آموزش LangChain در عمل: توسعه برنامه های کاربردی LLM-Powered

سرفصل ها و درس ها

قبل از اینکه شروع کنیم... Before we start...

• از این دوره چه انتظاری باید داشت و چگونه می توان همه منابع را به دست آورد What to expect from this course and how to get all ressources

• چرا این دوره متفاوت است Why this course is different

• پیش نیازها Prerequisites

• موضوعات و اصطلاحات اساسی (نظریه) Essential topics and terms (theory)

• چرا این دوره مدل های متن باز مانند LLama2 را پوشش نمی دهد Why this course does not cover Open Source models like LLama2

• اختیاری: کد ویژوال استودیو را نصب کنید Optional: Install Visual Studio Code

• فایل های منبع را با Git از Github دریافت کنید Get the source files with Git from Github

• حساب OpenAI ایجاد کنید و کلید API ایجاد کنید Create OpenAI Account and create API Key

آماده سازی Preparation

• کاری که ما باید قبل از پرداختن به LangChain انجام دهیم What we have to do before delving into LangChain

• راه اندازی یک محیط مجازی Setup of a virtual environment

• OpenAI Api-Key را به عنوان متغیر محیطی تنظیم کنید Setup OpenAI Api-Key as environment variable

• کاوش بسته OpenAI وانیلی Exploring the vanilla OpenAI package

مبانی LangChain LangChain Basics

• نکته مهم - LANGCHAIN ​​0.1 Code Changes IMPORTANT NOTE - LANGCHAIN 0.1 Codechanges

• مبانی LLM LLM Basics

• مبانی تحریک Prompting Basics

• تئوری: مبانی مهندسی سریع Theory: Prompt Engineering Basics

• چند شات باعث Few Shot Prompting

• تحریک زنجیره ای از فکر Chain of thought prompting

• Pipeline-Prompts Pipeline-Prompts

• سریال سازی سریع Prompt Serialisation

زنجیر - از زنجیره های پایه تا پیشرفته Chains - From basic to advanced chains

• آشنایی با زنجیر Introduction to chains

• زنجیره های پایه - LLMCchain Basic chains - the LLMChain

• طرحواره های پاسخ و خروجی پارسر Response Schemas and OutputParsers

• LLMCchain با ورودی های متعدد LLMChain with multiple inputs

• زنجیره های متوالی SequentialChains

• RouterChains RouterChains

تماس های تلفنی Callbacks

• تماس های تلفنی Callbacks

حافظه Memory

• مبانی حافظه - ConversationBufferMemory Memory basics - ConversationBufferMemory

• ConversationSummaryMemory ConversationSummaryMemory

• تمرین: از حافظه برای ساختن یک چت بات ساده استفاده کنید EXERCISE: Use Memory to build a streamlit Chatbot

• راه حل: چت بات با Streamlit SOLUTION: Chatbot with Streamlit

فراخوانی تابع OpenAI OpenAI Function Calling

• فراخوانی تابع OpenAI - بسته OpenAI Vanilla OpenAI Function Calling - Vanilla OpenAI Package

• تابع تماس با LangChain Function Calling with LangChain

• محدودیت ها و مسائل اجرای زنجیره لانگ Limits and issues of the langchain Implementation

بازیابی نسل افزوده (RAG) Retrieval Augmented Generation (RAG)

• RAG - تئوری و بلوک های سازنده RAG - Theory and building blocks

• لودرها و اسپلیترها Loaders and Splitters

• تعبیه ها - تئوری و عمل Embeddings - Theory and practice

• VectorStores و Retrievers VectorStores and Retrievers

• سرویس RAG با FastAPI RAG Service with FastAPI

عوامل Agents

• Agents Basics - LLM ها استفاده از ابزارها را یاد می گیرند Agents Basics - LLMs learn to use tools

• عوامل با یک ابزار RAG سفارشی Agents with a custom RAG-Tool

• ChatAgents ChatAgents

API نمایه سازی Indexing API

• Indexing API - اسناد خود را همگام نگه دارید Indexing API - keep your documents in sync

• پیش نیاز: نصب داکر PREREQUISITE: Docker Installation

• راه اندازی PgVector و RecordManager Setup of PgVector and RecordManager

• نمایه سازی اسناد در عمل Indexing Documents in practice

• بازیابی سند با PgVector Document Retrieval with PgVector

لنگ اسمیت LangSmith

• مقدمه ای بر LangSmith (رابط کاربری و هاب) Introduction to LangSmith (User Interface and Hub)

• پروژه های لانگ اسمیت LangSmith Projects

• مجموعه داده ها و ارزیابی لانگ اسمیت LangSmith Datasets and Evaluation

معماری میکروسرویس برای برنامه های LLM Microservice Architecture for LLM Applications

• قبل از تماشای این بخش Before you watch this section

• مقدمه ای بر معماری میکروسرویس Introduction to Microservice Architecture

• چت بات ما چگونه در معماری میکروسرویس کار می کند How our Chatbot works in a Microservice Architecture

• مقدمه ای بر داکر Introduction to Docker

• مقدمه ای بر Kubernetes Introduction to Kubernetes

• استقرار Microservices LLM در Kubernetes Deployment of the LLM Microservices to Kubernetes

زبان بیان LangChain (LCEL) LangChain Expression Language (LCEL)

• زبان بیان LangChain LangChain Expression Language

• مقدمه ای بر زبان بیان LangChain Intro to LangChain Expression Language

• LCEL قسمت 1 - لوله ها و فراخوانی تابع OpenAI LCEL Part 1 - Pipes and OpenAI Function Calling

• LCEL - قسمت 2 - VectorStores، ItemGetter، Tools LCEL - Part 2 - VectorStores, ItemGetter, Tools

• LCEL - قسمت 3 - توابع دلخواه، رابط قابل اجرا، بازگشت‌ها LCEL - Part 3 - Arbitrary Functions, Runnable Interface, Fallbacks

تبریک می گویم! Congratulations!

• با تشکر از شما برای شرکت در این دوره Thank you for participating in this course