初心者によるLangChain解説【イメージ画像あり】

モジュール名	できることの一例
Models	「LLMs」「Chat Models」「Text Embedding Model」といったモデルをすべてLnagChain上で使える。
Prompts	プロンプトの管理、最適化、シリアル化ができる。
Indexes	PDFやCSVなどのデータを学習させることができる。
Chains	一回目の回答に応じて、二回目の質問を実行することができる。
Agents	回答がいい感じになるまで、何回も質問と回答を繰り返してくれる。
Memory	以前のやりとりを記憶できる。

💡

以下でイメージ画像を用いて詳しく解説する。

Modelsモジュール

「Modelsモジュール」＝「さまざまなモデルが簡単に使える」

前提としてLangChainでは大まかに3種類のモデルが扱える。

モデル名	解説	例	詳しい解説
LLMs	大規模言語モデル	text-davinchi-003	01.概要 02.モデルの種類 03.詳細な機能
Chat Models	LLMモデルの派生。チャットに特化している。	gpt-3.5-turbo	01.概要 02.モデルの種類 03.詳細な機能
Text Embedding Models	単語を数値化して単語同士の関連度を計算するモデル	text-embedding-ada-002	01.概要 02.モデルの種類 03.詳細な機能

モデルによって使い方が異なるが、LangChainなら同じような感覚で使えて開発が楽✅

イメージ

これらを簡単に組み合わせて開発することができる。

💡

Modelsは特別な機能ではなく、LangChainの根幹を担うイメージ。

公式ドキュメント

Page Not Found | 🦜️🔗 Langchain

https://js.langchain.com

Promptsモジュール

「Promptsモジュール」＝「プロンプトの管理を簡単にしてくれる」

プロンプトの管理・最適化・シリアル化ができる機能✅

【補足】具体的な機能

Promptsモジュールは以下のような機能が使える。

機能名	解説	詳しい解説
Prompt Template	プロンプトのテンプレートを作る	01.概要 02.詳細な機能
Example Selectors	質問するときにすべての教師データを使わず、一部の教師データだけを使う(*1)	01.概要
Output Parsers	回答の形式を指定する	01.概要

(*1)何のための機能？

質問が長いときに文字数制限を超えないように使用する例の数を減らす。
不要な教師データを使わないようにして回答の精度をあげる。

例：プロンプトのテンプレートを作る

どのような質問をするかテンプレートを作っておけば、ユーザーは文章の一部だけ入力すれば済むようにできる。

「〇〇の名産地を教えて」というテンプレートを作った場合。

💡

たった3文字「りんご」と入力するだけで名産地が返ってくる！
質問するときの負担が減る✅

公式ドキュメント

Page Not Found | 🦜️🔗 Langchain

https://js.langchain.com

Indexesモジュール

「Indexesモジュール」＝「インデックスを扱うための機能」

独自データを学習させるにはインデックスというものが必要✅

【補足】具体的な機能

Indexesモジュールは以下のような機能が使える。

機能名	解説	詳しい解説
Document Loaders	PDF、Webページなどの外部データを読み込む(*1)	01.概要 02.ローダーの種類(ファイル) 03.ローダーの種類(Web)
Text Splitters	文章を分割する	01.概要 02.テキストスプリッターの種類
Vectorstores	文章をベクトル化し、インデックスを生成する	01.概要 02.ベクターストアの種類
Retrievers	知りたい内容に関連する文章を検索する	01.概要&レトリーバーの種類

(*1)豆知識

読み込んだデータはDocument型（モデルが扱える形）に変換する必要がある。
load()またはloadAndSplit(…)でDocument型に変換できる。

学習のイメージ

開発者が事前に行う作業。

インデックスを生成して、LangChainが独自データを扱えるようにする。

テキスト／CSV／PDFなどからインデックを生成できる。
Notionなどの外部データからインデックスを生成することもできる。

💡

とりあえず学習にはインデックスが必要なことを覚えておこう！

質問時のイメージ

ユーザーが質問したときの動作。

※「検索」はベクトル検索エンジンと呼ばれるものを使う。（https://qiita.com/sonesuke/items/56a6e4b6532eafa104f4#ベクトル検索エンジン）

