معرفی Langflow.new: Frictionless AI – Community Dev

Langflow محصول پرچمدار DataSastax برای ایجاد جریان و نمایندگان AI تولید کننده است. امروز ، ما در حال پیشبرد دموکراتیک سازی هوش مصنوعی تولیدی با پیش نمایش فنی خود از Langflow.new: یک مسیر کاملاً باز برای ایجاد جریان های Genai و عوامل برای نمونه سازی سریع و اثبات مفهوم است.

https://www.youtube.com/watch؟v=hqnik2yocji

کاری که می توانید با langflow.new انجام دهید

با استفاده از Langflow.new ، توسعه دهندگان می توانند بلافاصله با Langflow شروع کنند و مقدار آن را برای ساخت خطوط لوله RAG ، جریان های عامل و موارد دیگر کشف کنند. وقتی در صفحه فرود می آیید ، بلافاصله با یک جریان اصلی عامل هوش مصنوعی مورد استقبال قرار می گیرید. بیایید این موضوع را با جزئیات بیشتری بررسی کنیم: ما مجموعه ای از بلوک ها به نام اجزای موجود در Langflow را می بینیم.

به طور خاص ، ما:

1. بوها url مؤلفه ای که از URL بازدید می کند و محتوای آن را برمی گرداند
2. بوها حسابگر مؤلفه ای که به عنوان تابعی عمل می کند که به طور مؤثر ریاضی را انجام می دهد
3. بوها ورودی گپ مؤلفه ای که سریعاً از کاربر می پذیرد
4. در نماینده مؤلفه ای که تمام مؤلفه های دیگر را به عنوان ورودی می پذیرد
5. بوها خروجی گپ مؤلفه ای که خروجی را از عامل ارائه می دهد

یک نکته مهم در مورد URL و مؤلفه های ماشین حساب در اینجا این است که آنها ابزاری هستند. ابزارهایی در زمینه عوامل هوش مصنوعی بسیار مشابه با توابع در برنامه نویسی کار می کنند ، جایی که پارامترهای ورودی (آرگومان به نام) توسط یک مدل زبان تولید و تهیه می شوند و خروجی های آنها (به نام مقادیر بازگشت) به مدل زبان باز می گردند.

اگر مؤلفه ماشین حساب را به عنوان ساده در نظر بگیریم calculate(num1, num2, operation) تابعی که ما در معرض عامل قرار می دهیم ، سپس عامل مقادیر را تولید می کند num1, num2, وت operation بر اساس سریع کاربر از طریق ورودی چت. بنابراین اگر کاربر می نویسد:

مبلغ 3 و 7 را برای من دریافت کنید

سپس LLM خروجی ساختاری را که سیگنال به برنامه (در این حالت ، Langflow) را نشان می دهد ، باز می گردد تا عملکرد را فراخوانی کند calculate با مقادیر 3با 7وت sum، به طور مؤثر فراخوانی calculate(3, 7, “sum”)بشر این خروجی ساختاری می تواند شبیه به:

{
    "functionName": "calculate",
    "args": [3, 7, "sum"]
}

برنامه (LangFlow) سپس این خروجی ساختاری را از LLM پردازش می کند تا ابزار را فراخوانی کند. سپس مقدار بازگشت خود را به مدل زبان ارسال می کند تا جریان ادامه یابد.

اگر همه این ابزارها را در نظر بگیریم که وقتی کاربر سریعاً کار می کند ، با هم کار می کنند

3425 دلار به INR تبدیل کنید

سپس مدل زبان برای هر ابزاری در دسترس است و مانند چنین:

[
    { "functionName": "getFromUrl", args: ["https://exchangerates.com/today?from=USD&to=INR"] },
    { "functionName: "calculator", args: [usdValue, inrValue, "multiply"] }
]

از اینجا ، برنامه این توابع را با این ورودی ها اجرا می کند و خروجی آن را به مدل زبان ارائه می دهد. هنگامی که هیچ تماس ابزار دیگری وجود ندارد و مدل زبان فقط متن را برمی گرداند ، برنامه این متن را از طریق مؤلفه خروجی چت به کاربر باز می گرداند. LangFlow چسب (یا زمان اجرا) بین مدل زبان ، ابزارها و نتایج و خروجی های کاربر است.

با Langflow.new ، می توانید با هرگونه جریان و ابزاری که می خواهید آزمایش کنید ، یا به طور کامل از شر آنها خلاص شوید و گردش کار ایجاد کنید که پارچه ، تجزیه و تحلیل احساسات یا هر چیز دیگری را که دوست دارید انجام دهید.

پس از آماده شدن جریان شما ، می توانید آن را بارگیری کرده و از آن با هر نمونه Langflow مستقر استفاده کنید: یا توسط DataStax به عنوان بخشی از DataStax Langflow ، ارائه ابر یا خود میزبانی می شود.

الهام

با استفاده از نشانه هایی از گیلرمو راوچ ، مدیر عامل و بنیانگذار Vercel ، ما تصمیم گرفتیم تا حد امکان اصطکاک بین شما ، کاربران و منابع اصلی لانگفلو را حذف کنیم: جریان Genai معنی دار و مفید.

با یک مانع کمتر و دسترسی بیشتر به ابزاری مانند Langflow ، ما از دیدن آنچه شما به وجود می آورید و کجا Langflow می تواند به بهترین وجه از نیازهای سازمان شما پشتیبانی کند ، هیجان زده هستیم. تجربیات ، ایده ها و داستانهای خود را با ما در 𝕏 𝕏 یا Discord به اشتراک بگذارید.