Langchain هو الواقع في إطار عمل لبناء تطبيقات LLM (نموذج لغة كبير). يكتسب شعبية هائلة مؤخرًا للمطورين الذين يرغبون في الدخول في الذكاء الاصطناعي (الذكاء الاصطناعي) وبناء تطبيقات قائمة على الذكاء الاصطناعي.
لقد قمت ببناء تطبيق Langchain Node.JS الأساسي للغاية باستخدام LLM (نموذج لغة كبير). سنكون قادرين على طرح بعض الأسئلة والحصول على إجابات. سترى كيف نقسم ملفاتنا المختلفة إلى قطع ووضعها في قاعدة بيانات متجه باستخدام التضمينات. نحن نستخدم قاعدة بيانات ناقلات Pinecone. ثم نقوم بإنشاء سلسلة تأخذ الاستعلام (موجه) ، ودمجها على أنها متجه ، ثم يأخذ اثنين من المتجهات التي هي الأقرب إلى متجه الاستعلام بشكل دلالي ويعيده. يمكن أن تحتوي هذه الأجزاء ذات الصلة على الإجابة أو لها احتمال كبير لاحتواء الإجابة وسيتم إرسال تلك القطع فقط إلى LLM. وبهذه الطريقة ، نقوم فقط بإجراء مكالمات API أو حتى واحدة ، ويمكننا توفير الكثير من المال والحصول على استجابة أسرع كثيرًا وعدم القيام بأي عمل زائد. لذلك ، نقوم بتمرير المطالبة بالإضافة إلى الأجزاء ذات الصلة (السياق) إلى LLM للحصول على الإجابة.
يمكننا أيضًا عرض مستندات المصدر التي اعتدنا عليها لاسترداد الإجابة. قد يكون هذا مفيدًا إذا أردنا السماح للمستخدم برؤية المصادر المستخدمة لإنشاء الإجابة.
نريد أيضًا أن تتمتع دردشةنا بالقدرة على تذكر الأشياء التي طلبناها في الماضي والرجوع إليها في الماضي عند التحدث إلى ChatGPT.
للبدء.
Clone the repository
git clone https://github.com/Ashot72/LangChain-Documentation-Helper
cd LangChain-Documentation-Helper
Add your keys to .env file
# installs dependencies
npm install
# to embed
npm run embed
# to run locally
npm start
انتقل إلى صفحة فيديو Documentation Langchain
انتقل إلى صفحة وصف الوثائق الوثائقية لانجشين