تعارف

LangChain ایک اوپن سورس پائتھن AI ایپلیکیشن ڈویلپمنٹ فریم ورک ہے جو بڑے ماڈلوں پر مبنی AI ایپلیکیشنز بنانے کے لئے ماڈیولز اور ٹولز فراںہ کرتا ہے۔ LangChain کے ذریعے ڈویلپرز لارج لینگویج ماڈلز (LLMs) کے ساتھ آسانی سے انٹیگریٹ کر سکتے ہیں تاکہ وہ متن جنریشن، سوال جواب، ترجمہ، اور ڈائیلاگ وغیرہ جیسے کام کر سکیں۔ LangChain AI ایپلیکیشن ڈویلپمنٹ کی دیوار کو نیچے گراتا ہے، جو کسی بھی کو اپنی خود کی تخلیقی ایپلیکیشنز LLMS پر بنا سکنے کی اجازت دیتا ہے۔

LangChain کی خصوصیات:

  • LLM اور پرامپٹ: LangChain بڑی ماڈلز کے تمام LLM APIs کو تصوری بناتا ہے، بڑی ماڈلز کا رسائی کا API یکساں بناتا ہے، اور ایک پرامپٹ ٹیمپلیٹ مینجمنٹ میکانزم فراہم کرتا ہے۔
  • Chain: LangChain کئی عام سیناریوز کو تیار ماڈیولوں میں پیش کرتا ہے، جیسے کے کنٹیکسٹ کے بنیاد پر سوال جواب سسٹم، SQL کوئیریز کی طبیعی زبان میں پیداوار، وغیرہ، جن کو "Chain" نام دیا گیا ہے کیونکہ ان تسک کو انتظام دینا ایک ورک فلو کی طرح ہوتا ہے، جو قدم بہ قدم اجراء ہوتا ہے۔
  • LCEL: LangChain Expression Language (LCEL) نیئے ورژن کی اہم خصوصیت ہے، جو کہ ورک فلو آرکیسٹریشن مسائل کو حل کرنے کے لئے استعمال ہوتی ہے۔ LCEL کے ایکسپریشنز کے ذریعے ہم عام سی آئی کام کے استعمال کے فراہم قیامات کو استعمال کر کے AI ٹاسک کی پروسیسنگ فلو کو مرنجی کر سکتے ہیں، یعنی "Chain" کو لچک دیا جا سکتا ہے۔
  • Retrieval Augmented Generation (RAG): بڑے لینگویج ماڈلز (LLMs) نئی معلومات کو سمجھ نہیں سکتے اور نئے سوالات کا جواب نہیں دے سکتے، اس لیے ہم LLM میں نئی معلومات کو داخل کر کے پیدا کردہ مواد کی کوالٹی کو بہتر بنا سکتے ہیں۔ یہ موڈ RAG موڈ (Retrieval Augmented Generation) کہلاتا ہے۔
  • Agents: LLM کے اُصولوں پر بنائے گئے ڈیزائن پیٹرن جو LLM کی طبیعی زبان سمجھ اور تفکر کی قابلیتوں (LLM کو دماغ کے طور پہ) کا استعمال کرتے ہیں تاکہ صارف کے مطالبات پر مبنی کام مکمل کرنے کے لئے خود بخود بیرونی نظاموں اور اشیاء کو بلا سکیں۔ مثال کے طور پر، جب صارف نے "tomorrow کو چھُٹی لینی ہے" دیا تو لارج لینگویج ماڈل (LLM) خود بخود چھٹی کی درخواست کرنے کیلئے براہ راست فضا سسٹم کو بلایا ہوگا۔
  • Model Memory: بڑے لینگویج ماڈل (LLM) کو پچھلے بات چیت مواد کو یاد رکھنے کی اجازت دیتا ہے، یعنی ماڈل میموری کی صلاحیت ہے۔

لانگ چین فریم ورککے کمپوننٹس

لانگ چین کے فریم ورک کے کمپوننٹس

لانگ چین فریم ورک کئی کمپوننٹس پر مشتمل ہے، جن میں:

  • لانگ چین لائبریری: پائتھن اور جاوا اسکرپٹ لائبریریاں۔ اس میں انٹرفیسوں اور مختلف کمپوننٹس کو انٹیگریٹ کرنے کا رن ٹائم بنیاد شامل ہے، اور تیار ماڈیولز اور ایجنٹس کی تنظیم شامل ہے۔
  • لانگ چین ٹیمپلیٹس: لانگ چین دواریہ AI ٹاسک ٹیمپلیٹس جو لانگ چین کے ذریعہ فراہم کئے جاتے ہیں۔
  • لانگ سرو: FastAPI پر مبنی ہوتا ہے، یہ لانگ چین کی تعریف کردہ چینز کو REST API کے طور پر شائع کر سکتا ہے۔
  • لانگ اسمتھ: ایک ڈویلپمنٹ پلیٹ فارم، جو لانگ چین کی ڈیبگنگ اور ٹاسک مانیٹرنگ کی حمایت کرنے والی ایک کلاؤڈ سروس ہے۔

لانگ چین لائبریری (لائبریریاں)

لانگ چین لائبریری اپنے آپ میں مختلف پیکیجوں سے مشتمل ہے۔

  • langchain-core: بنیادی کنسپٹ، اور لانگ چین ایکسپریشن لینگویج کو شامل کرتا ہے۔
  • langchain-community: تیسری جانب کی انٹیگریشن، جو کہ زیادہ تر لانگ چین کے ساتھ انٹیگریٹ کردہ تیسری جانب کے کمپوننٹس شامل ہے۔
  • langchain: عام طور پر چینز، ایجنٹس، اور ریٹریول سٹریٹیجیوں شامل ہیں۔

