Desenvolvimento de aplicativos LLM com LangChain

Bem-vindo à estrutura LangChain para criar aplicativos em LLMs! Você aprenderá sobre os principais componentes do LangChain, incluindo modelos, cadeias, agentes, prompts e analisadores. Você criará chatbots usando modelos de código aberto da Hugging Face e modelos proprietários da OpenAI, criará modelos de prompt e integrará diferentes estratégias de memória do chatbot para gerenciar o contexto e os recursos durante as conversas.

É hora de aumentar o nível de suas cadeias LangChain! Você aprenderá a usar a LangChain Expression Language (LCEL) para definir cadeias com maior flexibilidade. Você criará cadeias sequenciais, nas quais as entradas são passadas entre os componentes para criar aplicativos mais avançados. Você também começará a integrar agentes, que usam LLMs para tomar decisões.

Uma limitação do LLMs é que ele tem um limite de conhecimento devido ao fato de ser treinado em dados até um determinado ponto. Neste capítulo, você aprenderá a criar aplicativos que usam o Retrieval Augmented Generation (RAG) para integrar dados externos com o LLMs. O fluxo de trabalho do RAG contém alguns processos diferentes, incluindo a divisão de dados, a criação e o armazenamento de embeddings usando um banco de dados vetorial e a recuperação das informações mais relevantes para uso no aplicativo. Você aprenderá a dominar todo o fluxo de trabalho!