スキル langchain-architecture
📦

langchain-architecture

安全

LangChain フレームワークで LLM アプリケーションを構築

こちらからも入手できます: sickn33,wshobson

本番環境対応の LLM アプリケーションを構築するには、複雑なアーキテクチャパターンを理解する必要があります。このスキルでは、エージェント、チェーン、メモリ管理、ツール統合のための実証済みの LangChain パターンを提供します。

対応: Claude Codex Code(CC)
🥉 75 ブロンズ
1

スキルZIPをダウンロード

2

Claudeでアップロード

設定 → 機能 → スキル → スキルをアップロードへ移動

3

オンにして利用開始

テストする

「langchain-architecture」を使用しています。 メモリを持つ基本的な会話チェーンを設定

期待される結果:

  • 会話履歴用の ConversationBufferMemory を初期化
  • 会話プロンプトテンプレートを含む LLMChain を作成
  • 入力/出力ペアを保存するようにメモリを構成
  • コンテキスト保持によるマルチターン会話の準備完了

「langchain-architecture」を使用しています。 検索および電卓ツールを持つエージェントを構築

期待される結果:

  • ウェブ検索クエリ用の serpapi ツールを読み込み
  • 数学計算用の llm-math ツールを読み込み
  • ReAct 推論パターンを使用してエージェントを初期化
  • エージェントは「SF の天気は？次に 25 * 4 を計算」に、天気データを検索し結果を計算して正常に回答

セキュリティ監査

安全
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
スキャンされたファイル
353
解析された行数
0
検出結果
1
総監査数
セキュリティ問題は見つかりませんでした
監査者: claude

品質スコア

38
アーキテクチャ
100
保守性
87
コンテンツ
50
コミュニティ
100
セキュリティ
100
仕様準拠

作れるもの

カスタマーサポートチャットボット

ナレッジベースを検索し、会話のコンテキストを維持し、必要に応じて複雑な問題を人間のエージェントにエスカレーションできるインテリジェントなカスタマーサポートエージェントを構築します。

ドキュメント分析パイプライン

大量のドキュメントコレクションを処理し、主要な情報を抽出し、検索拡張生成を使用してドキュメントコンテンツに基づいて質問に回答するシステムを作成します。

マルチツール AI アシスタント

検索 API、電卓、データベースなど複数のツールを選択して使用し、複雑なタスクを完了できる自律型エージェントを開発します。

これらのプロンプトを試す

基本的な LangChain セットアップ 
シンプルな LangChain アプリケーションを構築したいです。LLM、プロンプトテンプレート、チェーンを含む基本コンポーネントのセットアップをサポートしてください。私のユースケースは：[ユースケースを説明] です。
RAG 実装 
ドキュメント用の検索拡張生成システムを構築する必要があります。[ソース] からドキュメントを読み込み、適切に分割し、埋め込みを作成し、質問応答用の検索チェーンを設定するまでの手順をガイドしてください。
カスタムツールを持つエージェント 
これらのカスタムツールを使用できる LangChain エージェントを作成してください：[ツール一覧]。エージェントはユーザーのリクエストに基づいてどのツールを使用するかを推論する必要があります。デバッグのための適切なエラーハンドリングと詳細ログを含めてください。
本番環境対応アーキテクチャ 
本番デプロイ向けに LangChain アプリケーションアーキテクチャをレビューしてください。考慮事項：長時間の会話のためのメモリ管理、コスト最適化のためのキャッシング戦略、可観測性のためのコールバックハンドラー、信頼性のためのエラーハンドリング。現在のセットアップ：[アーキテクチャを説明]。

ベストプラクティス

  • 会話の長さに基づいてメモリタイプを選択：短いインタラクションにはバッファメモリ、長い会話には要約メモリ、関連履歴のセマンティック検索にはベクトルストアメモリを使用
  • エージェントが各タスクに適切なツールを選択できるよう、明確で説明的なツール定義を提供
  • トークン使用量、レイテンシ、エラーを最初からログ記録するため、観測性のためにコールバックハンドラーを早期に実装

回避

  • 制限なく会話履歴全体を保存し、コンテキストウィンドウのオーバーフローとコスト増加を引き起こす
  • エージェントが各ツールをいつ使用すべきか混乱させるような汎用的なツール説明を使用
  • エージェント実行のエラーハンドリングを省略し、エージェントがタスクを完了できない場合に失敗する

よくある質問

LangChain とは何か、なぜ使用するべきか？
LangChain は、言語モデルを搭載したアプリケーション開発のためのフレームワークです。チェーン、エージェント、メモリ、ツール統合のためのモジュラーコンポーネントを提供し、複雑な LLM アプリケーションの構築を簡素化します。
アプリケーションに適切なメモリタイプをどのように選択するか？
10 メッセージ未満の短い会話には ConversationBufferMemory を使用してください。トークン制限を避けるため、長い会話には ConversationSummaryMemory を使用してください。会話履歴のセマンティック検索が必要な場合は VectorStoreMemory を使用してください。
LangChain のエージェントとは何か、どのように機能するか？
エージェントは、どのアクションを実行するかを LLM で決定する自律型システムです。問題を段階的に推論し、解決策に到達するまでツールを選択して使用します。一般的なタイプには、ReAct、OpenAI Functions、Structured Chat エージェントがあります。
LangChain アプリケーションのパフォーマンスを最適化するには？
冗長な LLM 呼び出しを回避するためにキャッシングを有効化し、ドキュメント操作にバッチ処理を使用し、より高速なレスポンスのためにストリーミングを実装し、検索品質と速度のバランスを取るためにドキュメントに適切なチャンクサイズを選択します。
Claude や Claude Code などの AI アシスタントと LangChain を一緒に使用できるか？
はい、LangChain は複数の LLM プロバイダーと統合できます。Anthropic の Claude モデルを使用するように構成でき、AI コーディングアシスタントの Claude Code を使用して LangChain アプリケーションの開発とデバッグを支援できます。
RAG とは何か、LangChain でどのように実装するか？
RAG（検索拡張生成）は、ドキュメント検索と LLM 生成を組み合わせます。LangChain では、DocumentLoaders を使用してドキュメントを読み込み、TextSplitters で分割し、VectorStore に埋め込みを保存し、RetrievalQA チェーンを使用してドキュメントに基づいて質問に回答します。

開発者の詳細

作成者

sickn33

ライセンス

MIT

リポジトリ

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/langchain-architecture

参照

main

ファイル構成

📄 SKILL.md