O que é LangRef?
LangRef é uma ferramenta construída sobre o LangChain que permite aos usuários criar agentes ou workflows que utilizam Modelos de Linguagem Grandes (LLMs) para decidir sobre uma sequência de ações. O núcleo do LangRef é composto por três conceitos fundamentais: nodes, edges e state. Os nodes são funções que realizam tarefas específicas, os edges definem a conexão e o fluxo entre os nodes, e o state representa os dados passados entre os nodes durante a execução.
Criando um Workflow com LangRef
No vídeo, é apresentado um exemplo prático de como criar um workflow com LangRef. O processo começa com a instalação do LangRef e a preparação para trabalhar com uma chave de API do OpenAI. Em seguida, é criado um arquivo `.env` com a chave de API, instala-se o `python-dotenv` para carregar as variáveis de ambiente e importam-se classes do LangRef.
Definindo a Função e Criando o Workflow
Em seguida, é definida uma função que recebe uma lista de mensagens como entrada e acessa o primeiro elemento, sobrescrevendo seu conteúdo com um único caractere “A”. Em seguida, é criado um exemplo de `MessageGraph` e adicionam-se nodes e edges para criar um workflow com nodes A, B, C e um nó final. O nó final tem uma borda `And`, indicando o fim do workflow.
Executando o Workflow
O ponto de entrada do gráfico é definido como nó A e o gráfico é compilado, criando um workflow executável. Em seguida, é discutido a interface do LangChain, explicando como criar e visualizar gráficos e usar bordas condicionais para realizar ações diferentes com base na entrada.
Um Exemplo de Workflow com LangChain
Um exemplo de workflow é apresentado, no qual um agente interage com uma API de clima fake para recuperar informações de clima. O workflow é visualizado usando o LangGraph, que consiste em três nodes: um node de agente, um node de ação e um node final. Uma borda condicional é usada para decidir se deve realizar a ação novamente ou retornar ao node de agente.
Conclusão
Em resumo, o vídeo apresenta uma introdução abrangente ao LangRef e ao LangChain, demonstrando como criar e visualizar gráficos, usar bordas condicionais e aproveitar os ciclos. Essas ferramentas permitem criar workflows inteligentes que podem lidar com API instáveis e retornar respostas precisas.