LangChain開發手冊：OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具

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 的好處之一, 就是可以使用它內建的多種檔案格式讀取工具, 以及不同的檔案內容切割器, 再整合多種向量資料庫, 讓你可以從各種格式的檔案讀取內容, 提供給模型參考, 擴展模型的知識, 突破模型本身訓練資料的限制, 生成正確的內容。本書將會帶大家解析 RAG 的個別處理方式, 以及它使用的向量檢索概念。
 
　　|圖形資料庫|
 
　　LangChain 可以搭配圖形資料庫將過往以資料為中心的概念轉換成資料與關聯並重的方式, 讓語言模型可以藉由對資料間關係的理解, 正確生成以資料間關係為依據的內容, 不再需要我們自己找出資料之間的關係。
 
　　|實作電影知識專家機器人|
 
　　使用圖形資料庫儲存電影資訊, 讓模型回答跟電影相關的問題, 像是找出你愛的王淨演過哪些電影、又或者有哪些既能演又能導的天才。
 
　　|實作辦公室檔案問答機器人|
 
　　利用 RAG 技術與 LangChain 內建 RAG 工具, 讓語言模型自動解析並回答有關 PPT、EXCEL、WORD、PDF 和 CSV 文件的查詢，提升工作效率與自動化程度。
 
　　|實作YouTube 懶人包機器人|
 
　　利用 LangChain 內建工具查詢 YouTube 影片, 並使用 OpenAI Whisper 解析影片內容，再透過 RAG 技術快速找出影片內容來回答問題，節省觀看時間。
 
本書特色
 
　　 \大型語言模型應用開發者的軍火庫//
　　‣ 用 LangChain 整合不同語言模型, 單一框架不用修改程式碼就可以吃遍各家語言模型。
　　‣ 善用模板化機制彈性增、修提示內容, 讓模型生成正確結果。
　　‣ 熟悉輸出內容解析器, 強制模型依照指定格式生成內容, 轉換成便利程式碼處理的資料結構。
　　‣ 利用 LCEL 表達式串接模板、語言模型、輸出內容解析器, 快速建立對話流程。
　　‣ 學會使用工具機制串接外部函式幫語言模型增加功能, 同時善用多種 LangChain 內建的工具, 省去撰寫各種外部函式的時間。
　　‣ 深入理解 Agent 機制開發代理程式, 讓語言模型自己決策選用適當工具自動執行完成任務, 不需要撰寫與語言模型溝通的複雜程式碼。
　　‣ 透過內建的對話紀錄功能元件, 快速建立具有記憶、能夠理解前後語意脈絡的對話機器人。
　　‣ 啟用串流功能讓語言模型邊生成邊回覆, 讓使用者不必痴痴等。
　　‣ 串接 OpenAI 聊天、生圖、語音生成文字模型, 甚至幾乎不必修改程式碼無縫替換串接 Google gemini pro 模型。
　　‣ 利用 RAG 擷取各種格式檔案內容擴展語言模型知識, 客製專屬的問答程式。
　　‣ 導入圖形資料庫處理關聯資料, 讓語言模型像是抓粽子一樣幫你快速串起相關資料。
　　‣ 善用 LangSmith 工具, 追蹤程式流程與傳輸資料, 再複雜的程式也一目了然。
　　‣ 實作辦公室檔案問答機器人, 工作上會出現的 PPT、EXCEL、WORD、PDF、CSV 檔, 通通丟進去讓語言模型幫你讀, 有效提升工作效率。
　　‣ 實作YouTube 懶人包機器人, 不必完整觀看影片也能問出內容。
　　‣ 實作電影知識專家機器人, 想知道最喜愛的演員演過哪些電影一問就知道。