總結文本

LangGraph:

1. 快速入門:

2. 聊天機器人:

   1. 客戶支持機器人
   2. 根據使用者需求產生 prompt
   3. 程式碼助手

3. RAG:
   4.自適應 RAG
   5.使用本地的LLM進行自適應 RAG
   6.自主檢索 RAG（Agentic RAG)
   7.自修正 RAG(Corrective RAG)
   8. 使用本地的LLM進行自修正 RAG
   9.自我詢問RAG(Self-RAG)
   10.使用本地的LLM自我詢問RAG(Self-RAG)
   11.SQL Agent

4. Agent 架構:

   1. 多 Agent系統:
      12. 兩個Agent的協作
      13. 監督
      14. 分層團隊
      2.規劃型Agent:
      15. 規劃與執行
      16. 無觀察執行
      17. LLMCompiler
      3.反思與批評:
      18.基本反思
      19.反思
      20.語言 Agent 樹搜尋
      21.自主發現代理

5. 評估與分析:
   22. 基於代理的評估
   23. 在LangSmith中的評估

6. 實驗性項目:
   24. 網路搜索Agent（STORM）
   25. TNT-LLM
   26. Web導航 Agent
   27. 競賽中的程式設計
   28. 複雜資料抽取

LangSmith:

1. 快速入門:
2. 為您的 LLM 應用添加可觀察的方法
3. 評估您的 LLM 應用
4. 優化分類器
5. RAG 評估
6. 回測
7. 代理商評價
8. 優化 LangSmith 上的追蹤支出

整合 LangGraph 的工具介紹以及使用:

1. agent-service-toolkit

一個不相關的影片：
Transformer Explainer: Learn How LLM Transformer Models Work

下放是實際的使用網址:
https://poloclub.github.io/transformer-explainer/