Langchain Ai Skills

OpenAPI dokümantasyonu ve REST API tasarım desenleri

arXiv'de fizik, matematik, bilgisayar bilimi, biyoloji, istatistik ve ilgili alanlarda konuya göre ön baskı ve akademik makale araması yapın, özetleri alın. Yapılandırılabilir sonuç limiti (varsayılan 10 makale) ile sonuçlar alaka düzeyine göre sıralanır. Eşleşen her makale için başlık ve özet döndürür. arxiv Python paketini gerektirir; mevcut değilse pip ile yükleyin.

arXiv preprint deposunda fizik, matematik, bilgisayar bilimi, nicel biyoloji ve ilgili alanlardaki makaleleri arayın

Uzun biçimli blog yazısı yazma, araştırma delegasyonu, yapılandırılmış içerik şablonları ve yapay zeka tarafından oluşturulan kapak görselleri. Yazmadan önce araştırmayı alt ajanlara devreder, bulguları referans ve bağlam için markdown olarak saklar. Beş bölümlü bir yazı yapısını zorunlu kılar: giriş, bağlam, ana içerik (3–5 bölüm), pratik uygulama ve harekete geçirici mesaj içeren sonuç. Konu, stil, kompozisyon, renk ve aydınlatmayı kapsayan ayrıntılı yönlendirmeler kullanarak SEO uyumlu kapak görselleri oluşturur. Yazıları ş

Değişikliklerin yapılandırılmış bir kod incelemesini gerçekleştirir; doğruluk, stil, testler ve olası sorunları kontrol eder.

Kullanıcının kodlama tercihlerini, önemsiz olmayan stil kararları almadan önce /memory/coding-prefs.md dosyasından okuyun ve kullanıcı yeni tercihler verdiğinde bunları ekleyin.

Rakipleri analiz etmesi istendiğinde:

GPU hızlandırmalı veri analizi için NVIDIA cuDF kullanarak veri kümeleri, CSV'ler veya tablo verileri üzerinde çalışır. Groupby toplamaları, istatistiksel… içeren görevlerde tetiklenir.

GPU hızlandırmalı makine öğrenimini NVIDIA cuML kullanarak tablosal veriler üzerinde gerçekleştirmek için kullanılır. Sınıflandırma, regresyon, kümeleme, boyut indirgeme gibi görevler söz konusu olduğunda tetiklenir.

Yayın kalitesinde grafikler ve çok panelli analiz özetleri oluşturmak için kullanılır. Veri görselleştirme, sonuçları çizme, oluşturma gibi görevlerde tetiklenir.

Veritabanı geçiş desenleri ve şema sürümleme

deep-agents-memory-&-filesystem — langchain-ai/langchain-skills tarafından yayınlanan, AI ajanları için yüklenebilir bir beceri.

Çok adımlı aracılar oluşturmak için yerleşik planlama, bellek ve beceri delegasyonu sunan temel çerçeve. Altı temel ara katman seçeneği sağlar: görev planlama, dosya sistemi bağlam yönetimi, alt aracı delegasyonu, kalıcı bellek, insan onay iş akışları ve isteğe bağlı beceri yükleme. Görev takibi için write_todos, dosya sistemi işlemleri (ls, read_file, write_file, edit_file, glob, grep) ve uzmanlaşmış alt aracılar oluşturmak için task olmak üzere her zaman mevcut üç yerleşik araç içerir. Destekler...

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

Deep Agents için geçici, kalıcı ve hibrit yönlendirme seçeneklerine sahip takılabilir bellek ve dosya arka uçları. Dört arka uç türü: StateBackend (iş parçacığı kapsamlı, geçici), StoreBackend (oturumlar arası kalıcı), FilesystemBackend (yerel geliştirme için gerçek disk erişimi) ve CompositeBackend (farklı yolları farklı arka uçlara yönlendirir). FilesystemMiddleware altı dosya işleme aracı sağlar: ls, read_file, write_file, edit_file, glob, grep. CompositeBackend en uzun önek eşlemesini kullanarak yönlendirme yapar...

Bu Yeteneği, Deep Agent'inizin bellek, kalıcılık veya dosya sistemi erişimine ihtiyacı olduğunda ÇAĞIRIN. StateBackend (geçici), StoreBackend (kalıcı),… kapsar.

