Hatena Blog Tags
はてなブログ トップ
LangChain
このタグでブログを書く
言葉の解説
ネットで話題
関連ブログ

LangChain

このタグの解説についてこの解説文は、すでに終了したサービス「はてなキーワード」内で有志のユーザーが作成・編集した内容に基づいています。その正確性や網羅性をはてなが保証するものではありません。問題のある記述を発見した場合には、お問い合わせフォームよりご連絡ください。
リスキリングで拓く未来：デジタル技術者のキャリアパス•16日前

LangChainでAIエージェント開発を学ぶための入門書選び

LangChainによるAIエージェント開発講座 (AI & TECHNOLOGY) LangChainによるAIエージェント開発講座【固定型】 作者:神田 良輝 翔泳社 Amazon LangChainによるAIエージェント開発講座 （AI & TECHNOLOGY） [ 神田 良輝 ]価格: 3520 円楽天で詳細を見る AI関連の技術書を探していると、「専門用語が多すぎて読み切れないのでは」「結局、自分の学習や仕事にどう役立つのか分からない」と感じ、購入を迷ってしまうことがあります。 特にAIエージェントやフレームワークを扱う書籍は、内容の難易度が見えにくい点が不安になりやすい分野です。…

#AI#生成AI#LangChain#AIエージェント#技術書#プログラミング#エンジニア学習#AI開発#書籍レビュー#IT書籍

関連ブログ

atsushi-h’s blog•2ヶ月前

AIエージェントと作る「Agentic RAG」完全ガイド｜LangGraph × Pinecone で賢いRAGを構築する方法

目次 はじめに この記事のコード Agentic Ragとは 全体アーキテクチャ LangGraphによるエージェントフロー データの前準備 質問応答CLIの例 まとめ 実は(私はほぼ一切コードを書いていません) コード抜粋 UnitTestもClineに実行させる はじめに 最近話題の Agentic RAG を、実際に自分でも作ってみました。 といっても、自分で書いたわけではありません。 今回のコード、AI（cline + tngtech/deepseek-r1t2-chimera:free）に作らせました。 私はほぼ一切コードを書いていません。 本記事では、このプロセスで作った Lang…

#AIエージェント#Agentic RAG (エージェントRAG)#LangGraph#LangChain#Cline
okpy•2ヶ月前

PythonでChatGPT活用、まだ手作業でプロンプトを書いていますか？ `langchain`で開発を爆速化しよう！

PythonでChatGPT活用、まだ手作業でプロンプトを書いていますか？ langchainで開発を爆速化しよう！ 📝 TL;DR (3行要約) langchainは、ChatGPTのような大規模言語モデル(LLM)を使ったアプリ開発を劇的に簡単にするための「道具箱（ツールキット）」です。 複数の処理を鎖(chain)のようにつなぎ、複雑なタスク（例: PDFの内容を読み込んで質問に答える）を自動化できます。 これを使えば、LLMのAPIを直接扱うよりも、はるかに少ないコードで高機能なAIアプリケーションを構築できます。 1. 🤔 一体langchainとは何？（核心的な役割と主な使用例） …

#Python#AI#LLM#ChatGPT
プログラミング ときどき 雑談•3ヶ月前

PythonでRAG！Gemini APIで動かす（後編）〜いよいよAIに質問してみよう！〜

こんにちは！ 気ままなねぎとろ♪ です。😊 お待たせしました！ 「PythonでRAG！Gemini APIで動かす」の【後編】です！ ▼【前編】をまだ読んでいない方は、こちらからどうぞ！ PythonでRAG！Gemini APIで動かす（前編）〜いろんなファイルを食べさせる準備〜 - プログラミング ときどき 雑談 【前編】では、Excelのデータを読み込んで、AIが食べやすい一口サイズにカットして、いつでも取り出せる「魔法の冷蔵庫（FAISS）」に入れるところまで、RAGの【下ごしらえ】をやりましたね。 今回の【後編】では、いよいよこの「魔法の冷蔵庫」を使って、 「Gemini 2.5 …

#RAG#Python#LangChain#生成AI#プログラミング
atsushi-h’s blog•3ヶ月前

【AI×行政書士試験】RAGで過去問を学習させてみた｜Gemma 3・GPT-OSSによる精度比較実験

行政書士試験の過去問を要約してAIに学習させ、RAGで法令問題を解かせてみました。Gemma 3とGPT-OSSを比較します。お遊びです。 はじめに 前回記事で行政書士試験に短期で一発合格するための注意事項を書きました。 そのとき、LLMは行政書士試験に合格できるか？と興味が湧きました。 今回は、「LLM（大規模言語モデル）＋RAG（Retrieval-Augmented Generation。モデルに外部知識を付与して応答精度を高める手法）」の組み合わせが、行政書士試験の選択式問題にどこまで対応できるかを検証します。過去10年分の行政法・民法の選択式問題を要約してベクトル化し、LangCha…

