Ubuntu TechHive
building-llm-agents-with-langchain-and-langgraph.md
Building Llm Agents With Langchain And LangGraph
article.détail

Building Llm Agents With Langchain And LangGraph

K
Kofi Boateng
10 min de lecture
Publié
reading.progression 10 min de lecture

Description de la création d'agents LLM avec Langchain et LangGraph

Ordre du jour

Anglais

  • Introduction aux agents LLM :

  • Création d'agents LLM simples :

  • Développement d'agents LLM avancés :

  • Présentation du projet : Création d'une application d'agent de voyages :

  • Simplification du développement avec Autogen Studio de Microsoft :

  • Démonstration du projet de fin d'études :

Français

  • Introduction aux agents LLM :

  • Création d'agents LLM simples :

  • Développement d'agents LLM avancés :

  • Présentation du projet : Création d'une application d'agent de voyages :

  • Simplification du développement avec Autogen Studio de Microsoft :

  • Démonstration du projet de fin d'études :

Aperçu des agents LLM et de leurs applications

Introduction aux agents LLM

Anglais

Définition : Les agents de modèles de langage étendus (LLM) sont des systèmes d'IA conçus pour comprendre, générer et répondre au langage humain d'une manière qui simule une interaction humaine. Les agents LLM peuvent automatiser des tâches, fournir des informations, aider à la prise de décision et améliorer les expériences utilisateur dans diverses industries. Pour comprendre ce que sont les agents LLM, nous devons prendre du recul pour comprendre ce qu'est un LLM et comment les agents sont apparus. Les modèles de langage étendus (LLM) sont des modèles d'intelligence artificielle avancés conçus pour comprendre et générer du texte de type humain. Ces modèles sont généralement basés sur des architectures d'apprentissage profond, spécifiquement des transformeurs, qui leur permettent de traiter et de produire du langage naturel avec une grande précision et cohérence. Les LLM sont entraînés sur de vastes quantités de données textuelles, ce qui leur permet d'apprendre les subtilités du langage, y compris la grammaire, le contexte, la sémantique, et même un certain niveau de bon sens.

raisonnement nse.

Français

Définition: Les agents LLM (Large Language Model) sont des systèmes d'IA conçus pour comprendre, générer et répondre au langage humain d'une manière qui simule une interaction de type humain. Les agents LLM peuvent automatiser des tâches, fournir des informations, aider à la prise de décision et améliorer l'expérience utilisateur dans divers secteurs. Pour comprendre ce que sont les agents LLM, nous devons prendre du recul pour comprendre ce qu'est le LLM et comment les agents sont nés. Les grands modèles linguistiques (LLM) sont des modèles d'intelligence artificielle avancés conçus pour comprendre et générer du texte de type humain. Ces modèles sont généralement basés sur des architectures d'apprentissage profond, en particulier des transformateurs, qui leur permettent de traiter et de produire un langage naturel avec une grande précision et cohérence. Les LLM sont formés sur de gr

andes quantités de données textuelles, ce qui leur permet d'apprendre les subtilités du langage, notamment la grammaire, le contexte, la sémantique et même un certain niveau de raisonnement de bon sens.

Transformateurs et LLM :

Anglais

Les transformateurs, introduits en 2017 avec l'article « Attention is All You Need », sont devenus le fondement du PNL moderne. Les LLM comme GPT-3 et BERT ont démontré des capacités linguistiques sans précédent, comprenant le contexte, générant du texte cohérent et effectuant des tâches linguistiques complexes.

Français

Les transformateurs, introduits en 2017 avec le document « Attention is All You Need », sont devenus la base du PNL moderne. Des LLM comme GPT-3 et BERT ont démontré des capacités linguistiques sans précédent, comprenant le contexte, générant du texte cohérent et effectuant des tâches linguistiques complexes.

Émergence des agents intelligents

Anglais

Les agents intelligents ont émergé dans les années 2020 – aujourd'hui. S'appuyant sur les avancées des LLM, des agents intelligents ont émergé, combinant l'autonomie des agents traditionnels avec des capacités linguistiques avancées. Ces agents peuvent comprendre et générer du langage naturel, interagir avec les utilisateurs, intégrer des outils et des API externes et effectuer des tâches complexes.