Alt ajanları yönetir, çok adımlı görevleri planlar ve hassas işlemler için insan onayı gerektirir. Görev aracı aracılığıyla uzmanlaşmış alt ajanlara iş dağıtır; özel alt ajanlar izole araç setlerini ve sistem yönlendirmelerini desteklerken, varsayılan "genel amaçlı" alt ajan ana ajan yapılandırmasını devralır. write_todos ile karmaşık iş akışlarını planlayıp takip eder, görevleri beklemede, devam eden ve tamamlanmış durumlar arasında düzenler; kalıcılık için bir thread_id gerektirir. Uygular...

Bu yeteneği, Deep Agents'te alt ajanlar, görev planlaması veya insan onayı kullanırken ÇAĞIRIN. SubAgentMiddleware, planlama için TodoList ve HITL kesintilerini kapsar.

Docker konteynerleştirme ve çok aşamalı derlemeler için en iyi uygulamalar

deepagentsjs monorepo'su için yeni değerlendirme paketleri oluşturur. Veri seti tasarımı, test senaryosu iskeleti, puanlama mantığı, vitest yapılandırması ve LangSmith…

Intelligently organizes your files and folders across your computer by understanding context, finding duplicates, suggesting better structures, and automating…

LangChain, LangGraph ve Deep Agents katmanlı mimarisi için framework seçim kılavuzu. LangChain temel ilkelleri sağlarken, LangGraph orkestrasyon ve kontrol akışı ekler, Deep Agents ise planlama, bellek, dosya yönetimi ve beceri delegasyonu ekler. Görev karmaşıklığına göre framework seçimini yönlendiren karar tablosu: tek amaçlı ajanlar için LangChain, özel kontrol akışı ve döngüler için LangGraph, çok adımlı planlama ve kalıcı oturumlar için Deep Agents...

Herhangi bir LangChain/LangGraph/Deep Agents projesinin BAŞLANGICINDA, herhangi bir ajan kodu yazmadan önce BU BECERİYİ ÇAĞIRIN. Hangi framework katmanının uygun olduğunu belirler…

Büyük PDF'ler, belge koleksiyonları veya GPU hızlandırmalı işlemeden faydalanan toplu metin çıkarma görevlerini işlerken kullanılır. Kullanıcı...

Herhangi bir LangChain, Deep Agents veya LangGraph açık kaynak ajan projesine DAİMA BURADAN BAŞLAYIN. Herhangi bir LangChain açık kaynak ajanı için gerekli başlangıç noktasıdır…

langchain-middleware-&-hitl — AI ajanları için yüklenebilir bir beceri, langchain-ai/langchain-skills tarafından yayımlanmıştır.

Herhangi bir bilgi getirmeli üretim (RAG) sistemi oluştururken BU BECERİYİ ÇAĞIRIN. Belge yükleyicileri, RecursiveCharacterTextSplitter, gömme vektörleri (OpenAI),… kapsar.

langchain-structured-output-&-hitl — AI ajanları için yüklenebilir bir beceri, langchain-ai/langchain-skills tarafından yayımlanmıştır.

Use this skill for ANY coding question involving LangChain products (LangChain, LangGraph, LangSmith SDK). Covers agent development patterns, primitives,…

LangChain ekosistem paket sürümleri, bağımlılıkları ve Python ile TypeScript için kurulum rehberi. Tüm yeni projeleri LangChain 1.0 LTS üzerinde başlatın; sürüm 0.3 yalnızca bakım amaçlı eski sürümdür. Diğer paketlerin yanında her zaman langchain-core'u açıkça kurun. Bir orkestrasyon katmanı seçin: ayrıntılı grafik kontrolü için LangGraph veya planlama ve bellek içeren hazır çözüm için Deep Agents. langchain-community'yi tam alt sürümlere (örneğin, >=0.4.0,<0.5.0) sabitleyin çünkü...

Bu beceriyi, yeni bir proje kurarken veya LangChain, LangGraph,… için paket sürümleri, kurulum veya bağımlılık yönetimi hakkında sorulduğunda ÇAĞIRIN.

create_agent(), araçlar ve middleware kalıpları ile üretim düzeyinde LangChain aracıları oluşturun. Model, araç listesi ve sistem istemi ile create_agent() kullanın; çağrılar arasında konuşma belleği için checkpointer ve thread_id ile durum kalıcılığını yapılandırın. Araçları, aracıların ne zaman çağıracağını bilmesi için net açıklamalarla @tool dekoratörü (Python) veya tool() işlevi (TypeScript) aracılığıyla tanımlayın. Onay iş akışları, özel hata işleme ve insan döngüde... için HumanInTheLoopMiddleware gibi middleware ekleyin.

create_agent ile LangChain ajanları oluşturun, araçları tanımlayın ve insan döngüsü ile hata yönetimi için middleware kullanın.

