مقدمة لغة تعبير لانج تشين (LCEL)

لغة تعبير سلسلة LangChain (اختصارًا LCEL) هي طريقة إدارة سير العمل الذكائي الإخباري التصريحية التي تسمح بدمج خطوات المعالجة المتعددة بسهولة مثل الوصلات في سلسلة. لذا، يُشار إلى سير العمل المحددة بواسطة LCEL باسم "السلاسل" في لانغتشين. من أبسط سلسلة "مطالبة + LLM" إلى السلاسل الأكثر تعقيدًا (على سبيل المثال، السلاسل التي تتكون من مئات الخطوات).

ميزات لغة تعبير سلسلة LangChain كما يلي:

• دعم معالجة البث: عند بناء السلاسل باستخدام LCEL، من أجل الحصول بسرعة على المحتوى الذي يتم إرجاعه بواسطة نموذج LLM، يدعم LCEL أيضًا معالجة البث، محققًا تأثيرات مماثلة لجلب المحتوى حرفيًا بواسطة رموز، تمامًا مثل ChatGPT.

• دعم الاستجابة الباطلة: يمكن استخدام أي سلسلة مبنية باستخدام LCEL مع واجهات برمجة تطبيقات متزامنة وغير متزامنة. الغرض من استخدام واجهات البرمجة التطبيقية الغير متزامنة هو تحسين الأداء ودعم الطلبات المتزامنة الأعلى.

• دعم التنفيذ المتوازي: كلما كانت لسلسلة LCEL الخطوات التي يمكن تنفيذها بشكل متوازي (على سبيل المثال، إذا كنت تقوم بجلب مستندات من مصادر متعددة)، نقوم تلقائيًا بتنفيذها لكل من واجهات المتزامنة وغير المتزامنة لتحقيق الحد الأدنى من التأخير.

• إعادة المحاولة والتراجع: تكوين إعادة المحاولة والتراجع لأي جزء من سلسلة LCEL.

• دعم الوصول إلى النتائج الوسيطة: في سلاسل السير العمل المعقدة، من المرغوب فيه غالبًا القدرة على تصفح النتائج الوسيطة بين خطوات المهمة المختلفة أثناء التصحيح.

• أوضاع الإدخال والإخراج: إن أوضاع الإدخال والإخراج يتم استنتاجها بناءً على هيكل السلسلة، وتوفير بيانات نموذج Pydantic و JSONSchema لكل سلسلة LCEL. يمكن استخدام ذلك للتحقق من الإدخال والإخراج وهو جزء من LangServe.

• دعم التكامل مع خدمة رصد LangSmith: كلما أصبحت السلاسل أكثر تعقيدًا، أصبح فهم ما يحدث في كل خطوة أكثر أهمية. مع LCEL، يتم تسجيل جميع الخطوات تلقائيًا في LangSmith لتحقيق أقصى قدر من المراقبة والتصحيح.

• دعم نشر LangServe: يمكن نشر أي سلسلة تم إنشاؤها باستخدام LCEL بسهولة باستخدام LangServe.