💡

インデックスを使って、独自データについて回答してくれる！

他のライブラリもある

インデックスの扱いだけなら「LangChain」以外にも「LlamaIndex」というライブラリも有名。Pythonのみ対応している。

📄 初心者によるLlamaIndexの基本知識まとめ

💡

独自データを扱うだけならLlamaIndexの方がシンプルかも！

公式ドキュメント

Page Not Found | 🦜️🔗 Langchain

https://js.langchain.com

Chainsモジュール

「Chainsモジュール」＝「会話を繋げる機能」

（ユーザー質問 → AI回答）で終わらせず、複数のやりとりを繋げられる✅

【補足】具体的な機能

Chainsモジュールは大きく3種類のチェーンに分類できる。

機能名	解説
Simple Chain	質問と回答を1セットにしてSimple Chainと呼ぶ例：（質問 → 回答）
Sequential Chain	複数のChainを直列に繋いだものを1セットにしてSequential Chainと呼ぶ例：（質問 → 回答）→（質問 → 回答）
Custom Chain	複数のChainを任意に繋いだものを1セットにしてCustom Chainを呼ぶ例：（質問 → 回答）↘️ 　　　　　　　　　➡️（質問 → 回答）（質問 → 回答）↗️

イメージ

具体的には以下のような機能が使える。

機能名	解説	詳しい解説
LLMChain	Simple Chainのこと（一番シンプル）	01.使い方
Index Related Chains	インデックスを使ったチェーン	01.チェーンの種類
Sequential Chain	Sequential Chainのこと	01.使い方
その他のチェーン	その他にも様々なチェーンがある	01.その他チェーンの一覧
Prompt Selectors	モデルに応じて使用するテンプレートを切り替える機能	01.使い方

💡

Chainsは特別な機能ではなく、LangChainの根幹を担うイメージ。

例：中間的な回答を挟むことで精度の高い回答を得る

ユーザーはざっくり質問をするだけでOK。

AIがしっかりした質問を作ってくれて、最終的には具体的な回答を得られる。

💡

これをCoTプロンプティングという。
ざっくりした質問から複雑な回答を得たいときに有用！

例：長い文章を要約する

OpenAIでは、1回の質問の文字数に制限がある。

そのため長い文章は1回の質問に入り切らない😫

💡

一旦分割し、2段階で要約することで、長い文章の要約を避けられる。

※「分割」はIndexesモジュールを使えば実装できる。

※「合成」はプログラム上で文字列を連結させるだけ。

公式ドキュメント

Page Not Found | 🦜️🔗 Langchain

https://js.langchain.com

Agentsモジュール

「Agentsモジュール」＝「Google検索などの外部の機能を駆使して、良い答えを導く機能」

Agentsは、（ユーザー質問 → AI回答）ではなく、良い答えになるまで何回も「試行」してくれる機能✅

【補足】具体的な機能

Agentsモジュールは以下のような機能が使える。

機能名	解説	詳しい解説
Agents	自動で良い答えに導いてくれる	01.概要 02.エージェントの種類 03.詳細な機能
Agent Executor	Agentsを良い答えになるまで実行させる	01.概要 02.使い方
Tools	Google検索などの外部機能を使う	01.概要 02.ツールの種類 03.ベクターストアと組み合わせる 04.ChatGPTを拡張 05.AWS Lambdaを使う 06.Webデータを使う 07.Zapierを使う
Toolkits	特定の問題を解決するためのToolsの集まり	01.概要&ツールキットの種類

イメージ

良い答えになるよう「繰り返しアクションを実行」してくれる。

開発者は事前に、AIがどんなツールを使えるかの選択肢を用意してあげる。
（例：Google検索ツール、計算ツール）
AIは与えられたツールを使って、自動的に良い答えを導いてくれる。
※人は「どの順番でどのツールを使うか」指定しなくてOK😊
※AIが自動で「どのツールを使い、どの順番で解決していけばいいか」を考え、良い答えに導いてくれる🤖

💡

AgentsはPDCAサイクルを自分で回す優秀な機能！

公式ドキュメント

Page Not Found | 🦜️🔗 Langchain

https://js.langchain.com