| Istilah | Arti |
|---|---|
| LangChain | Kerangka kerja open source dalam Python dan JavaScript untuk membangun aplikasi yang memakai large language model, yang menjadi pokok bahasan video ini. |
| orchestration framework | Kerangka kerja yang mengatur dan menghubungkan berbagai komponen, seperti model bahasa, sumber data, dan alur kerja, agar bekerja bersama dalam satu aplikasi. |
| abstractions | Penyederhanaan langkah teknis yang rumit menjadi komponen siap pakai, diibaratkan di video seperti termostat yang cukup diatur suhunya tanpa memahami rangkaian listriknya. |
| prompt template | Kelas di LangChain untuk menyusun prompt secara terstruktur tanpa menulis manual konteks dan pertanyaan, misalnya berisi instruksi, contoh, atau format keluaran. |
| chains | Rangkaian fungsi berurutan yang menjadi inti alur kerja LangChain, di mana keluaran satu langkah menjadi masukan langkah berikutnya. |
| data sources | Sumber informasi di luar data latih model, seperti dokumen internal, email, Google Drive, atau basis data, yang bisa dihubungkan ke aplikasi LLM. |
| text splitters | Alat untuk memecah teks panjang menjadi potongan kecil yang tetap bermakna, sehingga bisa diolah dan digabungkan sesuai kebutuhan. |
| vector | Representasi angka dengan jumlah dimensi tetap yang dipakai vector database untuk menyimpan data secara efisien dan memudahkan pencarian kembali. |
| agents | Komponen yang memakai model bahasa sebagai mesin penalaran untuk memutuskan tindakan apa yang diambil, berdasarkan daftar alat dan masukan pengguna. |
| chatbots | Program percakapan otomatis, salah satu contoh penggunaan LangChain untuk memberi konteks yang tepat dan menghubungkannya dengan saluran komunikasi yang ada. |
| LangServe | Kerangka kerja pendamping LangChain yang disebut di video untuk menjadikan chain sebagai REST API. |
| LangSmith | Kerangka kerja pendamping LangChain yang menyediakan alat untuk memantau, mengevaluasi, dan men-debug aplikasi berbasis LLM. |
Video dari IBM Technology ini menjelaskan apa itu LangChain, sebuah orchestration framework open source untuk membangun aplikasi berbasis large language model (LLM). Pertanyaan pembukanya sederhana: bagaimana jika kita ingin memakai satu LLM untuk memahami pertanyaan pengguna, tetapi LLM lain untuk menulis jawabannya? LangChain menjawab kebutuhan itu dengan menyediakan antarmuka umum untuk hampir semua LLM, tersedia dalam pustaka Python dan JavaScript, sehingga pengembang punya satu lingkungan terpusat untuk menghubungkan model dengan sumber data dan alur kerja perangkat lunak. Video menyebut LangChain dirilis oleh Harrison Chase pada Oktober 2022 dan pada Juni tahun berikutnya menjadi proyek open source dengan pertumbuhan tercepat di GitHub. Meski popularitasnya sedikit mereda, pembicara menegaskan alat ini tetap sangat berguna. Bagi pemula, video ini memberi gambaran utuh tentang komponen dasar LangChain dan cara komponen itu dirangkai menjadi aplikasi nyata.
Komponen pertama adalah modul LLM, yang cukup membutuhkan API key dan bisa memakai model tertutup seperti GPT-4 atau model terbuka seperti Llama 2, bahkan keduanya. Lalu ada prompt template yang bisa berisi instruksi, contoh untuk few-shot prompting, atau format keluaran. Chains merangkai fungsi secara berurutan, misalnya mengambil data dari situs web, meringkasnya, lalu memakai ringkasan itu untuk menjawab pertanyaan, dan tiap langkah boleh memakai prompt atau model berbeda. Untuk data eksternal, LangChain menyediakan indexes berupa document loader (Dropbox, Google Drive, transkrip YouTube, Airtable, Pandas, MongoDB), dukungan vector database, dan text splitters. Ada juga utilitas memory agar aplikasi mengingat percakapan, serta agents yang memakai LLM sebagai mesin penalaran. Contoh penggunaannya meliputi chatbots, peringkasan, tanya jawab dari dokumen, data augmentation untuk membuat data sintetis, dan virtual agent yang bertindak lewat RPA. LangChain gratis, dengan kerangka pendamping LangServe dan LangSmith.
Kata kunci
- LangChain
- orchestration framework
- prompt template
- text splitters
- Menjelaskan LangChain sebagai framework open-source untuk membangun aplikasi LLM yang bisa memakai LLM berbeda untuk tugas berbeda.
- Mengenali komponennya: abstractions, prompt template, chains, sumber data dan text splitters, vector, serta agents.
- Melihat contoh penggunaan (chatbot, summarization, data sintetis, virtual agents) dan framework terkait LangServe serta LangSmith.
Tulis catatan pribadimu untuk modul ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.