Общение с BigQuery через LangChain и GPT
- LangChain вместе с GPT позволяет анализировать данные в CSV, задавая естественные вопросы.
- Этот подход снижает нагрузку на аналитиков, повышая эффективность бизнес-процессов.
- LangChain реализует концепцию агента, оптимизированного для БД через SQLAlchemy.
- Рекомендуется использовать специализированные таблицы для взаимодействия с LLM из-за ограниченного контекстного окна.
- Инструкции описывают настройку ChatInterface для Google BigQuery.
- LangChain может работать в режиме детализации или показывать только конечные результаты.
- Агенты умеют выполнять сложные запросы, преобразуя естественный язык в SQL-код.
Это делает доступ к данным BigQuery проще для пользователей без знаний SQL.
#LangChain #GPT #BigQuery
- LangChain вместе с GPT позволяет анализировать данные в CSV, задавая естественные вопросы.
- Этот подход снижает нагрузку на аналитиков, повышая эффективность бизнес-процессов.
- LangChain реализует концепцию агента, оптимизированного для БД через SQLAlchemy.
- Рекомендуется использовать специализированные таблицы для взаимодействия с LLM из-за ограниченного контекстного окна.
- Инструкции описывают настройку ChatInterface для Google BigQuery.
- LangChain может работать в режиме детализации или показывать только конечные результаты.
- Агенты умеют выполнять сложные запросы, преобразуя естественный язык в SQL-код.
Это делает доступ к данным BigQuery проще для пользователей без знаний SQL.
#LangChain #GPT #BigQuery
Datascienceengineer
Using LangChain and GPT to chat with your BigQuery data
Learn how to use the GPT LLM and LangChain to ask questions about your BigQuery data.
Создание AI чат-бота на домашнем ПК с новой моделью LLaMA
Большие языковые модели (LLM) открывают двери для создания человекоподобных текстов.
LangChain - это инструментарий для разработки AI приложений, включая чат-ботов.
LLaMA от Meta AI устанавливается локально и обеспечивает обработку языка на процессорах обычных компьютеров.
Использование квантования позволяет моделям LLM функционировать на менее мощной технике.
Через фреймворк LangChain и Streamlit реализуется интерфейс для диалоговых ботов с интуитивной работой с текстами.
Детальный гайд по установке AI помощника на локальном ПК.
#LangChain #LLaMA #AI
Большие языковые модели (LLM) открывают двери для создания человекоподобных текстов.
LangChain - это инструментарий для разработки AI приложений, включая чат-ботов.
LLaMA от Meta AI устанавливается локально и обеспечивает обработку языка на процессорах обычных компьютеров.
Использование квантования позволяет моделям LLM функционировать на менее мощной технике.
Через фреймворк LangChain и Streamlit реализуется интерфейс для диалоговых ботов с интуитивной работой с текстами.
Детальный гайд по установке AI помощника на локальном ПК.
#LangChain #LLaMA #AI
LangChain обновился до v0.1.0
Объявлен выпуск стабильной версии LangChain v0.1.0, совместимой с предыдущими релизами.
Фреймворк LangChain предназначен для создания приложений на основе LLM.
Включает разделение на основной модуль langchain-core и пакеты от партнеров.
Предлагает более 700 интеграций, в том числе с LLM и инструментами для агентов.
LangSmith обеспечивает простую отладку, настройку и персонализацию.
Возможность интеграции с пользовательскими данными.
Поддерживает создание агентов с несколькими методами, включая новый инструментальный API.
Разработчики планируют дальнейшее улучшение инструментария и добавление новых функций.
Серьёзный фреймворк подрастает. Интересно,- IPO увидим?
#LangChain #LLM #Integration
Объявлен выпуск стабильной версии LangChain v0.1.0, совместимой с предыдущими релизами.
Фреймворк LangChain предназначен для создания приложений на основе LLM.
Включает разделение на основной модуль langchain-core и пакеты от партнеров.
Предлагает более 700 интеграций, в том числе с LLM и инструментами для агентов.
LangSmith обеспечивает простую отладку, настройку и персонализацию.
Возможность интеграции с пользовательскими данными.
Поддерживает создание агентов с несколькими методами, включая новый инструментальный API.
Разработчики планируют дальнейшее улучшение инструментария и добавление новых функций.
Серьёзный фреймворк подрастает. Интересно,- IPO увидим?
#LangChain #LLM #Integration
Интегрируем BigQuery & LangChain
LangChain обогащает модели ответами, используя структурированные данные из BigQuery.
