CHAPITRE 00 Connaissances de base en IA pour Langchain

Fondation LLM _0.1
_0.2 Notions de base de l'invite
_0.3 Qu'est-ce qu'une chaîne de langage et pourquoi est-elle importante ?

CHAPITRE 01 Utilisation de base de LLM dans Langchain

1.1 Création d'un environnement d'utilisation de Langchain
1.2 Appel de LLM via la chaîne de langage
_1.3 Modèle d'invite LLM
1.4 Spécifier un format précis pour les réponses au LLM
_1.5 Application LLM combinant des composants
_1.6 Résumé

CHAPITRE 02 RAG Étape 1 : Indexation des données

2.1 Objectif : Sélectionner un contexte approprié pour le LLM
2.2 Intégration : Conversion de texte en nombres
2.3 Conversion de document en texte
2.4 Division du texte en plusieurs morceaux
_2.5 Génération d'embeddings de texte
2.6 Stockage des plongements dans un magasin de vecteurs
2.7 Suivi des modifications apportées aux documents
_2.8 Optimisation de l'indexation
_2.9 Résumé

CHAPITRE 03 RAG Étape 2 : Conversations basées sur les données

3.1 Premiers pas avec RAG
_3.2 Transformation de requête
3.3 Routage des requêtes
3.4 Composition de la requête
_3.5 Résumé

CHAPITRE 04 Fonctions de mémoire utilisant Langgraph

4.1 Création d'un système de mémoire pour chatbot
_4.2 Langgraph
4.3 Création d'un graphe d'état
4.4 Ajout de la fonctionnalité de mémoire à StateGraph
_4.5 Modification de l'historique des conversations
_4.6 Résumé

CHAPITRE 05 Architecture cognitive implémentée avec Langgraph

5.1 Architecture n° 1 : Appel à candidatures LLM
5.2 Architecture n° 2 : Chaîne
5.3 Architecture n° 3 : Routeur
5.4 Résumé

CHAPITRE 06 Architecture des agents I

6.1 Itération Planifier-Exécuter
_6.2 Construction d'un agent Langgraph
_6.3 Appel prioritaire de l'outil
6.4 Appel de plusieurs outils
_6.5 Résumé

CHAPITRE 07 Architecture des agents II

_7.1 Réflexion
_7.2 Sous-graphique
7.3 Architecture multi-agents
7.4 Résumé

CHAPITRE 08 Modèles qui améliorent les performances LLM

8.1 Sortie structurée
8.2 Résumé

CHAPITRE 09 Déploiement d'applications d'IA

_9.1 Préparation
_9.2 Comprendre l'API de la plateforme Langgraph
9.3 Déploiement d'applications d'IA sur la plateforme Langgraph
_9.4 Sécurité
_9.5 Résumé

CHAPITRE 10 TESTS : ÉVALUATION, SUIVI ET AMÉLIORATION

_10.1 Techniques de test d'application LLM
_10.2 Phase de conception : RAG auto-correcteur
10.3 Phase de préproduction
_10.4 Fonctionnement
_10.5 Résumé

CHAPITRE 11 DÉVELOPPEMENT DE LA DEMANDE DE LM

_11.1 Chatbot
11.2 Collaboration avec LLM
_11.3 Informatique ambiante
_11.4 Résumé

ANNEXE A. Construction et utilisation du serveur MCP

« Learning LangChain » est un guide pratique rédigé par les premiers développeurs et cofondateurs de LangChain, qui guide systématiquement l’ensemble du processus de développement d’applications LLM à l’aide de LangChain et LangGraph.
Chaque chapitre aborde systématiquement les sujets clés, expliquant en détail l'ensemble du processus d'application des LLM, de la conception à la mise en œuvre. Après une introduction aux concepts d'IA et de LLM, il explore diverses techniques d'incitation, l'invocation des LLM via la chaîne de classement et les technologies fondamentales de la génération de recherche augmentée (RAG).
La seconde partie explique comment doter les chatbots de capacités de mémoire et implémenter des modèles architecturaux à l'aide de graphes de langage. Elle présente également l'architecture des agents et ses techniques d'extension, ainsi que des stratégies pour concevoir l'autonomie et la fiabilité des applications d'IA.
La seconde partie vous guide à travers l'ensemble du processus de maintenance des applications, en abordant les stratégies de déploiement, les considérations de sécurité, les tests et l'évaluation, ainsi que les méthodes d'amélioration continue.
Enfin, nous présentons des modèles de développement qui optimisent l'interaction entre LLM et les utilisateurs, fournissant des informations immédiatement applicables en pratique.


L'annexe aborde également la technologie MCP, qui a récemment suscité un vif intérêt, et fournit des informations utiles aux lecteurs intéressés par les dernières tendances en matière d'IA.
Ce livre vous aidera à perfectionner vos compétences en développement d'applications d'IA, en tenant compte des dernières tendances technologiques.

Développement d'applications d'IA générative, du concept à la pratique, tout dans un seul livre !
● Des bases au déploiement pratique, avec un focus sur Langchain et Langgraph
● Concevoir une structure d'application d'IA pratique qui aille au-delà des simples chatbots.
● Des exemples en Python et JavaScript sont fournis pour que vous puissiez commencer à vous entraîner immédiatement.

Du RAG au multi-agent, acquérez la technologie la plus récente dans tous les domaines !
● Comment implémenter un système de génération augmentée par la recherche (RAG)
● Concevoir des agents d'IA dotés de capacités d'autonomie et de collaboration
● Mise en œuvre du niveau de service, y compris l'intégration d'outils externes et les fonctions de mémoire

Des perspectives de conception au savoir-faire opérationnel pour une utilisation pratique !
● Conception visant à surmonter les limitations de la LLM, telles que les hallucinations et les retards
● Conseils opérationnels pratiques pour les tests, l'évaluation, la sécurité et la surveillance
● Immédiatement applicable grâce à une structure et un déroulement facilement déployables en pratique

Informations spécifiques sur l'utilisation de MCP !
● Du concept MCP à la construction du serveur et à l'application pratique

Cette approche très concrète de l'apprentissage et de la mise en œuvre d'applications d'IA développe des compétences pratiques immédiatement applicables au développement d'applications d'IA.
En particulier, l'annexe présente MCP, une technologie de pointe qui connecte les agents d'IA et les systèmes externes de manière standardisée, reflétant l'évolution rapide de la technologie d'IA générative.


Pour les lecteurs novices en développement d'applications utilisant le LLM, il constitue un point de départ, tandis que pour les développeurs expérimentés, il offre une expérience pratique permettant de passer à l'étape suivante.
Dans le paysage en constante évolution de l'IA générative, ce livre vous guide pas à pas à travers les concepts fondamentaux et les applications pratiques de Langchain.
Développez vos compétences en développement grâce aux dernières technologies d'IA.