Presu la rezulton
presi (rezulto)
### Rusto
``` rusto
// Importu la bibliotekon LangChain
uzu langchain::{Agent, Task};
// Kreu novan LangChain-agenton
lasu agenton = Agento::nova(
"mia_agento",
"Mia AI-agento",
"rusto",
"langĉeno"
);
// Kreu novan LangChain-taskon
lasu taskon = Task::new(
"mia_tasko",
"Mia AI-tasko",
vec!["teksto".to_string()],
vec![String::from ("Saluton, mondo!")]
);
// Rulu la taskon uzante la agenton
lasu rezulto = agento.run(tasko);
// Presu la rezulton
println!("{}", rezulto);
Iru
// Importu la bibliotekon LangChain
pako ĉefa
importi (
"fmt"
"github.com/langchain/langchain-go"
)
// Kreu novan LangChain-agenton
funkcio ĉefa () {
agento := langchain.NewAgent(
"mia_agento",
"Mia AI-agento",
"iru",
"langĉeno"
)
// Kreu novan LangChain-taskon
tasko := langchain.NewTask(
"mia_tasko",
"Mia AI-tasko",
[]ĉeno{"teksto"},
[]string{"Saluton, mondo!"}
)
// Rulu la taskon uzante la agenton
rezulto := agento.Run(tasko)
// Presu la rezulton
fmt.Println(rezulto)
}
Vidigo
{
tajpu: 'trinkejo',
datumoj: {
etikedoj: ['Agent 1', 'Agent 2', 'Agent 3'],
datumaroj: [{
etikedo: 'Precizeco',
datumoj: [0.8, 0.9, 0.7],
fonkoloro: [
'rgba(255, 99, 132, 0.2)',
'rgba(54, 162, 235, 0.2)',
'rgba(255, 206, 86, 0.2)'
],
borderColor: [
'rgba(255, 99, 132, 1)',
'rgba(54, 162, 235, 1)',
'rgba(255, 206, 86, 1)'
],
BordoLarĝo: 1
}]
},
opcioj: {
skaloj: {
yAksoj: [{
tiktakoj: {
beginAtZero: vera
}
}]
}
}
}
Ĉi tiu diagramo montras la precizecon de tri malsamaj AI-agentoj en specifa uzokazo.
Konkludo
LangChain estas potenca kadro por konstrui inteligentajn aplikojn en Python. Ĝia agent-bazita arkitekturo, unuigita interfaco kaj subteno por pluraj lingvoj faras ĝin ideala elekto por programistoj, kiuj volas krei kompleksajn AI-sistemojn. Sekvante la plej bonajn praktikojn skizitajn en ĉi tiu artikolo kaj uzante la antaŭkonstruitajn agentojn kaj unuigitan interfacon provizitan de LangChain, programistoj povas konstrui inteligentajn aplikojn efikajn, skaleblajn kaj facile konserveblajn.