Применения включают чат-боты, виртуальных помощников, генерацию кода и веб-приложения.
BigQuery - мощный инструмент для анализа массивов данных с высокой скоростью и гибкостью.
Интеграция с другими сервисами Google Cloud повышает эффективность обработки данных.
BigQuery Studio поддерживает выполнение SQL-запросов и работу с записными книжками.
Приведён пример анализа данных для выбора целевой аудитории в маркетинговых кампаниях.
Схема запроса предоставляет детальную информацию по структуре данных.
Созданная модель LLM формирует оптимизированные запросы для конкретных бизнес-задач.
BigQuery сам по себе очень мощный инструмент. В комбинации с LLM может дать действительно интересные результаты.
#LangChain #BigQuery #LLM
LangChain обогащает модели ответами, используя структурированные данные из BigQuery.
Применения включают чат-боты, виртуальных помощников, генерацию кода и веб-приложения.
BigQuery - мощный инструмент для анализа массивов данных с высокой скоростью и гибкостью.
Интеграция с другими сервисами Google Cloud повышает эффективность обработки данных.
BigQuery Studio поддерживает выполнение SQL-запросов и работу с записными книжками.
Приведён пример анализа данных для выбора целевой аудитории в маркетинговых кампаниях.
Схема запроса предоставляет детальную информацию по структуре данных.
Созданная модель LLM формирует оптимизированные запросы для конкретных бизнес-задач.
BigQuery сам по себе очень мощный инструмент. В комбинации с LLM может дать действительно интересные результаты.
#LangChain #BigQuery #LLM
LangChain теперь в Google Cloud
Разработчики теперь могут легко создавать AI-приложения используя LangChain фреймворк в среде GCP.
LangChain предоставляет все необходимое для разработки RAG-приложений.
Интеграция с Google Cloud обеспечивает доступ к большому объему надежных данных.
Система наблюдаемости LangSmith позволяет контролировать работу и результаты LLM.
Vertex AI предлагает управляемый поисковый движок, оптимизирующий работу RAG-приложений.
#LangChain #GoogleCloud #AI
-------
@tsingular
Разработчики теперь могут легко создавать AI-приложения используя LangChain фреймворк в среде GCP.
LangChain предоставляет все необходимое для разработки RAG-приложений.
Интеграция с Google Cloud обеспечивает доступ к большому объему надежных данных.
Система наблюдаемости LangSmith позволяет контролировать работу и результаты LLM.
Vertex AI предлагает управляемый поисковый движок, оптимизирующий работу RAG-приложений.
#LangChain #GoogleCloud #AI
-------
@tsingular
LlamaIndex vs LangChain: сравнение ИИ-фреймворков
🦙 LlamaIndex - специализированный инструмент для улучшения взаимодействия между данными и LLM. Он упрощает индексацию и извлечение данных, что особенно полезно для поисковых приложений. LlamaIndex облегчает эффективную интеграцию данных и повышает производительность LLM для быстрого и точного доступа к структурированным данным.
⛓️ LangChain - гибкий фреймворк для разработки приложений, управляемых LLM оркестратором. Модульная конструкция и расширяемые компоненты позволяют создавать приложения, которые интеллектуально взаимодействуют с пользователями, используют внешние данные и выполняют сложные рабочие процессы. LangChain подходит для создания сложных и высокоадаптивных ИИ-приложений.
Короче - LlamaIndex для поиска, LangChain для сложных ИИ-приложений.
#LlamaIndex #LangChain #AI-frameworks
-------
@tsingular
🦙 LlamaIndex - специализированный инструмент для улучшения взаимодействия между данными и LLM. Он упрощает индексацию и извлечение данных, что особенно полезно для поисковых приложений. LlamaIndex облегчает эффективную интеграцию данных и повышает производительность LLM для быстрого и точного доступа к структурированным данным.
⛓️ LangChain - гибкий фреймворк для разработки приложений, управляемых LLM оркестратором. Модульная конструкция и расширяемые компоненты позволяют создавать приложения, которые интеллектуально взаимодействуют с пользователями, используют внешние данные и выполняют сложные рабочие процессы. LangChain подходит для создания сложных и высокоадаптивных ИИ-приложений.
Короче - LlamaIndex для поиска, LangChain для сложных ИИ-приложений.
#LlamaIndex #LangChain #AI-frameworks
-------
@tsingular
This media is not supported in your browser
VIEW IN TELEGRAM
RAGFlow: Открытый движок для работы с документами
RAGFlow - движок с открытым кодом для генерации ответов на основе извлечения информации (RAG).
