Fundamentos de los Agentes Inteligentes y LangChain
Agiliza procesos usando Agentes AI
Introducci贸n a LangChain
Agentes inteligentes de LangChain
Instalaci贸n y configuraci贸n de LangChain
Quiz: Fundamentos de los Agentes Inteligentes y LangChain
Chat Models y Prompt templates
Introducci贸n a los modelos de chat
Chat Messages con OpenAI
Output parsers
Prompt templates en LangChain
Tipos de ChatTemplates: Few-Shot Prompting
Quiz: Chat Models y Prompt templates
Cadenas en LangChain
Introducci贸n a Chains y LCEL
Chat con historial
Integraci贸n de cadena: Runnable y OutputParser
Chat Memory
Implementaci贸n de memoria en cadenas
Quiz: Cadenas en LangChain
Carga de documentos en LangChain
Carga de PDF y CSV con LangChain
Cargar HTML y Directorio con LangChain
Text Splitters
Quiz: Carga de documentos en LangChain
Retrieval-augmented generation (RAG)
Introducci贸n a Embeddings
VectorStore: Chroma
Vectorstore: Pinecone
Chatbot RAG: carga de documentos a Vectorstore
Chatbot RAG: prompt templates, cadenas y memoria
Quiz: Retrieval-augmented generation (RAG)
Agentes en LangChain
LangChain Tools
Construcci贸n de agentes en LangChain
Construcci贸n de agentes con memoria
Quiz: Agentes en LangChain
Ecosistema de LangChain
Ecosistema de LangChain
No tienes acceso a esta clase
隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera
Uno de los desaf铆os m谩s grandes al trabajar con Large Language Models (LLMs) es su capacidad limitada para interactuar con sistemas externos y realizar tareas m谩s all谩 de la generaci贸n de texto. Aqu铆 es donde entra en juego el uso de Toolkits en LangChain, permitiendo que los LLMs interact煤en con sistemas externos como bases de datos, APIs y navegadores web, entre otros.
En esta secci贸n, vamos a profundizar en qu茅 son los Toolkits y c贸mo puedes aprovecharlos para ampliar las capacidades de tu agente o modelo de lenguaje, permiti茅ndole interactuar con fuentes de datos y realizar tareas espec铆ficas.
Un Toolkit es un conjunto de herramientas que se integran con LangChain para permitir que los language models ejecuten acciones en sistemas externos. Estas herramientas pueden incluir int茅rpretes de c贸digo, conexi贸n con bases de datos, navegaci贸n en la web, o cualquier otro servicio externo. En lugar de simplemente generar texto, un modelo equipado con Toolkits puede tomar decisiones, realizar consultas a bases de datos, ejecutar c贸digo, y m谩s.
Los Toolkits ampl铆an las capacidades de los agentes inteligentes, haciendo que los LLMs sean mucho m谩s 煤tiles y relevantes para aplicaciones del mundo real, como la consulta de informaci贸n en tiempo real o la ejecuci贸n de comandos en sistemas externos.
Los Toolkits funcionan como una capa de integraci贸n entre el language model y los sistemas externos. Cada Toolkit est谩 dise帽ado para conectar a los LLMs con una funcionalidad espec铆fica o un servicio externo. Cuando el modelo recibe una pregunta o una tarea que requiere interacci贸n con un sistema externo, el Toolkit act煤a como intermediario, permitiendo al agente ejecutar esa tarea de manera efectiva.
En esencia, el proceso es el siguiente:
Uno de los Toolkits m谩s 煤tiles en LangChain es el SQL Database Toolkit, que permite a los agentes interactuar con bases de datos relacionales. Imagina que tienes una base de datos con informaci贸n sobre 谩lbumes, artistas y g茅neros musicales. Al integrar este Toolkit, el modelo puede realizar consultas SQL para extraer informaci贸n de la base de datos y responder preguntas basadas en estos datos.
Pasos para usar el SQL Database Toolkit:
El uso de Toolkits ampl铆a el alcance de lo que los LLMs pueden lograr. Algunos ejemplos pr谩cticos incluyen:
Algunos de los Toolkits m谩s utilizados y sus aplicaciones incluyen:
Aportes 5
Preguntas 0
驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?