İnsan döngüde onayı, özel ara katman yazılımı ve LangChain ajanları için yapılandırılmış çıktı desenleri. HumanInTheLoopMiddleware, tehlikeli araç çağrılarından önce yürütmeyi duraklatarak insanların onaylamasına, argümanları düzenlemesine veya geri bildirimle reddetmesine olanak tanır. Araç başına kesinti politikaları, risk seviyesine göre farklı onay kuralları yapılandırmanızı sağlar; durum kalıcılığı için bir checkpointer ve thread_id gerektirir. Komut devam deseni, insan kararlarından sonra yürütmeyi sürdürür ve araç argümanlarını düzenleme desteği sunar...

İnsan döngüsünde onay, özel ara yazılım veya yapılandırılmış çıktıya ihtiyaç duyduğunuzda BU BECERİYİ ÇAĞIRIN. İnsan onayı için HumanInTheLoopMiddleware’i kapsar…

Herhangi bir LangChain, Deep Agents veya LangGraph ajan oluşturma projesine BAŞLANGIÇ NOKTASI. Diğer becerileri seçmeden veya herhangi bir şey yazmadan önce gerekli başlangıç noktası.

Belge alım

langchain-rag — yapay zeka ajanları için kurulabilir bir beceri, langchain-ai/skills-benchmarks tarafından yayımlanmıştır.

LangGraph iş akışları, paralel yürütme, kesintiler veya akış için BU BECERİYİ ÇAĞIRIN. Fan-out için Send API'sini, insan-döngüde için interrupt()'u kapsar,…

langgraph-persistence-&-memory — langchain-ai/langchain-skills tarafından yayınlanan, AI ajanları için yüklenebilir bir beceri.

LangGraph dokümantasyonuna erişerek durum bilgisi olan ajanlar ve çoklu ajan iş akışları oluşturun. Resmi LangGraph Python dokümanlarını getirir; durum makineleri, grafik tabanlı ajan tasarımı ve insan-döngüde desenlerini kapsar. Sorgu türüne göre ilgili dokümantasyonu önceliklendirir: nasıl yapılır soruları için uygulama kılavuzları, teori için kavram sayfaları, uçtan uca örnekler için eğitimler ve teknik detaylar için API referansları. En alakalı 2–4 dokümantasyon URL'sini otomatik olarak seçer ve yanıtlamak için içeriklerini alır...

Bu beceriyi, LangGraph ile ilgili taleplerde ilgili dokümantasyonu getirerek doğru ve güncel rehberlik sağlamak için kullanın.

Yönlendirilmiş grafik çerçevesi, durum bilgisi olan, çok adımlı ajan iş akışları oluşturmak için ince taneli kontrol sağlar. StateGraph, yazılı durum şemaları, listeleri/değerleri biriktirmek için indirgeyiciler ve kısmi durum güncellemeleri döndüren düğümler içerir. Sabit akış için statik kenarlar, dallanma için koşullu kenarlar ve durum güncellemelerini dinamik yönlendirme ile birleştirmek için Command. Send API, indirgeyiciler aracılığıyla sonuç toplama ile işçi düğümlerine fan-out paralelliği sağlar. Invoke, tek yürütme ve akış modları (değerler, g

Bu beceriyi, herhangi bir LangGraph kodu yazarken ÇAĞIRIN. StateGraph, state şemaları, düğümler, kenarlar, Command, Send, invoke, akış ve hata yönetimini kapsar.

Graf yürütmesini insan incelemesi, onayı veya doğrulaması için duraklatır, ardından girdileriyle devam eder. Üç bileşen gerektirir: bir checkpointer (InMemorySaver veya PostgresSaver), config içinde bir thread ID ve JSON-serializable interrupt payload'ları. interrupt(value) duraklatır ve verileri yüzeye çıkarır; Command(resume=value) devam ettirir ve bu değeri duraklatılan düğüme döndürür. interrupt() öncesindeki tüm kod devamda yeniden çalıştırılır, bu nedenle yan etkiler idempotent olmalıdır (insert değil upsert kullanın). Onay iş akışlarını destekler,...

Bu beceriyi, insanın döngüye dahil olduğu kalıpları uygularken, onay beklerken veya LangGraph'da hataları yönetirken KULLANIN. interrupt(), Command(resume=...),… kapsar.