Система использует глубокое понимание документов и различные LLM для ответов на вопросы.
Поддерживает множество форматов файлов, включая PDF, DOC, изображения и презентации.
Ключевые особенности:
• Интеграция с различными LLM (OpenAI, Anthropic, Google и др.)
• Возможность локального развертывания LLM
• Создание и управление базами знаний
• Ручная корректировка результатов разбиения текста
• API для интеграции в другие приложения
Требования: мощное железо и GPU.
Очень проработанный фреймворк.
Из последних обновлений - поддержка graphRag и mindmap форматов
Отдельное спасибо @pimenov_ru за подсказку.
#RAGFlow #DocumentAI #langchain
-------
@tsingular
RAGFlow - движок с открытым кодом для генерации ответов на основе извлечения информации (RAG).
Система использует глубокое понимание документов и различные LLM для ответов на вопросы.
Поддерживает множество форматов файлов, включая PDF, DOC, изображения и презентации.
Ключевые особенности:
• Интеграция с различными LLM (OpenAI, Anthropic, Google и др.)
• Возможность локального развертывания LLM
• Создание и управление базами знаний
• Ручная корректировка результатов разбиения текста
• API для интеграции в другие приложения
Требования: мощное железо и GPU.
Очень проработанный фреймворк.
Из последних обновлений - поддержка graphRag и mindmap форматов
Отдельное спасибо @pimenov_ru за подсказку.
#RAGFlow #DocumentAI #langchain
-------
@tsingular
🍾3✍1👍1🔥1
GigaChain от Сбера - пакет LangChain для русскоязычных агентов
Фреймворк обеспечивает интеграцию с LangChain, поддержку GigaChat и разработку агентов через LangGraph.
Платформа предлагает настройку версий API, управление SSL-сертификатами и потоковую генерацию токенов.
Инструментарий включает средства прототипирования, исследований и production-запуска с фокусом на русскоязычные приложения.
Наконец-то отечественные агенты!
Команда Сбера не отстаёт от мировых трендов 🚀
#GigaChat #LangChain #LangGraph #Сбербанк #Сбер
-------
@tsingular
Фреймворк обеспечивает интеграцию с LangChain, поддержку GigaChat и разработку агентов через LangGraph.
Платформа предлагает настройку версий API, управление SSL-сертификатами и потоковую генерацию токенов.
Инструментарий включает средства прототипирования, исследований и production-запуска с фокусом на русскоязычные приложения.
Наконец-то отечественные агенты!
Команда Сбера не отстаёт от мировых трендов 🚀
#GigaChat #LangChain #LangGraph #Сбербанк #Сбер
-------
@tsingular
⚡5🍾2
Тренды разработки AI-приложений 2024: Анализ от LangChain 🚀
Инфраструктурные тренды 🔧
Видимый тренд года - стремительный рост open-source моделей!
OpenAI по-прежнему остается лидером среди LLM-провайдеров, но появление Ollama и Groq в топ-5 говорит о серьезном сдвиге в сторону гибких решений для локального деплоя и облачных альтернатив для быстрого инференса.
Интересный факт: провайдеры open-source моделей (Ollama, Mistral, Hugging Face) теперь занимают 20% среди топ-20 LLM-провайдеров.
Эволюция разработки 💻
Самое впечатляющее - это взрывной рост AI-агентов.
43% организаций уже используют LangGraph для создания сложных агентных систем!
Количество вызовов инструментов (tool calls) выросло с 0.5% до 21.9% - получается народ осваивает работу ИИ с инструментами.
Python по прежнему лидирует (84.7% использования), но JavaScript набирает обороты - его доля выросла в 3 раза по сравнению с прошлым годом.
Оптимизация производительности ⚡️
Средняя сложность процессов выросла с 2.8 до 7.7 шагов на трейс, но при этом количество LLM-вызовов увеличилось всего с 1.1 до 1.4.
Разработчики научились создавать более сложные системы, оптимально используя LLM-ресурсы.
Тестирование и качество 🎯
В приоритете у разработчиков - релевантность, корректность и точность ответов.
Интересно, что обратная связь от пользователей выросла в 18 раз, но при этом остается довольно сфокусированной - в среднем 2.59 отзыва на прогон.
Что дальше? 🔮
Многошаговые агенты, оптимизированные вызовы LLM и автоматизированное тестирование становятся стандартом разработки.
