LangChain のバックアップ(No.31) - .NET 開発基盤部会 Wiki

「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。

戻る
- LangChain
- LangFlow

目次 †

目次
概要
詳細
- 問題
- サブシステム
  - LCEL
  - LangFlow
- 連携
  - Ollama
  - LlamaIndex
- ...
参考
- 公式
- LCEL
- LangFlow

↑

概要 †

LLMを自作プログラムと接続し、プロンプトチェーンを構成するツール。
LLMクライアントであり、プロンプトに、Chat履歴を含めたり、RAG機能を追加したりするのに必要。

私もLangChainの書籍を読み、そこからLLMのPEのレシピを抽出したが（→ LLMのPE）、
その後、単純にWebAPI経由でLLMを呼び出すだけの「Hello World」ならぬ「Hell World」で挫折。

また、界隈のパッケージは破壊的変更を含み非常に速く変更されているので、ネットやGPTの情報が役に立たないケースが多い。

↑

詳細 †

↑

問題 †

プログラマーが LLM をプログラムに簡単に統合できるようにする抽象化ラッパー
物事をシンプルにするどころか、過剰な設計 / 依存性で、シンプルなものを相対的に複雑にしている。
- 自分で簡単にできる簡単な問題を解決し、難しいことを支援する設計やアーキテクチャについてはあまり考慮していない。
- LangChainの「Hello World」は、OpenAIとほぼ同じコード量で不必要な多くのクラスを組み込む「Hell World」だ。

一種のAIクックブックとして機能し、さまざまなタスクのレシピを提供したと言う業績はある。
OpenAIやLlamaIndexがLangChainから学んだ機能をリリースしておりコレを代替できる。
LangChainをLangFlow実装用のSDKと認識して、LangFlowダケ使用すれば、過剰な設計 / 依存性の問題は解決する。

↑

サブシステム †

何気に似ているLCELとLangFlow

↑

LCEL †

LCEL (LangChain Expression Language）

コードアプローチの代替として使用できる宣言型言語。
LangChainにおけるデータフロー構築を簡潔に記述するための宣言的なDSL。
YAMLファイルで達成したいことを記述し直接コーディングするよりも簡単ではない。
チェーンやツール、LLMなどのコンポーネントを組み合わせた処理パイプラインを直感的に定義できる。
Python関数のように扱え、再利用性や可読性に優れたプロンプト・パイプライン設計が可能になります。

以下のように実装できる。

Pythonで実装

from langchain.chat_models import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain.output_parsers import StrOutputParser

# LLM（OpenAIなど）を定義
llm = ChatOpenAI(model="gpt-4")
# プロンプトテンプレートを定義
prompt = ChatPromptTemplate.from_template("都道府県「{prefecture}」の観光名所を3つ教えてください。")
# 出力パーサー（文字列に変換）
output_parser = StrOutputParser()

# LCEL構文でチェーンを構築（Expression Language）
chain = prompt | llm | output_parser

# 実行（入力：プレースホルダに"京都府"を渡す）
result = chain.invoke({"prefecture": "京都府"})
print(result)

YAMLで実装

# chain.yaml
type: chain
root: output_parser
nodes:
  prompt:
    type: prompt
    template: 都道府県「{prefecture}」の観光名所を3つ教えてください。

  llm:
    type: llm
    model: gpt-4

  output_parser:
    type: output_parser
    parser_type: str
    input: llm

edges:
  - source: prompt
    target: llm
  - source: llm
    target: output_parser

↑