![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfrastructure.osscons.jp]]」は、「[[Open棟梁Project>https://github.com/OpenTouryoProject/]]」,「[[OSSコンソーシアム .NET開発基盤部会>https://www.osscons.jp/dotNetDevelopmentInfrastructure/]]」によって運営されています。 -[[戻る>LangFlow]] --LangFlowファースト・ステップ的な --[[LangFlowセカンド・ステップ的な]] *目次 [#i10f14a7] #contents *概要 [#f5b520ef] *詳細 [#q012127a] **準備 [#o7881aa2] ***[[インストール>LangFlow#s659f8f2]] [#od76e2e1] ***アップグレード [#ye30e464] uv pip install langflow -U ***起動 [#y30730f4] uv run langflow run **クイック・スタート１ [#x31702eb] ***テンプレート選択 [#b15615ac] Templates → Get started → Basic Prompting ***素描き手順 [#l1e1127b] 以下は、テンプレートを素描きする場合の手順を示している。 -ノードの配置 --コンポーネントサイドバーでInputsをクリックしChat Inputコンポーネントを選択してキャンバスにドラッグ。~ （Chat Inputコンポーネントは、チャットへのユーザー入力を受け付ける。） --コンポーネントサイドバーでPromptsをクリックし Promptコンポーネントを選択してキャンバスにドラッグ。~ （Promptコンポーネントは、ユーザー入力とユーザー定義のプロンプトを組み合わせる。） --コンポーネントサイドバーでOutputをクリックしChat Outputコンポーネントを選択してキャンバスにドラッグ。~ （Chat Outputコンポーネントは、フローの出力をチャットに出力。） --コンポーネントサイドバーでModelsをクリックしOpenAIコンポーネントを選択してキャンバスにドラッグ。~ （OpenAIモデルコンポーネントは、ユーザー入力とプロンプトをOpenAI APIに送信し、レスポンスを受け取る。） -エッジの配置~ コンポーネントを接続し相互連携させる（左側で入力を受け取り、右側で出力を送信。~ 接続ポートにマウスポインターを合わせると、コンポーネントが受け入れるデータ型が表示される。~ --Chat Inputコンポーネント（Messageポート）を OpenAIモデル コンポーネント（入力ポート）に接続 --Promptコンポーネント（Prompt Messageポート）を OpenAIモデル コンポーネント（System Messageポート）に接続 --OpenAIモデル コンポーネント（Messageポート）をChat Outputコンポーネント（Textポート）に接続 -その他の設定 --OpenAIコンポーネントの「OpenAI APIキー」フィールドにAPIキー（＝認証情報）を追加（「設定」（地球儀） → 「グローバル変数」 → 「新規追加」も便利） --Promptコンポーネントにプロンプトを追加するには 「テンプレート」フィールドをクリックし、プロンプトを入力。 ***[Playground]で実行 [#y1614010] [Playground]をクリックしてチャット セッションを開始、クエリを入力、ボットが応答することを確認。 **クイック・スタート２ [#t23d1211] ***テンプレート選択 [#m2b0594a] Templates → Get started → Vector Store RAG ***作成の手順 [#hf1dd137] 以下は、テンプレートをBasic Promptingから作成する場合の手順を示している。 -ノードの配置 --Load Dataフロー ---コンポーネントサイドバーでDataをクリックし、Fileコンポーネントを選択してキャンバスにドラッグ。~ （Fileコンポーネントはローカルマシンからファイルを読み込む） ---ProcessingをクリックしSplit Textコンポーネントを選択してキャンバスにドラッグ。~ （Split Textコンポーネントは、読み込まれたテキストを小さなチャンクに分割） ---コンポーネントサイドバーでVector Storesをクリックし、Astra DBコンポーネントを選択してキャンバスにドラッグ。~ （Astra DB ベクターストアコンポーネントはAstra DBデータベースに接続） ---Embeddingsをクリックし、OpenAI Embeddingsコンポーネントを選択してキャンバスにドラッグ。~ （OpenAI Embeddingsコンポーネントは、埋め込みを生成し、VDB内のベクターデータと比較。） --Retrieverフロー ---コンポーネントサイドバーでVector Storesをクリックし、Astra DBコンポーネントを選択してキャンバスにドラッグ。~ （Astra DB ベクターストアコンポーネントはAstra DBデータベースに接続） ---Embeddingsをクリックし、OpenAI Embeddingsコンポーネントを選択してキャンバスにドラッグ。~ （OpenAI Embeddingsコンポーネントは、埋め込みを生成し、VDB内のベクターデータと比較。） ---ProcessingをクリックしParserコンポーネントを選択してキャンバスにドラッグ。~ （Parserコンポーネントは、Astra DBコンポーネントからのデータをプレーンテキストに変換） -エッジの配置 --Load Dataフロー File → Split Text → Astra DB ↑ OpenAI Embeddings --Retrieverフロー ---Chat InputコンポーネントをOpenAIコンポーネントから切断（接続線をダブルクリック） ---Promptコンポーネントを変更して、{question}と{context}の両方の変数を追加。 {context} --- Given the context above, answer the question as best as possible. Question: {question} Answer: ---コンポーネント間の接続 ┌───────────(Message)───────────────┐ │ ↓ │ (question) Chat Input →(Message)→ Astra DB → Parser →(DataFrame)→ (context) Prompt → OpenAI → Chat Output ↑ OpenAI Embeddings ***[Playground]で実行 [#h8ad1169] -Load Dataフロー~ Astra DBコンポーネントの[▶](コンポーネントの実行)をクリックして、データを読み込み。 -Retrieverフロー~ [Playground]をクリックしてチャット セッションを開始、クエリを入力、ボットが応答することを確認。 *参考 [#j954b45a] **公式 [#h0e2b338] langflow~ ***Welcome to Langflow [#f45abce2] https://docs.langflow.org/ ***Get Started [#f7cde3ec] -Install Langflow~ https://docs.langflow.org/get-started-installation -Quickstart~ https://docs.langflow.org/get-started-quickstart ***Starter Projects [#o2d794b7] -Basic Prompting~ https://docs.langflow.org/starter-projects-basic-prompting -Vector Store RAG~ https://docs.langflow.org/starter-projects-vector-store-rag -Simple agent~ https://docs.langflow.org/starter-projects-simple-agent ***Tutorials [#jb98cfb5] -Blog Writer~ -Document QA~ -Memory Chatbot~ -Sequential tasks agent~ -Travel planning agent~
