framework-selection

โดย langchain-ai

คู่มือการเลือกเฟรมเวิร์กสำหรับสถาปัตยกรรมแบบชั้นของ LangChain, LangGraph และ Deep Agents เฟรมเวิร์กแบบชั้นที่ LangChain จัดเตรียมพื้นฐานดั้งเดิม LangGraph เพิ่มการจัดลำดับและการควบคุมการไหล และ Deep Agents เพิ่มการวางแผน หน่วยความจำ การจัดการไฟล์ และการมอบหมายทักษะ ตารางการตัดสินใจจะแนะนำการเลือกเฟรมเวิร์กตามความซับซ้อนของงาน: LangChain สำหรับเอเจนต์วัตถุประสงค์เดียว LangGraph สำหรับการควบคุมการไหลและลูปที่กำหนดเอง Deep Agents สำหรับการวางแผนหลายขั้นตอนและเซสชันต่อเนื่อง Deep...

npx skills add https://github.com/langchain-ai/langchain-skills --skill framework-selection

Skills เพิ่มเติมจาก langchain-ai

deepagents-thread-inspector
langchain-ai
ตรวจสอบและอธิบายบทสนทนาในคลังเก็บเซสชัน SQLite ของ Deep Agents Code ในเครื่อง ใช้เป็นตัวสำรองเมื่อเครื่องมือติดตาม LangSmith ไม่พร้อมใช้งาน สำหรับ...
deepagents-python-quickstart
langchain-ai
สร้าง Deep Agent ขนาดเล็กในเครื่องของคุณโดยใช้ Python ตามคู่มือเริ่มต้นใช้งานอย่างเป็นทางการ โดยใช้การค้นหาเว็บแบบดั้งเดิมของผู้ให้บริการแทน Tavily ใช้เมื่อผู้ใช้ต้องการ…
deepagents-typescript-quickstart
langchain-ai
สร้าง Deep Agent ภายในเครื่องขั้นต่ำใน TypeScript โดยทำตามคู่มือเริ่มต้นอย่างเป็นทางการ โดยใช้การค้นหาเว็บแบบเนทีฟของผู้ให้บริการแทน Tavily ใช้เมื่อผู้ใช้...
eval-engineering
langchain-ai
ตรวจสอบ agent repository และ traces ที่ผู้ใช้ให้มา (ถ้ามี) แบบวนซ้ำ สัมภาษณ์ผู้ใช้ และสร้าง รัน และตรวจสอบ Harbor evals ทีละรายการ ใช้สำหรับ…
LangChain RAG Pipeline
langchain-ai
ใช้ทักษะนี้เมื่อสร้างระบบการสร้างเสริมการค้นคืน (RAG) ใดๆ ครอบคลุมตัวโหลดเอกสาร, RecursiveCharacterTextSplitter, การฝังข้อความ (OpenAI),…
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — ทักษะที่สามารถติดตั้งได้สำหรับเอเจนต์ AI เผยแพร่โดย langchain-ai/langchain-skills
LangSmith Datasets
langchain-ai
เรียกใช้สกิลนี้เมื่อสร้างชุดข้อมูลประเมินผลจาก trace หรืออัปโหลดชุดข้อมูลไปยัง LangSmith หรือสอบถามชุดข้อมูล ครอบคลุมประเภทชุดข้อมูล (final_response, …)
langsmith-evaluator
langchain-ai
เรียกใช้สกิลนี้เมื่อสร้างไปป์ไลน์การประเมินสำหรับ LangSmith ครอบคลุมสามองค์ประกอบหลัก: (1) การสร้างตัวประเมิน - LLM-as-Judge, โค้ดที่กำหนดเอง; (2)…