Compétences langchain-architecture
📦

langchain-architecture

Sûr

بناء تطبيقات LLM باستخدام إطار عمل LangChain

Également disponible depuis: sickn33,wshobson

يتطلب بناء تطبيقات LLM جاهزة للإنتاج فهم أنماط معمارية معقدة. توفر هذه المهارة أنماط LangChain المثبتة للوكلاء والسلاسل وإدارة الذاكرة وتكامل الأدوات.

Prend en charge: Claude Codex Code(CC)
🥉 75 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "langchain-architecture". إعداد سلسلة محادثة أساسية مع ذاكرة

Résultat attendu:

  • تم تهيئة ConversationBufferMemory لسجل الدردشة
  • تم إنشاء LLMChain مع قالب أمر للمحادثة
  • تم تكوين الذاكرة لتخزين أزواج الإدخال/الإخراج
  • السلسلة جاهزة للمحادثات متعددة الأدوار مع الاحتفاظ بالسياق

Utilisation de "langchain-architecture". بناء وكيل مع أدوات البحث والآلة الحاسبة

Résultat attendu:

  • تم تحميل أداة serpapi لاستعلامات بحث الويب
  • تم تحميل أداة llm-math للحسابات الرياضية
  • تم تهيئة الوكيل بنمط تفكير ReAct
  • أجاب الوكيل بنجاح على: 'ما الطقس في SF؟ ثم احسب 25 * 4' من خلال البحث عن بيانات الطقس وحساب النتيجة

Audit de sécurité

Sûr
v1 • 2/25/2026

All 27 static analysis findings were evaluated and determined to be false positives. The external_commands detections (20 locations) incorrectly identified Markdown code block backticks as Ruby/shell execution. The blocker findings for weak cryptography and network reconnaissance were pattern mismatches on documentation text. This is a legitimate LangChain tutorial and architecture guide with no security concerns.

1
Fichiers analysés
353
Lignes analysées
0
résultats
1
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
50
Communauté
100
Sécurité
100
Conformité aux spécifications

Ce que vous pouvez construire

بوت دردشة لدعم العملاء

بناء وكيل ذكي لدعم العملاء يمكنه البحث في قواعد المعرفة والحفاظ على سياق المحادثة وتصعيد القضايا المعقدة إلى وكلاء بشريين عند الحاجة.

خط أنابيب تحليل المستندات

إنشاء نظام يعالج مجموعات المستندات الكبيرة ويستخرج المعلومات الرئيسية ويجيب على الأسئلة بناءً على محتوى المستند باستخدام التوليد المعزز بالاسترجاع.

مساعد ذكاء اصطناعي متعدد الأدوات

تطوير وكيل مستقل يمكنه تحديد واستخدام أدوات متعددة بما في ذلك واجهات برمجة تطبيقات البحث والآلات الحاسبة وقواعد البيانات لإكمال المهام المعقدة.

Essayez ces prompts

إعداد LangChain الأساسي
أريد بناء تطبيق LangChain بسيط. ساعدني في إعداد المكونات الأساسية بما في ذلك LLM وقالب أمر وسلسلة. حالة الاستخدام الخاصة بي هي: [describe your use case].
تنفيذ RAG
أحتاج إلى بناء نظام توليد معزز بالاسترجاع لمستنداتي. ارشدني خلال تحميل المستندات من [source] وتقسيمها بشكل مناسب وإنشاء التضمينات وإعداد سلسلة استرجاع للإجابة على الأسئلة.
وكيل مخصص مع أدوات
أنشئ وكيل LangChain يمكنه استخدام هذه الأدوات المخصصة: [list your tools]. يجب أن يفكر الوكيل في الأداة المناسبة للاستخدام بناءً على طلبات المستخدم. يتضمن معالجة أخطاء مناسبة وسجلات verbose للتصحيح.
معمارية جاهزة للإنتاج
راجع معمارية تطبيق LangChain الخاص بي لنشر الإنتاج. ضع في الاعتبار: إدارة الذاكرة للمحادثات الطويلة واستراتيجيات التخزين المؤقت لتحسين التكلفة ومعالجات الاستدعاء للمراقبة ومعالجة الأخطاء للموثوقية. الإعداد الحالي الخاص بي هو: [describe your architecture].

