Lernen mit LangChain

Kapitel 5. Kognitive Architekturen mit LangGraph

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Bis jetzt haben wir uns die häufigsten Merkmale von LLM-Bewerbungen angesehen:

• Eingabeaufforderungstechniken im Vorwort und in Kapitel 1

• RAG in den Kapiteln 2 und 3

• Speicher in Kapitel 4

Die nächste Frage sollte lauten: Wie setzen wir diese Teile zu einer kohärenten Anwendung zusammen, die das Ziel erreicht, das wir uns gesetzt haben? Um eine Parallele zur Welt der Ziegel und des Mörtels zu ziehen: Ein Schwimmbad und ein einstöckiges Haus werden aus denselben Materialien gebaut, erfüllen aber ganz unterschiedliche Zwecke. Was sie für ihre unterschiedlichen Zwecke besonders geeignet macht, ist der Plan, wie diese Materialien kombiniert werden - also ihre Architektur. Das Gleiche gilt für die Erstellung von LLM-Bewerbungen. Die wichtigsten Entscheidungen, die du treffen musst, sind die, wie du die verschiedenen Komponenten, die dir zur Verfügung stehen (z. B. RAG, Eingabeaufforderungen, Gedächtnis), zu etwas zusammenstellst, das deinen Zweck erfüllt.

Bevor wir uns spezifische Architekturen ansehen, lass uns ein Beispiel durchgehen. Jede LLM-Anwendung, die du entwickelst, beginnt mit einem Ziel: was die Anwendung tun soll. Nehmen wir an, du möchtest einen E-Mail-Assistenten entwickeln - eine LLM-Anwendung, die deine E-Mails liest, bevor du sie liest, und die darauf abzielt, die Anzahl der E-Mails ...