LangChain Documentation Helper

Aide à documentation de Langchain

Langchain est de facto à Framework for Building LLM (modèle grand langage) basé sur les applications. Il gagne en popularité massive récemment pour les développeurs qui souhaitent entrer dans l'IA (intelligence artificielle) et pour créer des applications basées sur l'IA.

J'ai construit une application de documentation Langchain Node.js très basique à l'aide de LLM (modèle grand langage). Nous serons en mesure de poser des questions et d'obtenir des réponses. Vous verrez comment nous divisons nos différents fichiers en morceaux et les mettons dans une base de données vectorielle à l'aide d'incorporation. Nous utilisons la base de données Vector Pinecone. Ensuite, nous créons une chaîne qui prend la requête (invite), l'intégre comme un vecteur, puis prend quelques vecteurs qui sont les plus proches du vecteur de requête sémantiquement et le renvoie. Ces morceaux pertinents peuvent contenir la réponse ou avoir une forte probabilité de contenir la réponse et seuls ces morceaux seront envoyés au LLM. De cette façon, nous ne faisons que quelques appels API ou même un et nous pouvons économiser beaucoup d'argent et obtenir une réponse beaucoup plus rapidement et ne pas faire de travail redondant. Ainsi, nous passons l'invite plus les morceaux pertinents (contextes) au LLM pour obtenir la réponse.

Nous pouvons également afficher les documents source que nous avons été utilisés pour récupérer la réponse. Cela peut être utile si nous voulons permettre à l'utilisateur de voir les sources utilisées pour générer la réponse.

Nous voulons également que notre chat ait la capacité de se souvenir et de référencer les choses que nous avons demandées dans le passé lors de la parole à Chatgpt.

Pour commencer.

       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
      

Page vidéo d'assistance de la documentation de Langchain

Accédez à Langchain Documentation Helper Description Page