Bonnes pratiques

  • اختر نوع الذاكرة بناءً على طول المحادثة: استخدم ذاكرة المؤقت للتفاعلات القصيرة وذاكرة الملخصات للمحادثات الطويلة وذاكرة متجر المتجهات للاسترجاع الدلالي للسجل ذي الصلة
  • قدم تعريفات أدوات واضحة ووصفية لمساعدة الوكلاء على اختيار الأداة المناسبة لكل مهمة
  • نفذ معالجات الاستدعاء مبكرًا للمراقبة وتسجيل استخدام الرموز وزمن الاستجابة والأخطاء من البداية

Éviter

  • تخزين سجل المحادثة بالكامل بدون حدود مما يؤدي إلى تجاوز نافذة السياق وزيادة التكاليف
  • استخدام أوصاف أدوات عامة تربك الوكيل حول وقت استخدام كل أداة
  • تخطي معالجة الأخطاء لتنفيذ الوكيل مما يتسبب في فشل عندما لا يتمكن الوكلاء من إكمال المهام

Foire aux questions

ما هو LangChain ولماذا يجب أن أستخدمه؟
LangChain هو إطار عمل لتطوير التطبيقات المدعومة بنماذج اللغة. يوفر مكونات معيارية للسلاسل والوكلاء والذاكرة وتكامل الأدوات التي تبسط بناء تطبيقات LLM المعقدة.
كيف أختار نوع الذاكرة المناسب لتطبيقي؟
استخدم ConversationBufferMemory للمحادثات القصيرة التي تقل عن 10 رسائل. استخدم ConversationSummaryMemory للمحادثات الأطول لتجنب حدود الرموز. استخدم VectorStoreMemory عندما تحتاج إلى بحث دلالي في سجل المحادثات.
ما هي الوكلاء في LangChain وكيف تعمل؟
الوكلاء هي أنظمة مستقلة تستخدم LLM لتقرير الإجراءات التي يجب اتخاذها. يفكرون في المشاكل خطوة بخطوة ويختارون ويستخدمون الأدوات حتى يصلوا إلى حل. الأنواع الشائعة تشمل وكلاء ReAct و OpenAI Functions و Structured Chat.
كيف يمكنني تحسين أداء تطبيق LangChain؟
قم بتمكين التخزين المؤقت لتجنب استدعاءات LLM الزائدة عن الحاجة واستخدم المعالجة بالدفعات لعمليات المستندات ونفذ البث لاستجابات أسرع واختر أحجام قطع مناسبة لمستنداتك لموازنة جودة الاسترجاع والسرعة.
هل يمكنني استخدام LangChain مع مساعدي الذكاء الاصطناعي مثل Claude أو Claude Code؟
نعم يندمج LangChain مع مزودي LLM متعددين. يمكنك تكوينه للعمل مع نماذج Anthropic's Claude واستخدام مساعدي ترميز الذكاء الاصطناعي مثل Claude Code للمساعدة في تطوير وتصحيح تطبيقات LangChain.
ما هو RAG وكيف أنفذه مع LangChain؟
RAG (التوليد المعزز بالاسترجاع) يجمع بين استرجاع المستندات وتوليد LLM. في LangChain قم بتحميل المستندات باستخدام DocumentLoaders وقسمها باستخدام TextSplitters وخزن التضمينات في VectorStore واستخدم سلاسل RetrievalQA للإجابة على الأسئلة بناءً على مستنداتك.

Détails du développeur

Structure de fichiers

📄 SKILL.md