LangChain公式エキスパートによる『LangChainとLangGraphによるRAG・AIエージェント［実践］入門』発売のお知らせ
2024年11月9日(土)に技術評論社から『LangChainとLangGraphによるRAG・AIエージェント［実践］入門』が発売されます。当社共同創業者3名で執筆しました。
LangChainとLangGraphによるRAG・AIエージェント［実践］入門：書籍案内｜技術評論社
gihyo.jp書籍の目次
-
第1章 LLMアプリケーション開発の基礎
- 1.1 活用され始めた生成AI
- 1.2 Copilot vs AIエージェント
- 1.3 すべてはAIエージェントになる
- 1.4 AIエージェントの知識地図
- 1.5 まとめ
-
第2章 OpenAIのチャットAPIの基礎
- 2.1 OpenAIのチャットモデル
- 2.2 OpenAIのチャットAPIの基本
- 2.3 入出力の長さの制限や料金に影響する「トークン」
- 2.4 Chat Completions APIを試す環境の準備
- 2.5 Chat Completions APIのハンズオン
- 2.6 Function calling
- 2.7 まとめ
-
第3章 プロンプトエンジニアリング
- 3.1 プロンプトエンジニアリングの必要性
- 3.2 プロンプトエンジニアリングとは
- 3.3 プロンプトの構成要素の基本
- 3.4 プロンプトエンジニアリングの定番の手法
- 3.5 まとめ
-
第4章 LangChainの基礎
- 4.1 LangChainの概要
- 4.2 LLM/Chat model
- 4.3 Prompt template
- 4.4 Output parser
- 4.5 Chain―LangChain Expression Language（LCEL）の概要
- 4.6 LangChainのRAGに関するコンポーネント
- 4.7 まとめ
-
第5章 LangChain Expression Language（LCEL）徹底解説
- 5.1 RunnableとRunnableSequence―LCELの最も基本的な構成要素
- 5.2 RunnableLambda―任意の関数をRunnableにする
- 5.3 RunnableParallel―複数のRunnableを並列につなげる
- 5.4 RunnablePassthrough―入力をそのまま出力する
- 5.5 まとめ
-
第6章 Advanced RAG
- 6.1 Advanced RAGの概要
- 6.2 ハンズオンの準備
- 6.3 検索クエリの工夫
- 6.4 検索後の工夫
- 6.5 複数のRetrieverを使う工夫
- 6.6 まとめ
-
第7章 LangSmithを使ったRAGアプリケーションの評価
- 7.1 第7章で取り組む評価の概要
- 7.2 LangSmithの概要
- 7.3 LangSmithとRagasを使ったオフライン評価の構成例
- 7.4 Ragasによる合成テストデータの生成
- 7.5 LangSmithとRagasを使ったオフライン評価の実装
- 7.6 LangSmithを使ったフィードバックの収集
- 7.7 フィードバックの活用のための自動処理
- 7.8 まとめ
-
第8章 AIエージェントとは
- 8.1 AIエージェントのためのLLM活用の期待
- 8.2 AIエージェントの起源とLLMを使ったAIエージェントの変遷
- 8.3 汎用LLMエージェントのフレームワーク
- 8.4 マルチエージェント・アプローチ
- 8.5 AIエージェントが安全に普及するために
- 8.6 まとめ
-
第9章 LangGraphで作るAIエージェント実践入門
- 9.1 LangGraphの概要
- 9.2 LangGraphの主要コンポーネント
- 9.3 ハンズオン：Q&Aアプリケーション
- 9.4 チェックポイント機能：ステートの永続化と再開
- 9.5 まとめ
-
第10章 要件定義書生成AIエージェントの開発
- 10.1 要件定義書生成AIエージェントの概要
- 10.2 環境設定
- 10.3 データ構造の定義
- 10.4 主要コンポーネントの実装
- 10.5 ワークフロー構築
- 10.6 エージェントの実行と結果の確認
- 10.7 全体のソースコード
- 10.8 まとめ
-
第11章 エージェントデザインパターン
- 11.1 エージェントデザインパターンの概要
- 11.2 18のエージェントデザインパターン
- エージェントデザインパターンの全体図
- パッシブゴールクリエイター (Passive Goal Creator)
- プロアクティブゴールクリエイター (Proactive Goal Creator)
- プロンプト/レスポンス最適化 (Prompt/Response Optimizer)
- 検索拡張生成 (Retrieval-Augmented Generation: RAG)
- シングルパスプランジェネレーター (Single-Path Plan Generator)
- マルチパスプランジェネレーター (Multi-Path Plan Generator)
- セルフリフレクション (Self-Reflection)
- クロスリフレクション (Cross-Reflection)
- ヒューマンリフレクション (Human-Reflection)
- ワンショットモデルクエリ (One-Shot Model Querying)
- インクリメンタルモデルクエリ (Incremental Model Querying)
- 投票ベースの協調 (Voting-Based Cooperation)
- 役割ベースの協調 (Role-Based Cooperation)
- 議論ベースの協調 (Debate-Based Cooperation)
- マルチモーダルガードレール (Multimodal Guardrails)
- ツール/エージェントレジストリ (Tool/Agent Registry)
- エージェントアダプター (Agent Adapter)
- エージェント評価器 (Agent Evaluator)
- 11.3 まとめ
-
第12章 LangChain/LangGraphで実装するエージェントデザインパターン
- 12.1 本章で扱うエージェントデザインパターン
- 12.2 環境設定
- 12.3 パッシブゴールクリエイター（Passive Goal Creator）
- 12.4 プロンプト／レスポンス最適化（Prompt/Response Optimizer）
- 12.5 シングルパスプランジェネレーター（Single-Path Plan Generator）
- 12.6 マルチパスプランジェネレーター（Multi-Path Plan Generator）
- 12.7 セルフリフレクション（Self-Reflection）
- 12.8 クロスリフレクション（Cross-Reflection）
- 12.9 役割ベースの協調（Role-Based Cooperation）
- 12.10 まとめ
詳細については、以下のテックブログをご覧ください。
LangChain公式エキスパートによる『LangChainとLangGraphによるRAG・AIエージェント［実践］入門』発売のお知らせ - Generative Agents Tech Blog
blog.generative-agents.co.jpLangChain/LangGraphを活用した生成AIアプリケーションの開発支援
ジェネラティブエージェンツでは、生成AIアプリケーション開発のデファクトスタンダードとしてグローバルで利用されているライブラリ「LangChain」の公式エキスパートとして、生成AIを活用したソフトウェア開発を支援しております。
生成AIを活用した課題解決、新規事業に向けたコンサルティングサービス、チームの開発力を上げる教育・研修サービスを提供します。サービス内容の詳細につきましては、以下のリンク先をご覧ください。
生成AIアプリケーション開発支援 | Generative Agents
LLMを活用した生成AIアプリケーションの開発支援、LangChain/LangGraphを活用するための教育・研修サービスをご提供しております。
LangChainとLangGraphによるRAG・AIエージェント［実践］入門：書籍案内｜技術評論社
gihyo.jp
Azure OpenAI Serviceではじめる ChatGPT/LLMシステム構築入門：書籍案内｜技術評論社
gihyo.jp
ChatGPT/LangChainによるチャットシステム構築［実践］入門：書籍案内｜技術評論社
gihyo.jp
その仕事、AIエージェントがやっておきました。 ――ChatGPTの次に来る自律型AI革命：書籍案内｜技術評論社
gihyo.jp