Français

Les agents intelligents sont apparus dans les années 2020 – aujourd’hui. S’appuyant sur les avancées des LLM, des agents intelligents ont émergé, combinant l’autonomie des agents traditionnels avec des capacités linguistiques avancées. Ces agents peuvent comprendre et générer du langage naturel, interagir avec les utilisateurs, intégrer des outils et des API externes et effectuer des tâches complexes.

Systèmes Agentiques

English

LangChain et autres frameworks:

Des frameworks comme LangChain fournissent des outils pour développer et gérer des agents intelligents, permettant l'intégration avec les LLM et les outils externes. Ces agents peuvent effectuer un large éventail de tâches, du support client à l'assistance personnelle et aux flux de travail automatisés.

Exemples d'agents intelligents modernes :

a.Chatbots et assistants virtuels :

  • Alimentés par des LLM, ces agents offrent une interaction de type humain, gérant les demandes des clients, la planification et les tâches personnelles.

  • Exemples : ChatGPT d'OpenAI, Google Assistant, Amazon Alexa.

b.Support client automatisé :

  • Agents intégrés aux systèmes CRM pour gérer les tickets de support, fournir des informations et résoudre les problèmes.

  • Exemples : Bots de support automatisés d'Intercom, Zendesk Answer Bot.

c.Recommandations personnalisées :

  • Agents qui analysent les préférences et les comportements des utilisateurs pour fournir des recommandations personnalisées de produits, de services ou de contenu.

  • Exemples : Moteur de recommandation de Netflix, recommandations de produits d'Amazon.

d.Automatisation des tâches :

  • Agents qui automatisent les tâches répétitives, telles que la saisie de données, la génération de rapports et la gestion des e-mails.

  • Exemples : Bots RPA de UiPath, Power Automate de Microsoft.

Français

LangChain et autres frameworks:

Les frameworks comme LangChain fournissent des outils pour développer et gérer des agents intelligents, permettant l'intégration avec des LLM et des outils externes. Ces agents peuvent effectuer un large éventail de tâches, du support client à l'assistance personnelle et aux flux de travail automatisés.

Exemples d'agents intelligents modernes:

a.Chatbots et assistants virtuels:

  • Alimentés par des LLM, ces agents offrent une interaction de type humain, traitent les demandes des clients, planifient et effectuent des tâches personnelles.

  • Exemples : ChatGPT d'OpenAI, Google Assistant, Amazon Alexa.

b.Support client automatisé:

  • Agents intégrés aux systèmes CRM pour gérer les tickets d'assistance, fournir des informations et résoudre les problèmes.

  • Exemples : les robots d'assistance automatisés d'Intercom, Zendesk Answer Bot.

c.Recommandations personnalisées:

  • Agents qui analysent les préférences et les comportements des utilisateurs pour fournir des recommandations personnalisées pour les produits, les services ou le contenu.

  • Exemples : le moteur de recommandation de Netflix, les recommandations de produits d'Amazon.

d.Automatisation des tâches:

  • Agents qui automatisent les tâches répétitives, telles que la saisie de données, la génération de rapports et la gestion des e-mails.

  • Exemples : les robots RPA d'UiPath, Power Automate de Microsoft.

Applications des agents LLM

Anglais

  • Service client : Automatisation des réponses aux demandes des clients, fourniture d'un support 24h/24 et 7j/7.

  • Création de contenu : Aide à la rédaction, à l'édition et à la génération de contenu créatif.

  • Éducation : Personnalisation des expériences d'apprentissage, tutorat et fourniture de ressources éducatives.

  • Santé : Offrir des conseils médicaux préliminaires, planifier des rendez-vous et gérer les dossiers des patients.

  • Finance : Aide à la planification financière, à la gestion des budgets et à la fourniture de conseils en investissement.

  • Voyages et hôtellerie : Planification de voyages, réservation d'hébergements et fourniture de recommandations de voyage.

Français

  • Service client : automatisation des réponses aux demandes des clients, assistance 24h/24 et 7j/7.

  • Création de contenu : assistance à la rédaction, à l'édition et à la génération de contenu créatif.

  • Éducation : personnalisation des expériences d'apprentissage, tutorat et fourniture de ressources pédagogiques.

  • Soins de santé : offre de conseils médicaux préliminaires, planification de rendez-vous et gestion des dossiers des patients.

  • Finances : assistance à la planification financière, gestion des budgets et fourniture de conseils en matière d'investissement.

  • Voyages et hôtellerie : planification de voyages, réservation d'hébergements et fourniture de recommandations de voyage.