LangGraph'ınız durumu kalıcı hale getirmesi, konuşmaları hatırlaması, geçmişte gezinmesi veya alt grafik işaretleyici kapsamını yapılandırması gerektiğinde BU BECERİYİ ÇAĞIRIN.

Dayanıklı grafik yürütme, iş parçacığı kapsamlı kontrol noktaları, durum geçmişi ve iş parçacıkları arası uzun vadeli bellek. Üç kontrol noktası seçeneği: test için InMemorySaver, yerel geliştirme için SqliteSaver, üretim için PostgresSaver; kalıcılığı etkinleştirmek için config'de her zaman thread_id iletin. get_state_history() kullanarak geçmiş kontrol noktalarına göz atın ve yeniden oynatın, geçmiş bir noktada durumu güncelleyerek yürütmeyi çatallayın veya devam ettirmeden önce durumu manuel olarak değiştirin. Store API, kullanıcı için iş parçacıkları arası bellek sağlar...

Bu beceriyi, izleme kayıtlarından değerlendirme veri kümeleri oluştururken VEYA LangSmith'e veri kümeleri yüklerken VEYA veri kümelerini sorgularken ÇAĞIRIN. Veri kümesi türlerini kapsar (final_response,…

LangSmith için değerlendirme hatları oluştururken BU BECERİYİ ÇAĞIRIN. Üç temel bileşeni kapsar: (1) Değerlendiriciler Oluşturma - LLM-as-Judge, özel kod; (2)…

Bu beceriyi, LangSmith izleme ile çalışırken veya iz kayıtlarını sorgularken KULLANIN. Uygulamalara izleme eklemeyi ve iz verilerini sorgulama/dışa aktarmayı kapsar. Şunları içerir…

LangSmith ile izlenen ajanlar için kod tabanlı değerlendiriciler oluşturur. Özel değerlendirme mantığı oluştururken, araç kullanım desenlerini test ederken veya ajan çıktılarını puanlarken kullanın…

Bu beceriyi, izleme verilerinden değerlendirme veri kümeleri oluştururken VEYA veri kümelerini LangSmith'e yüklerken VEYA veri kümelerini sorgularken ÇAĞIRIN. Veri kümesi türlerini kapsar (final_response,…

Değerlendirme ve doğrulama için LangSmith'e değerlendirme veri kümeleri oluşturun, yönetin ve yükleyin. Dört veri kümesi türünü destekler: final_response (tam konuşmalar), single_step (bireysel düğüm davranışı), trajectory (araç çağrı dizileri) ve RAG (soru/parçalar/cevap/alıntılar). Veri kümesi yaşam döngüsü yönetimi için CLI komutları: oluşturma, listeleme, alma, silme, dışa aktarma ve yerel JSON dosyalarından yükleme. Python ve JavaScript'te SDK tabanlı veri kümesi oluşturma ve programatik örnek ekleme. Örnek yönetimi...

Bu beceriyi, değerlendirme veri kümeleri oluştururken, veri kümelerini LangSmith'e yüklerken veya mevcut veri kümelerini yönetirken ÇAĞIRIN. Veri kümesi türlerini (final_response,…) kapsar.

LangSmith için değerlendirme hatları oluştururken BU BECERİYİ ÇAĞIRIN. Üç temel bileşeni kapsar: (1) Değerlendirici Oluşturma - LLM-as-Judge, özel kod; (2)…

LangSmith için LLM-as-Judge ve özel kod değerlendiricileri ile değerlendirme hatları oluşturun. Üç temel bileşen: değerlendiriciler oluşturma (LLM-as-Judge veya özel kod), ajan çıktılarını ve yörüngelerini yakalamak için çalıştırma fonksiyonları tanımlama ve değerlendirmeleri yerel olarak çalıştırma veya yüklenen değerlendiriciler aracılığıyla otomatik çalıştırma. Hem çevrimdışı değerlendiricileri (çalıştırma çıktılarını veri kümesi örnekleriyle karşılaştırma) hem de çevrimiçi değerlendiricileri (üretim çalıştırmalarında gerç

LangSmith için değerlendirme hatları oluştururken BU BECERİYİ ÇAĞIRIN. Üç temel bileşeni kapsar: (1) Değerlendirici Oluşturma - LLM-as-Judge, özel kod; (2)…

LangSmith izlerini getirerek ajan davranışlarını hata ayıklamak için kullanılır. Ajan sorunlarını giderirken, konuşma geçmişini incelerken veya araç çağrılarını araştırırken kullanın.

