LangChain では、 EmbeddingAPI を使って vector search とその結果を LLM に与えて QA Bot を構築したり、あるいは ChatGPT のような記憶・履歴(Memory)を実装し
Python では Slack BOT の作成も簡単で、 LangChain を使用すれば OpenAI の API と接続して ChatBOT に LLM で応答させることも容易でした。また、Slack は、 Sock
ChatGPT PlugIn が発表され、その実体が見えてきて「そもそも自分たちで API を叩く必要なんてないんじゃないか……？」と思われてきているんじゃないかと思います。私もそう思います。 とはいえ、日本のローカルな
人間は AGI (汎用AI)だから、 AI が困っているときに助けるのは当然だよね。ということで、 LangChain の最新機能である、 human tool を触って見ます。 正直、ちょっと微妙です。これからの発展に
PC のターミナルや、Google Colab や Jupyter のノートブックで、GPT-3.5-turbo と対話するのもそれはそれで楽しいですが、やはり使いやすいフロント実装があった方が便利です。 自分用の場合は
今回は、 LangChain を使って SQLite を直接操作する方法を試してみます。 GPT-4 をはじめ、大規模言語モデル(LLM)は非常の強力なツールですが、事前に学習されたデータを元に回答を作成します。自社ドキ
HyDE (Hypothetical Document Embeddings: 仮説的なドキュメントの埋め込み)とは、通常の Embedding による文書検索よりも高い精度での検索を実現する vector index
参考：https://langchain.readthedocs.io/en/latest/modules/agents/examples/agent_vectorstore.html 独自の QA Bot を構築する場
元ネタになるようなテキスト、例えばプレスリリースのようなパブリックな文章を元にコンテンツを作成したい場合があると思います。あるいは、マニュアル・ドキュメントから使用例を考える、マーケティングやスピーチの原稿を作るといった
参考：https://langchain.readthedocs.io/en/latest/modules/agents/examples/chat_conversation_agent.html タイトルが長い。Goo
このサイトは、がんばるお一人様 SE や、SEがいないけど IT 関連技術で生産性を高めるために日々頑張っている人を応援するサイトです。
特に予算・人手に制約のある中小企業の役に立つツールやコンテンツ、その他仕事術などを紹介しています。