#LLM#LangChain#行政書士試験#pine cone#Gemma 3#gpt 3
プログラミング ときどき 雑談•3ヶ月前

PythonでRAG！Gemini APIで動かす（前編）〜いろんなファイルを食べさせる準備〜

こんにちは！ 気ままなねぎとろ♪ です。😊 いきなりですが、皆さん「RAG（ラグ）」って言葉、知ってましたか？ 私は、つい最近まで知りませんでした！（笑） でもね、ずーっと「できたらいいな！」って思ってたことがあるんです。 それは、 「自分がAIと話した会話の履歴とか、Excelでまとめたデータとかを、AIが全部覚えてくれて、その中から質問に答えてくれたら最高なのになぁ…」 っていうこと！ これを、いつものようにAIに話してみたら、「巷でいう『RAG』っていう技術です。」 って教えてくれたんです。 え、あれってRAGっていう名前だったの！？Σ(ﾟДﾟ) って RAG（Retrieval-Aug…

#RAG#Python#LangChain#生成AI#プログラミング
atsushi-h’s blog•3ヶ月前

LangChain Self-Querying Retriever で　RAG を試してみた

LangChain Self-Querying Retriever で RAG を試してみた はじめに 前回の記事:ローカル LLM（OLLAMA） で動かす簡易 RAG 精度改善でRAGの精度を改善するために、「チャンクにタグをつける」を試してみましたが、なんかスマートじゃないなと調べていたら、Self-Querying Retrieverという方法があることに気づきました。 Self-Querying Retrieverとは？ 通常の検索では、ユーザーが「検索クエリ（質問）」を入力します。でも、ユーザーの質問があいまいだったり、検索に必要な条件が複雑だったりすると、うまく探せないことがあり…

#LLM#LangChain#生成 AI#deepseek
リスキリングで拓く未来：デジタル技術者のキャリアパス•4ヶ月前

【2025年最新AI活用】現役エンジニアが教える！「AIエージェント開発/運用入門」で広がる副業と仕事の未来

AIエージェント開発／運用入門 ［生成AI深掘りガイド］ 作者:御田 稔,大坪 悠,塚田 真規 SBクリエイティブ Amazon AIエージェント開発 / 運用入門 [生成AI深掘りガイド] [ 御田 稔 ]価格: 3630 円楽天で詳細を見る はじめに AI・生成AIの発展と読者が抱える課題：ただ使うだけではもったいない！AIを「自動化の相棒」にする時代へ 本書の特徴：手を動かしながら理解できる、AIエージェント開発の「羅針盤」 技術的要素：LLMの深層とエージェントモデルの構造を理解する 実務への応用：副業チャンスを広げる！SEO、データ分析、クリエイティブ活用 AIエージェントを「第二の…

#AI#生成AI#AIエージェント#ChatGPT#プロンプトエンジニアリング#副業#AI活用#2025年#ビジネス書#LangChain
atsushi-h’s blog•4ヶ月前

ローカル LLM（OLLAMA） で動かす簡易 RAG 精度改善

RAGの精度改善編 はじめに 前回の記事でローカル LLM（OLLAMA）＋ LangChain ＋ Streamlit で簡易 RAG を実装してみました。 実際に実験してみると: 「なんか関係ない情報が混ざるな…」 今回は、その原因と対策を実装してみます。 コードとインストール方法、ドキュメントは Github にあります。ご自由にお使い下さい。 以下のバージョンで使用しています。 langchain 0.3.27 langchain-community 0.3.31 langchain-core 0.3.79 langchain-huggingface 0.3.1 langchain-o…

#ollama#LLM#Streamlit#LangChain#生成 AI
atsushi-h’s blog•4ヶ月前

ローカル LLM（OLLAMA） で動かす簡易 RAG LangChainを使ってみる

はじめに 前回は、「ローカルLLM(OLLAMA) で動かす簡易 RAG」 で遊んでみました。 今回は、LangChainフレームワークを使って、実装しなおしてみます。 サンプルコードとドキュメントは Github にあります。 要約 ローカル LLM（OLLAMA）＋ LangChain ＋ Stramlit で簡易 RAG を構築しました。 Streamlit UI でファイルをアップロードし、質問すると関連文書を検索して回答を生成します。 Dockerで実験しています。 graph LR; A[chatbot container] --- B[ollama container]; 以下の…

#ollama#LLM#LangChain#Streamlit