LangSmith izleme ile çalışırken VEYA izleme sorgularken BU BECERİYİ ÇAĞIRIN. Uygulamalara izleme eklemeyi ve izleme verilerini sorgulama/dışa aktarmayı kapsar. Şunları kullanır…

LangSmith izleme ile çalışırken VEYA izlemeleri sorgularken BU BECERİYİ ÇAĞIRIN. Uygulamalara izleme eklemeyi ve izleme verilerini sorgulama/dışa aktarmayı kapsar. Şunları içerir…

LangChain/LangGraph uygulamalarına izleme ekleyin ve hata ayıklama ile veri kümesi oluşturma için CLI üzerinden izleme verilerini sorgulayın. Çevre değişkenleri ile LangChain/LangGraph uygulamaları için otomatik izleme; Python ve TypeScript'te diğer çerçeveler için @traceable dekoratörü ve wrap_openai() ile manuel izleme. langsmith CLI kullanarak zaman, gecikme, hatalar, etiketler ve özel meta veri filtreleriyle izlemeler (tam yürütme ağaçları) veya çalıştırmalar (bireysel düğümler) sorgulayın. Hiyerarşiyi koruyarak izlemeleri JSONL dosyalarına dışa aktarın;...

LangSmith izleme ile çalışırken VEYA izlemeleri sorgularken BU BECERİYİ ÇAĞIRIN. Uygulamalara izleme eklemeyi ve izleme verilerini sorgulamayı/dışa aktarmayı kapsar. Şunları kullanır…

Bir kodlama görevini, net adımlar, dosya tanımlaması ve risk değerlendirmesi ile yapılandırılmış bir uygulama planına ayırır.

Basit SELECT sorgularından karmaşık çok tablolu JOIN’lere, toplama işlemlerine ve alt sorgulara kadar SQL sorguları yazar ve çalıştırır. Kullanıcı bir veritabanını sorgulamak istediğinde kullanılır,…

Modern React bileşen desenleri, hooks ve TypeScript ile

Mevcut konuşmayı gözden geçir ve değerli bilgileri yakala — en iyi uygulamalar, kodlama kuralları, mimari kararlar, iş akışları ve kullanıcı geri bildirimleri —…

Veritabanındaki tabloları listeler, sütunları ve veri türlerini tanımlar, yabancı anahtar ilişkilerini belirler ve varlık ilişkilerini haritalar. Kullanıcı şu konularda soru sorduğunda kullanılır…

Etkili beceriler oluşturmak için rehber; bu beceriler, uzmanlaşmış bilgi, iş akışları veya araç entegrasyonları ile ajan yeteneklerini genişletir. Kullanıcı…

Etkili beceriler oluşturmak için rehber; bu beceriler, uzmanlaşmış bilgi, iş akışları veya araç entegrasyonları ile ajan yeteneklerini genişletir. Kullanıcı…

Platformaya özel sosyal medya gönderilerini, araştırma destekli içerik ve oluşturulan eşlik eden görsellerle hazırlar. LinkedIn gönderilerini (profesyonel tonla 1.300 karakter) ve Twitter/X thread'lerini (tweet başına 280 karakter, 1/🧵 formatı) destekler. Yazmadan önce araştırmayı bir alt ajana devretmeyi, ardından doğruluk ve alaka düzeyini sağlamak için bulguları okumayı gerektirir. generate_social_image aracıyla, küçük... için optimize edilmiş cesur, yüksek kontrastlı kompozisyonlarla otomatik olarak dikkat çekici sosyal görseller oluşturur.

Sınırlı eşzamanlılıkla alt ajanlara paralel olarak bir dizi görev dağıtır. {toplam, tamamlanan, başarısız, sonuçlar[]} içeren bir özet nesnesi döndürür — yinele…

Birim testi ve entegrasyon testi en iyi uygulamaları

Alt görevlilere yetki vererek çok kaynaklı web araştırması düzenler, bulguları sentezler ve alıntılı raporlar üretir. Araştırma sorularını 2–5 farklı alt konuya ayırır, bir araştırma planı dosyası oluşturur ve verimli inceleme için paralel olarak en fazla 3 alt görevli başlatır. Her alt görevli, alt konu başına 3–5 web araması yapar ve bulguları temel gerçekler, alıntılar ve kaynak URL'leriyle birlikte yerel dosyalara yazar. Yerel bulgu dosyalarını okuyarak, alt konular arasında içgörüleri entegre ederek sonuçları sentezler ve...

Web araştırması ile ilgili talepler için bu beceriyi kullanın; kapsamlı web araştırması yapmak için yapılandırılmış bir yaklaşım sunar.