🎯 Definicja
LangChain to “klej” dla aplikacji AI. Jest to biblioteka (Python/JS), która pozwala łatwo łączyć modele językowe (jak GPT-4) z innymi narzędziami: bazami danych, wyszukiwarką Google, kalkulatorem czy Twoimi plikami PDF.
🔑 Kluczowe punkty
- Chains (Łańcuchy): Sekwencja zdarzeń. Np. Krok 1: Przetłumacz maila. Krok 2: Napisz odpowiedź. Krok 3: Wyślij.
- Agents: AI, które samo decyduje, jakich narzędzi użyć (np. “Chcesz wiedzieć jaka jest pogoda? Użyję pluginu WeatherAPI”).
- Memory: Daje modelowi “pamięć” rozmowy (Base GPT nie pamięta poprzedniego pytania; LangChain mu je “przypomina”).
📚 Szczegółowe wyjaśnienie
Budowanie aplikacji na “gołym” API OpenAI jest trudne (musisz sam zarządzać historią czatu, formatować prompty). LangChain daje gotowe klocki:
PDFLoader(wczytaj PDF).RecursiveTextSplitter(podziel na kawałki).VectorStore(wrzuć do Pinecone).RetrievalQA(zrób z tego czatbota).
💡 Przykład zastosowania
Chcesz zbudować “Asystenta Finansowego”. Używasz LangChain Agenta z dostępem do:
- Twojej bazy SQL (żeby sprawdzić wydatki).
- Internetu (żeby sprawdzić kurs dolara).
Pytasz: “Ile wydałem na kawę w przeliczeniu na dolary?“.
Agent sam pisze SQL (
SELECT sum(cost) ...), dostaje wynik, sprawdza kurs USD i mnoży.
📌 Źródła
- LangChain Documentation.
👽 Brudnopis
- LangChain stał się standardem przemysłowym, ale jest krytykowany za “nadmierną abstrakcję” (ukrywa, co się dzieje pod spodem). Alternatywy: LlamaIndex (lepsze do danych), DSPy.