스킬 langchain-architecture
📦

langchain-architecture

안전 🌐 네트워크 접근⚙️ 외부 명령어

AI 애플리케이션을 위한 LangChain 아키텍처 마스터하기

LangChain으로 정교한 AI 에이전트와 워크플로우를 구축하세요. 모든 데이터 소스와 통합되는 프로덕션 준비가 된 LLM 애플리케이션을 위해 메모리, 도구 및 체인을 구현하는 방법을 배웁니다.

지원: Claude Codex Code(CC)
📊 70 적절함
1

스킬 ZIP 다운로드

2

Claude에서 업로드

설정 → 기능 → 스킬 → 스킬 업로드로 이동

3

토글을 켜고 사용 시작

테스트해 보기

"langchain-architecture" 사용 중입니다. How do I create a LangChain agent that can search the web and do calculations?

예상 결과:

  • 일관된 결과를 위해 temperature=0으로 OpenAI LLM 설정
  • 웹 검색을 위한 serpapi, 계산을 위한 llm-math 도구 로드
  • CONVERSATIONAL_REACT_DESCRIPTION 유형으로 에이전트 초기화
  • 대화 기록을 위해 ConversationBufferMemory 추가
  • 에이전트의 추론 과정을 확인하려면 verbose=True 사용

"langchain-architecture" 사용 중입니다. What memory types should I use for long conversations?

예상 결과:

  • 이전 메시지를 요약하고 토큰을 절약하려면 ConversationSummaryMemory 사용
  • 마지막 N개의 메시지만 유지하려면 ConversationBufferWindowMemory 고려
  • 관련 기록의 의미론적 검색을 위해 VectorStoreMemory 시도
  • 대화 전반에 걸쳐 특정 엔티티에 대한 정보를 추적하려면 EntityMemory 도움

보안 감사

안전
v4 • 1/17/2026

Documentation-only skill containing educational content about LangChain architecture patterns. All 44 static findings are false positives: SHA-256 hashes flagged as C2, LangChain class names flagged as weak crypto, and markdown code blocks flagged as shell execution. No executable code, network calls, file system access, or security risks present.

2
스캔된 파일
518
분석된 줄 수
2
발견 사항
4
총 감사 수
감사자: claude 감사 이력 보기 →

품질 점수

38
아키텍처
100
유지보수성
87
콘텐츠
22
커뮤니티
100
보안
91
사양 준수

만들 수 있는 것

도구 통합 AI 에이전트 구축

LangChain의 에이전트 프레임워크를 사용하여 데이터베이스 검색, 이메일 전송 및 복잡한 작업을 수행하는 자율적 에이전트를 생성합니다.

프로덕션 LLM 워크플로우 설계

적절한 메모리 관리, 오류 처리 및 성능 최적화를 갖춘 확장 가능한 LLM 애플리케이션을 설계합니다.

RAG 문서 처리 구현

지능형 문서 검색 및 질문-응답을 위한 검색 증강 생성 시스템을 구축합니다.

이 프롬프트를 사용해 보세요

기본 에이전트 설정
OpenAI GPT-4를 사용하여 웹 검색 및 계산기 도구가 있는 간단한 LangChain 에이전트를 만들어주세요. 메모리와 상세 출력을 포함하세요.
RAG 구현
PDF 문서를 로드하고 임베딩을 생성하며 Chroma 벡터 저장소를 사용한 의미론적 검색으로 질문에 답변하는 RAG 시스템을 구축하는 방법을 보여주세요.
다중 단계 체인
텍스트에서 엔티티를 추출하고 감정을 분석하며 결과를 종합적인 보고서로 생성하는 SequentialChain을 설계하세요.
프로덕션 에이전트
커스텀 도구, 적절한 오류 처리, 모니터링을 위한 콜백 및 폴백 전략이 있는 프로덕션 급 LangChain 에이전트를 생성하세요.

모범 사례

  • 항상 에이전트 실행을 위한 적절한 오류 처리 및 시간 제한 구현
  • 콜백으로 토큰 사용량을 모니터링하여 프로덕션에서 비용 제어
  • 대화 길이 및 컨텍스트 요구 사항에 따라 적절한 메모리 유형 선택

피하기

  • 자르기 없이 긴 대화에 ConversationBufferMemory 사용 피하기
  • 에이전트 선택을 혼란스럽게 하는 모호한 설명으로 도구 생성하지 않기
  • 적절한 청킹 전략 없이 컨텍스트 창 제한 초과하지 않기

자주 묻는 질문

이 스킬은 어떤 LangChain 버전을 지원합니까?
이 스킬은 안정적인 API 패턴을 사용한 예제와 함께 v0.1과 v0.2 모두에 적용되는 LangChain 개념을 다룹니다.
OpenAI 외의 다른 LLM과 함께 사용할 수 있나요?
네, LangChain은 동일한 인터페이스를 통해 Anthropic, Google 및 오픈소스 모델을 포함한 여러 LLM 제공업체를 지원합니다.
긴 대화에서 메모리 오버플로를 어떻게 처리합니까?
기록 길이를 관리하고 컨텍스트 오버플로를 방지하려면 ConversationSummaryMemory 또는 ConversationBufferWindowMemory를 사용하세요.
이 스킬은 Claude Code와 호환되나요?
네, 이 스킬은 Claude Code와 호환되며 프로젝트에서 LangChain 패턴을 구현하는 데 도움을 줄 수 있습니다.
ReAct와 OpenAI Functions 에이전트의 차이점은 무엇입니까?
ReAct는 텍스트 기반 추론을 사용하는 반면, OpenAI Functions는 더 신뢰할 수 있는 도구 선택을 위해 네이티브 함수 호출을 활용합니다.
에이전트 도구 선택 문제를 디버깅하려면 어떻게 해야 합니까?
상세 모드를 활성화하고 커스텀 콜백을 사용하여 에이전트 결정을 로깅한 다음, 실패를 기반으로 도구 설명을 개선하세요.

개발자 세부 정보

파일 구조

📄 SKILL.md