You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 

127 lines
5.2 KiB

WEBVTT
00:00.860 --> 00:04.520
そして、 フラグとの旅を続けることを歓迎する。
00:04.520 --> 00:08.120
そして今日はリャン・チェンのお披露目だ。
00:08.120 --> 00:12.410
そこでまず、 Hragに関してすでにできることを簡単に覚えておこう。
00:12.410 --> 00:16.280
さて、 前回はHragのシンプルなアイデアについてお話した。
00:16.280 --> 00:21.380
ただ、 関連するコンテクストを検索して、 それをプロンプトに含めることができるというアイデアだ。
00:21.380 --> 00:27.380
そして、 ベクトルについて少し話をし、 テキストがどのようにその意味を表すベクトルにマッピングされるのかについて話した。
00:27.380 --> 00:34.340
そして、 これらのベクトルを使って、 プロンプトに関連するコンテクストをどのように選択するかについて、 よりインテリジェントになろうとすることができる。
00:34.520 --> 00:37.220
そこで今日は、 ラング・チェーンについて話そう。
00:37.220 --> 00:40.400
フレームワークとその長所と短所について説明しよう。
00:40.400 --> 00:47.060
ラングチェーンを使って知識ベースを読み込み、 関連する情報の塊に分割し、
00:47.060 --> 00:51.590
後でベクターデータベースに入れて検索する。
00:51.830 --> 00:54.830
ラング・チェーンの裏話をしよう。
00:54.830 --> 00:56.810
比較的最近のフレームワークだ。
00:56.810 --> 01:11.840
LLMは2022年後半に創設され、 その主な目的は、 人々がLLMアプリケーションを素早く構築できるようにすることである。
01:11.930 --> 01:19.860
ラング・チェーン表現言語と呼ばれる独自の宣言言語がある。
01:19.890 --> 01:23.280
LCLを使うつもりはない。
01:23.280 --> 01:29.820
特にその一部をお見せしますが、 Pythonのコードを使うだけで、 もっと簡単にラング・チェインを使う方法があります。
01:30.330 --> 01:31.980
では、 長所と短所は何か?
01:31.980 --> 01:40.890
そのため、 アシストやラグといった一般的なことを行うアプリケーションの作成が大幅に簡素化される。
01:40.920 --> 01:44.310
これからわかるように、 これは文字通り数行のコードである。
01:44.310 --> 01:46.800
そのため、 市場投入までの時間が非常に短い。
01:46.800 --> 01:50.190
ボロ布のようなものに特別な魔法はない。
01:50.190 --> 01:55.470
プロンプトに追加することでベクターデータベースを検索し、 総当たり的に行うこともできる。
01:55.500 --> 02:01.260
ラングチェーンは標準化され、 単純化され、 すべてを簡単かつ迅速にする。
02:01.290 --> 02:08.520
また、 一般的なモデルのラッパーコードとしても便利で、 一度コードを書いてしまえば、 OpenAIやClaudeのような異なるモデルに切り替えても、
02:08.520 --> 02:17.400
APIのわずかな違いに対処する必要がない。
02:17.400 --> 02:19.680
自分たちでもできると想像できるだろう。
02:19.680 --> 02:26.040
Gradioを使って2つの異なるllmを呼び出したときと同じように、 小さなラッパー関数を書くことができる。
02:26.040 --> 02:28.470
それがラング・チェーンの本質的なやり方だ。
02:28.470 --> 02:32.140
彼らは共通のAPIの周りにラッパーを作った。
02:32.770 --> 02:39.730
LMSのAPIが成熟し、 ますます似たようなものになり、 これを実行するためのコードスクリプトがますます広まるにつれ、
02:39.760 --> 02:51.130
ラング・チェインのような基礎となるフレームワークの必要性は、 おそらく1年前よりも低くなっていると言わざるを得ない。
02:51.370 --> 02:53.020
だからニーズは少し減っている。
02:53.050 --> 03:00.880
ラグのようなもののためにパイプラインを独自に構築している人はたくさんいる。
03:01.000 --> 03:04.810
しかし、 ラング・チェーンはそれでもあなたに圧倒的な先手を与えてくれる。
03:04.810 --> 03:08.620
だから、 今日見てもらうように、 とても便利なフレームワークなんだ。
03:09.670 --> 03:14.050
これからやることは、 ラングチェーンを使ってナレッジベースを読み込むことだ。
03:14.050 --> 03:20.950
まず、 いくつかのツールを使って、 フォルダに保存されているドキュメントをすべて読み込む。
03:21.340 --> 03:28.150
そして、 その文書がどのような文書であるかを示すメタデータを文書に追加する。
03:28.180 --> 03:34.750
そして、 ラングチェーンを使って、 ドキュメントを有用なチャンクに分解します。 チャンクは、 テキストがうまくまとまっていて、
03:34.750 --> 03:41.500
ベクトル化してデータベースに入れる準備が整っているものを表します。
03:42.010 --> 03:45.490
それではJupyterLabに戻りましょう。