Отчёт тут
#LangChain #report
———
@tsingular
Инфраструктурные тренды 🔧
Видимый тренд года - стремительный рост open-source моделей!
OpenAI по-прежнему остается лидером среди LLM-провайдеров, но появление Ollama и Groq в топ-5 говорит о серьезном сдвиге в сторону гибких решений для локального деплоя и облачных альтернатив для быстрого инференса.
Интересный факт: провайдеры open-source моделей (Ollama, Mistral, Hugging Face) теперь занимают 20% среди топ-20 LLM-провайдеров.
Эволюция разработки 💻
Самое впечатляющее - это взрывной рост AI-агентов.
43% организаций уже используют LangGraph для создания сложных агентных систем!
Количество вызовов инструментов (tool calls) выросло с 0.5% до 21.9% - получается народ осваивает работу ИИ с инструментами.
Python по прежнему лидирует (84.7% использования), но JavaScript набирает обороты - его доля выросла в 3 раза по сравнению с прошлым годом.
Оптимизация производительности ⚡️
Средняя сложность процессов выросла с 2.8 до 7.7 шагов на трейс, но при этом количество LLM-вызовов увеличилось всего с 1.1 до 1.4.
Разработчики научились создавать более сложные системы, оптимально используя LLM-ресурсы.
Тестирование и качество 🎯
В приоритете у разработчиков - релевантность, корректность и точность ответов.
Интересно, что обратная связь от пользователей выросла в 18 раз, но при этом остается довольно сфокусированной - в среднем 2.59 отзыва на прогон.
Что дальше? 🔮
Многошаговые агенты, оптимизированные вызовы LLM и автоматизированное тестирование становятся стандартом разработки.
Отчёт тут
#LangChain #report
———
@tsingular
👍6⚡2✍1
This media is not supported in your browser
VIEW IN TELEGRAM
🧠 Урок по GraphRAG на Google Spanner и LangChain
Интересный урок про Google Spanner Graph для создания GraphRAG-приложений. Полезно, когда нужно извлекать не только контент, но и понимать связи между данными!
В примере классический RAG находит по запросу "нужен дрон для начинающих" только основную информацию о дроне SkyHawk Zephyr:
А вот GraphRAG выдаёт намного больше полезного:
Техническая начинка:
Проект строится на трёх блоках:
1. Spanner Graph — база данных от Google с поддержкой графов
2. LangChain — для построения RAG-пайплайнов
3. LLMGraphTransformer — автоматически превращает документы в графовые структуры
Техпроцесс:
Полезные библиотеки:
-
-
-
Примеры для бизнеса:
- Интернет-магазины: покупатель видит не только товар, но и совместимые аксессуары, бандлы, акции
- CRM: можно анализировать не только клиента, но и его связи с другими людьми/компаниями
- Рекомендательные системы: понимание контекста на более глубоком уровне
Классический RAG хорош, но GraphRAG круче, когда важны взаимосвязи между сущностями. Правда, технология ещё сыровата — приходится вручную фильтровать некорректные связи, которые создаёт LLM при преобразовании документов.
Не факт, что вы будете строить решение именно на Гугле, но урок очень наглядный. С примерами и визуальным рядом. Поможет разобраться.
GitHub
#GraphRAG #GoogleSpanner #LangChain #обучение #RAG
———
@tsingular
Интересный урок про Google Spanner Graph для создания GraphRAG-приложений. Полезно, когда нужно извлекать не только контент, но и понимать связи между данными!
В примере классический RAG находит по запросу "нужен дрон для начинающих" только основную информацию о дроне SkyHawk Zephyr:
- Цена $129.99
- Что подходит для начинающих
- Основные характеристики
А вот GraphRAG выдаёт намного больше полезного:
- Те же данные о базовой модели
- Текущую акцию ($109.99 вместо $129.99)
- Доступные бандлы (Starter Package за $129.99 и Explorer Package за $179.99)
- Совместимые аксессуары (Extended Battery, Propeller Guards)
- Возможность апгрейда до модели Zephyr 2.0
Техническая начинка:
Проект строится на трёх блоках:
1. Spanner Graph — база данных от Google с поддержкой графов
2. LangChain — для построения RAG-пайплайнов
3. LLMGraphTransformer — автоматически превращает документы в графовые структуры
Техпроцесс:
Документы → LLMGraphTransformer → Граф с узлами и связями → Поиск по графу → Ответ LLM
Полезные библиотеки:
-
langchain-google-spanner — интеграция с Spanner-
langchain-experimental для графовых трансформеров-
spanner-graph-notebook — визуализацияПримеры для бизнеса:
- Интернет-магазины: покупатель видит не только товар, но и совместимые аксессуары, бандлы, акции
- CRM: можно анализировать не только клиента, но и его связи с другими людьми/компаниями
- Рекомендательные системы: понимание контекста на более глубоком уровне
Классический RAG хорош, но GraphRAG круче, когда важны взаимосвязи между сущностями. Правда, технология ещё сыровата — приходится вручную фильтровать некорректные связи, которые создаёт LLM при преобразовании документов.
