تکنیک های پیشرفته LangChain: تسلط بر برنامه های RAG

سرفصل ها و درس ها

قبل از شروع ... Before we start...

• چگونه شروع کنیم How to get started

• چرا باید این دوره را بگذرانید؟ Why should you take THIS course?

• الزامات این دوره Requirements for this course

• مهم! - یادداشت سریع در مورد نصب بسته ها IMPORTANT! - Quick note about the installation of the packages

• مخزن را کلون کنید و محیط مجازی را راه اندازی کنید Clone the repository and set up the virtual environment

• بررسی مخزن Repository Walkthrough

• بررسی برنامه Full Stack Full Stack App Walkthrough

• چرا این دوره را نگذرانید Why NOT to take this course

زبان بیان LangChain (LCEL): شیرجه عمیق LangChain Expression Language (LCEL): A Deep Dive

• LCEL - رابط قابل اجرا LCEL - The Runnable Interface

• ساختن نسخه کوچک خودمان از LCEL Building Our Own Small Version of LCEL

• مهم ترین Runnable های LangChain The most important Runnables of LangChain

• LCEL - نمونه های دنیای واقعی LCEL - Real World Examples

• LCEL - خطوط لوله با تاریخچه چت LCEL - Pipelines with Chat History

Indexing API Indexing API

• Indexing API - داده های خام خود را با vectorstore خود هماهنگ کنید Indexing API - keep your raw data in sync with your vectorstore

RAGAS - چارچوبی برای ارزیابی عملکرد RAG RAGAS - Framework for Evaluating RAG Performance

• ایجاد یک مجموعه آزمایشی تقویت شده هوش مصنوعی Creating an AI Augmented Testset

• ارزیابی عملکرد RAG با یک LLM Evaluating RAG Performance with an LLM

تکنیک های خرد کردن Chunking Techniques

• از CharacterTextSplitter تا Splitter سفارشی مبتنی بر LLM From CharacterTextSplitter to custom LLM based Splitter

مدل های تعبیه شده Embedding models

• منبع باز در مقابل مدل های اختصاصی (شامل مدل های Gen-3 OpenAI) Open Source vs Proprietary models (incl. Gen-3 models of OpenAI)

بهبود پرس و جو برای بازیابی بهتر Improving queries for better retrieval

• بازیابی MultiQuery MultiQuery Retrieval

• HyDE HyDE

بازیابی اسناد والدین - بازیابی دو مرحله ای Parent Document Retriever - Two-Stage-Retrieval

• بازیابی سند والد با InMemory DocStore Parent Document Retrieve with InMemory DocStore

• سفارشی Postgres DocStore ساخته شده با رابط BaseStore Custom Postgres DocStore built with BaseStore Interface

RAG نمایندگی Agentic RAG

• RAG با Agents (LLM + Tools) RAG with Agents (LLM + Tools)

بازیابی - پس پردازش اسناد Retrieval - Postprocessing Documents

• رتبه بندی مجدد با یک مدل رمزگذار متقاطع Reranking with a Cross Encoder Model

• فشرده سازی/فیلتر کردن اسناد مبتنی بر LLM LLM based Document Compression / Filtering

مسیریابی Routing

• مسیریابی با Embeddings در مقابل مسیریابی مبتنی بر LLM Routing with Embeddings vs. LLM based Routing

• زنجیره SQL - پرس و جوهای SQL را با یک LLM بنویسید SQL Chain - Write SQL queries with an LLM

• جلوگیری از تزریق SQL Prevent SQL Injection

• مسیریابی بین Table & Vectorstore Routing between Table & Vectorstore

نمو گاردیل NeMo Guardrails

• آشنایی با گاردریل و کولنگ Introduction to Guardrails & Colang

• Guardrails & LangChain - ثبت اقدامات Guardrails & LangChain - Register Actions

• Guardrails را با RunnableRails در LangChain ادغام کنید Integrate Guardrails into LangChain with RunnableRails

• تاریخچه چت با LangChain & Guardrails Chat History with LangChain & Guardrails

LangFuse LangFuse

• ردیابی زنجیره ها با LangFuse Trace chains with LangFuse

فراخوانی ابزار Tool Calling

• مقدمه ای بر فراخوانی ابزار Introduction to Tool Calling

• از Tool Calling برای دریافت داده از یک API استفاده کنید Use Tool Calling to get data from an API

تبریک می گویم! Congratulations!

• تو انجامش دادی! - بعد چی؟ You did it! - what´s next?