Capstone Project

graph TD
START --> A [Planificateur de voyage]
A --> B [Sélectionner des hôtels]
A --> C [Sélectionner des billets d'avion]
A --> D [Sélectionner des événements]
B --> E [Boucle de rétroaction]
C --> E [Boucle de rétroaction]
D --> E [Boucle de rétroaction]
E --> F [Vérifier les exigences de l'utilisateur]
F --> A
F --> END

Français

En tant que projet de fin d'études, nous allons créer une application d'agent de voyages basée sur LLM Agent qui permet potentiellement de réserver des billets d'avion, de réserver un hébergement et de fournir des recommandations d'événements dans le lieu de destination.

Français

En tant que projet de fin d'études, nous allons créer une application d'agent de voyages basée sur LLM Agent qui permet potentiellement de réserver des billets d'avion, de réserver un hébergement et de fournir des recommandations d'événements dans le lieu de destination.

Comprendre les bases de LangChain et LangGraph

Français

Définition : L'un des frameworks commerciaux pour la création d'applications basées sur les LLM, axé sur la création de chaînes d'opérations qui traitent et répondent aux entrées. Les principales caractéristiques de LangChain incluent :

  • Conception modulaire pour la flexibilité et l'évolutivité.

  • Intégration avec divers outils et sources de données.

  • Prise en charge de la création de workflows complexes.

LangGraph est une extension de LangChain qui utilise des structures de graphes pour gérer et visualiser les relations entre différentes opérations et points de données. Les principales caractéristiques de LangGraph incluent :

  • Représentation visuelle des workflows LLM.

  • Débogage et optimisation améliorés grâce à l'analyse graphique.

  • Capacité à gérer des dépendances et des flux de données complexes.

Référez-vous à la présentation de la démo pour les sujets suivants :

Français

Définition: L'un des cadres commerciaux pour la création d'applications basées sur LLM, axé sur la création de chaînes d'opérations qui traitent et répondent aux entrées. Les principales caractéristiques de LangChain comprennent :

  • Conception modulaire pour la flexibilité et l'évolutivité.

  • Intégration avec divers outils et sources de données.

  • Prise en charge de la création de flux de travail complexes.

LangGraph est une extension de LangChain qui utilise des structures graphiques pour gérer et visualiser les relations entre différentes opérations et points de données. Les principales caractéristiques de LangGraph comprennent :

  • Représentation visuelle des flux de travail LLM.

  • Débogage et optimisation améliorés grâce à l'analyse graphique.

  • Capacité à gérer des dépendances et des flux de données complexes.

Consultez la présentation de démonstration pour les sujets suivants :

LangChain / LangGraph

English

  • Configuration de votre environnement de développement

  • Outils et bibliothèques :

  • Python : Assurez-vous que Python est installé sur votre système. Version recommandée : 3.8 ou supérieure.

  • IDE ou éditeur de code : Utilisez un environnement de développement intégré (IDE) comme PyCharm, VSCode ou Jupyter Notebook pour le codage.

  • LangChain et LangGraph : Installez ces bibliothèques à l'aide de pip.

  • pip install langchain, langgraph and other libraries

  • Créer un environnement virtuel :

python -m venv llm_env
  • Activer votre chemin Python
source llm_env/bin/activate

Sous Windows

llm_env\Scripts\activate
  • Concevoir des organigrammes

Français

  • Configuration de votre environnement de développement

  • Outils et bibliothèques :

  • Python : assurez-vous que Python est installé sur votre système. Version recommandée : 3.8 ou supérieure.

  • IDE ou éditeur de code : utilisez un environnement de développement intégré (IDE) comme PyCharm, VSCode ou Jupyter Notebook pour coder.

  • LangChain et LangGraph : installez ces bibliothèques à l'aide de pip.

  • pip install langchain, langgraph et d'autres bibliothèques

  • Créez un environnement virtuel :

python -m venv llm_env
  • Activez votre chemin Python
source llm_env/bin/activate

Sous Windows

llm_env\Scripts\activate
  • Concevez des organigrammes

Microsoft’s AutoGen Studio

Anglais

  • Configuration de votre environnement de développement

  • Créez et testez l'application Travel Agent basée sur LLM Agent

Français

  • Configuration de votre environnement de développement

  • Créez et testez l'application Travel Agent basée sur LLM Agent

Ressources

Retour aux articles