Не факт, что вы будете строить решение именно на Гугле, но урок очень наглядный. С примерами и визуальным рядом. Поможет разобраться.
GitHub
#GraphRAG #GoogleSpanner #LangChain #обучение #RAG
———
@tsingular
👍10✍4⚡2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖Open Agent Platform - No-Code решение для создания агентов от LangChain
LangChain представил свою платформу для создания агентов без кода — Open Agent Platform (OAP).
Ключевые особенности
- Управление агентами: Создание, настройка и взаимодействие через интуитивный веб-интерфейс
- RAG-интеграция: Поддержка Retrieval Augmented Generation через LangConnect
- Подключение инструментов: Соединение агентов с внешними сервисами через MCP-серверы
- Агент-супервизор: Оркестрация взаимодействия нескольких агентов через Agent Supervisor
- Встроенная аутентификация: Готовая система доступа и контроля пользователей
- Настраиваемые агенты: Простое определение пользовательских конфигураций через UI
Если уже используете LangGraph, OAP предоставляет удобный способ создания и управления агентами.
Demo:
https://oap.langchain.com
Github:
https://github.com/langchain-ai/open-agent-platform/
#langchain #agents #frameworks
———
@tsingular
LangChain представил свою платформу для создания агентов без кода — Open Agent Platform (OAP).
Ключевые особенности
- Управление агентами: Создание, настройка и взаимодействие через интуитивный веб-интерфейс
- RAG-интеграция: Поддержка Retrieval Augmented Generation через LangConnect
- Подключение инструментов: Соединение агентов с внешними сервисами через MCP-серверы
- Агент-супервизор: Оркестрация взаимодействия нескольких агентов через Agent Supervisor
- Встроенная аутентификация: Готовая система доступа и контроля пользователей
- Настраиваемые агенты: Простое определение пользовательских конфигураций через UI
Если уже используете LangGraph, OAP предоставляет удобный способ создания и управления агентами.
Demo:
https://oap.langchain.com
Github:
https://github.com/langchain-ai/open-agent-platform/
#langchain #agents #frameworks
———
@tsingular
⚡8👍2
LangChain выпустил Open Deep Research — открытый мульти-агентный исследователь
Команда LangChain создала альтернативу исследовательским системам от OpenAI, Anthropic и Google. Архитектура построена на трёх этапах: сначала система уточняет контекст у пользователя и создаёт исследовательский бриф, затем супервайзер-агент делегирует подзадачи специализированным агентам, которые работают параллельно.
Основная проблема одноагентных систем — перегрузка контекста при многотемных запросах. Например, при сравнении подходов к ИИ-безопасности у трёх лабораторий система тратит токены на обработку всех тем одновременно. Мульти-агентный подход изолирует контекст каждого агента.
Интересная деталь: команда сначала пыталась распараллелить и написание отчёта, но столкнулась с проблемой координации — разделы получались разрозненными. В итоге исследование параллельное, а итоговый отчёт пишется одним агентом.
#LangChain #multiagent #deepresearch
------
@tsingular
Команда LangChain создала альтернативу исследовательским системам от OpenAI, Anthropic и Google. Архитектура построена на трёх этапах: сначала система уточняет контекст у пользователя и создаёт исследовательский бриф, затем супервайзер-агент делегирует подзадачи специализированным агентам, которые работают параллельно.
Основная проблема одноагентных систем — перегрузка контекста при многотемных запросах. Например, при сравнении подходов к ИИ-безопасности у трёх лабораторий система тратит токены на обработку всех тем одновременно. Мульти-агентный подход изолирует контекст каждого агента.
Интересная деталь: команда сначала пыталась распараллелить и написание отчёта, но столкнулась с проблемой координации — разделы получались разрозненными. В итоге исследование параллельное, а итоговый отчёт пишется одним агентом.
#LangChain #multiagent #deepresearch
------
@tsingular
🔥6✍3❤2⚡2👍1