LangChainとLangGraphによるRAG・AIエージェント［実践］入門
https://scrapbox.io/files/67317ec9bdc120dfaa10ed28.png
dump
強化学習や画像処理周りを学部と修士で見てきたのでなんとなく用語はわかりつつも、RAGみたいなアプリケーション層についてかなり不明だったので読み始めている なんとなくのゴールとしては
Scrapbox に対する Notion AIのようなもの
RAGに関しては2023年4月くらいにちょっとさわった
正確な情報を出せなかったりしたのは固有表現抽出とかが難しいからと踏んでいたような気がする？ indexの作り方が多くて都度思い出したりするのが難しかったのを思い出した
1章
2章
セットアップや超基本的な用語の導入
3章
プロンプトエンジニアリングの話
4章
Output ParserにPydantic使われてるの良さそう
LLMアプリケーションは連鎖的につなぎたいことが多い
一般的なWebアプリケーションがフォームへの書き込みがメインアクションなのに比べてみたいな感じなのかな
動的に chain を繋いだりするのかな
ビット和演算子が出てきて驚き最大
↓みたいな
code:python
chain = ( object | prompt | model | parse)
LLM全体として遅いイメージがあるのでベクタDBとか外部装置が増えてくるとすごい時間がかかりそうな気がしてきた
UIとして丸々を検索しています…みたいなの出したくなりそう
「入力→近い文書を検索」とあるけどどうするんだろう
Retriever がいい感じに
LLMの token size を上回る量のコンテクストが発生したらどうするんだろう
5章
おもしろ | に関する話もここで
Runnable という単位でフローを組めるみたいで並列もできるようになっているのすごい
6章
仮説を生成してクエリする
実際にがちゃがちゃさわって困ったら見返すところだ
7章
8章
言語処理から「計画能力」「外部実行能力」などを経ていわゆるAIエージェントとしての研究が進んでいるわけか
エージェントにいくつかロールをもたせてタスクを実行するマルチエージェントが主流
AIエージェントが介入しやすい形を設計するのが重要そうだなあfunwarioisii.icon
9章
色々できそうだけどQAがハンズオンになるモチベーションがよくわからなかった。これはLangChainというかRAGで解決できないのか？ 10章
要件定義書作るマン
11章 / 12章
6章のエージェント版とその実装
ざ〜っくり全部読んだ感想
自分が思っていた以上に進化していた
特にAIエージェントへの発展が驚き
数式が一切出てこなくって自然言語すごい
いわゆる機械学習からはもう分科されてそう