Samenvatting!

LLM-toepassingen ontwikkelen met LangChain

Jonathan Bennion

AI Engineer & LangChain Contributor

Kernonderdelen van LangChain

Een selectie van de kernonderdelen van LangChain: LLM's, prompts, retrievers, agents en chains.

LLM-toepassingen ontwikkelen met LangChain

Chains en agents

Een agent die beslist welk hulpmiddel te gebruiken op basis van de invoer van de gebruiker.

LLM-toepassingen ontwikkelen met LangChain

Retrieval Augmented Generation (RAG)

Een typische RAG-workflow.

LLM-toepassingen ontwikkelen met LangChain

LangChain Hub

De LangChain Hub.

Ga naar de LangChain Hub: https://smith.langchain.com/hub

LLM-toepassingen ontwikkelen met LangChain

Het README‑bestand van de LangChain-templates GitHub-repository.

LLM-toepassingen ontwikkelen met LangChain

Het LangChain-ecosysteem

Het LangChain-logo

LangSmith: applicaties debuggen en evalueren

LangServe: applicaties deployen

LangGraph: multi-agent kennisgrafen

LLM-toepassingen ontwikkelen met LangChain

Laten we oefenen!

LLM-toepassingen ontwikkelen met LangChain

Preparing Video For Download...