لانگ چین ٹاسک پروسیسنگ فلو

اوپر دی گئی تصویر میں دکھایا گیا ہے کہ لانگ چین کوائف پرامپٹ مینجمنٹ ٹول سیٹ کا فراہم کرتا ہے تاکہ وہ پرامپٹ کو ڈیل کرے۔ پھر اسے بڑے ماڈل کے پاس منتقل کرتا ہے تاکہ وہ اسکو پروسیس کرے، اور آخر میں بڑے ماڈل کی طرف سے لوٹیجانے والے نتائج کو پروسیس کرتا ہے۔

لانگ چین کی بڑے ماڈلز کے انکسار کی دو طرحتیں عمد اور رہتی ہیں: LLM اور چیٹ ماڈل۔

  • LLM - ماڈل جو سوال جواب استعمال میں آئے، جو ایک متن ان پٹ کو قبول کرتا ہے اور ایک متن نتیجہ واپس کرتا ہے۔
  • چیٹ ماڈل - ڈائیلاگ سیناریوز کے لئے خصوصی طور پر ڈیزائن کیا گیا ماڈل، جو LLM کی مخصوص طرح سے مخصوص کی گئی ہے۔ یہ ماڈل ڈائیلاگ میسیجز کا ایک سیٹ قبول کر سکتا ہے، اور دائیلاگ میسیجز کو ایک گفتگو کی طرح میں واپس کر سکتا ہے۔

بنیادی تصورات

1. LLMs

لانگ چین کے انکشافی ماڈلز جو ایک متن ان پٹ قبول کرتے ہیں اور ایک متن نتیجہ واپس کرتے ہیں۔

2. چیٹ ماڈل

چیٹ ماڈل (یا ڈائیلاگ ماڈلز) ڈائیلاگ سیناریوز کے لیے خصوصی طرح تشکیل دئیے گئے ہوتے ہیں اور اللہدہ LLMs سے ہوتے ہیں۔ یہ ماڈلز ایک گفتگو کی طرح میں میسیجز کا ایک سیٹ قبول کر سکتے ہیں، اور گفتگو کی شکل میں میسیجز واپس کر سکتے ہیں۔

3. میسیجز

چیٹ ماڈلز میں میسیجز کے مواد کا حوالہ ہوتا ہے۔ میسیجز کے اقسام میں ہیومین میسیج، اےآئی میسیج، سسٹم میسیج، فنکشن میسیج، اور ٹول میسیج شامل ہیں۔

4. پرامپٹس

لانگ چین نے پرامپٹ مینجمنٹ کے لئے استعمال کرنے والے ایک ٹول مینجمنٹ سیٹ کا انکشاف کیا ہے، جو ہمیں پرامپٹ کے مواد کو منسق کرنے میں سہولت فراہم کرتا ہے۔

5. آؤٹپٹ پارسرز

جیسا کہ اوپر کی تصویر میں ذکر کیا گیا ہے، جب لانگ چین بڑے ماڈل (LLM) سے واپسی ہونے والی متن کو قبول کرلیتا ہے، تو اسے مخصوص آؤٹپٹ پارسرز کا استعمال کر کے متن کو منسق کر سکتا ہے، جیسے کہ JSON کو پارس کرنا یا LLM کی آؤٹپٹ کو پائتھن آبجیکٹ میں تبدیل کرنا۔

5. ریٹریورز

بڑے ماڈل (LLM) میں نجی ڈیٹا کو آسانی سے درآمد کرنے اور ماڈل کے جوابات کی معیار کو بہتر بنانے کے لئے، لینگ چین نے ایک ریٹریول فریم ورک (ریٹریورز) کو انکیپسولیٹ کیا ہے جو دستاویزات کے ڈیٹا کو لوڈ، سیگمینٹیشن، ذخیرہ اور ریٹریوو کرنے کو آسان بناتا ہے۔

6. ویکٹر اسٹورز

نجی ڈیٹا کے لئے سیمانٹک مشابہت تلاش کے لئے، لینگ چین مختلف ویکٹر ڈیٹابیس کا سپورٹ فراہم کرتا ہے۔

7. ایجنٹس

ایجنٹس، عموماً بڑے ماڈل (LLM) کے ساتھ ڈیزائن کیے گئے ایپلیکیشنز کو ہوتے ہیں جو صارف کی داخلہ کے بنیاد پر خود بخود بیرونی سسٹمز اور ہارڈویئر ڈیوائسز کو کال کرتے ہیں۔ یہ بڑے ماڈل (LLM) کے باضابطہ پیچھے کا ڈیزائن پیٹرن ہے۔

اطلاقات کے سینیاریوز

  • چیٹ بٹس: ذہانت سے بھری چیٹ اسسٹنٹس، صارف خدمت چیٹ بٹس، اور گفتگوئی چیٹ بٹس کا تعمیر۔
  • علمی بیس سوال جواب: علمی گراف کے ساتھ انٹیگریشن کرکے کھولے زمین کے سوال جواب تکمیل کرنے والی خدمات فراہم کرنا۔
  • ذہین لکھائی: مثلاً مضمون لکھائی، تخلیقی لکھائی، اور متن خلاصہ کرنا۔