
لانغ تشين
لانغ تشين هو إطار عمل مفتوح المصدر لتطوير التطبيقات المدعومة بنماذج اللغة الضخمة (LLMs)، ويُسهّل دمج النماذج القوية مثل GPT-3.5 وGPT-4 من OpenAI مع مصادر البيان...
لانغ غراف هي أداة قوية لإنشاء تدفقات عمل ديناميكية وذات حالة ومتعددة الأطراف باستخدام LLMs، تدعم الدورات، والتشعب، والاستمرارية، وتعاون الإنسان مع الوكيل.
لانغ غراف هي مكتبة متقدمة صُممت لبناء تطبيقات متعددة الأطراف وذات حالة باستخدام نماذج اللغة الكبيرة (LLMs). تم تطوير لانغ غراف بواسطة شركة لانغ تشين، حيث توسِّع قدرات مكتبة لانغ تشين من خلال تقديم إمكانيات حسابية دورية. يتيح ذلك إنشاء سلوكيات معقدة شبيهة بالوكلاء حيث يمكن لـ LLM العمل في حلقة واتخاذ قرارات عند كل خطوة.
لانغ غراف هو أداة قوية تُمكّن المطورين من إنشاء تدفقات عمل معقدة تتضمن عدة أطراف وخطوات متعددة. على عكس الرسومات البيانية الموجهة غير الدورية (DAGs) التقليدية المستخدمة في لانغ تشين، يدعم لانغ غراف الدورات، مما يجعله مثالياً للتطبيقات التي تتطلب اتخاذ قرارات متكررة وإدارة الحالة باستمرار.
الرسم البياني ذو الحالة هو المفهوم الأساسي في لانغ غراف. يمثل كل عقدة في الرسم البياني خطوة حسابية، ويحافظ الرسم البياني على حالة يتم تحديثها مع تقدم العمليات الحسابية. تسمح هذه الطبيعة ذات الحالة بتدفقات عمل أكثر ديناميكية ومرونة.
العقد هي اللبنات الأساسية في لانغ غراف. تؤدي كل عقدة وظيفة أو عملية حسابية محددة مثل معالجة المدخلات أو اتخاذ القرارات أو التفاعل مع واجهات برمجة التطبيقات الخارجية.
تربط الحواف بين العقد وتحدد تدفق العمليات الحسابية داخل الرسم البياني. يدعم لانغ غراف الحواف الشرطية، مما يسمح لتدفق العمليات بالتغير ديناميكياً بناءً على الحالة الحالية.
يتيح لانغ غراف تنفيذ الحلقات والشروط داخل تطبيقاتك، مما يوفر مرونة وتحكماً أكبر في تدفق العمليات الحسابية.
من الميزات البارزة في لانغ غراف هي الاستمرارية المدمجة. حيث يتم حفظ الحالة تلقائياً بعد كل خطوة، مما يمكّن استرجاع الأخطاء، وتدفقات العمل بمشاركة البشر، وحتى الرجوع إلى حالات سابقة لاتخاذ إجراءات مختلفة.
يدعم لانغ غراف التعاون بين الإنسان والوكيل من خلال السماح بقطع تنفيذ الرسم البياني. يمكن للمستخدمين الموافقة أو تعديل الإجراء التالي الذي يخطط له الوكيل، مما يضمن تحكماً وموثوقية أفضل.
لتحسين تجربة المستخدم، يتضمن لانغ غراف دعماً أصيلاً للإخراج المتدفق، سواء رمزاً برمز أو للخطوات الوسيطة، مما يوفر تفاعلات ديناميكية وتفاعلية مع المستخدمين.
على الرغم من أن لانغ غراف يمكن استخدامه بشكل مستقل، إلا أنه يندمج بشكل سلس مع لانغ تشين ولانغ سميث، مما يوفر مجموعة شاملة لبناء وإدارة تطبيقات تعتمد على LLM.
لتثبيت لانغ غراف يمكنك استخدام الأمر التالي:
pip install -U langgraph
وللإصدار الخاص بجافا سكريبت استخدم:
npm install @langchain/langgraph
لانغ غراف مثالي لإنشاء تدفقات عمل تتضمن عدة وكلاء أو أطراف، حيث يقوم كل منهم بمهام محددة ويتخذ قرارات بشكل منسق.
تُمكّن قدرة لانغ غراف على التعامل مع الدورات واستمرارية الحالة من استخدامه في تطبيقات تتطلب اتخاذ قرارات معقدة وآليات قوية لاسترجاع الأخطاء.
مع الدعم المدمج لتفاعلات الإنسان في الحلقة، يضمن لانغ غراف إمكانية التعاون الفعّال بين الوكلاء البشريين والآليين، مما يجعله مناسباً للتطبيقات التي تتطلب موثوقية وتحكماً عالياً.
لانغ غراف هي مكتبة طورتها شركة لانغ تشين لبناء تطبيقات متعددة الأطراف وذات حالة باستخدام LLMs. تقدم إمكانيات حسابية دورية، مما يتيح تدفقات عمل معقدة وسلوكيات شبيهة بالوكلاء.
بينما يعتمد لانغ تشين على الرسومات البيانية الموجهة غير الدورية (DAGs)، يدعم لانغ غراف الدورات، والاستمرارية، وإدارة حالة أكثر ديناميكية، مما يجعله مناسباً لتدفقات العمل المعقدة والمتكررة.
تشمل الميزات الرئيسية: الدورات والتشعب، استمرارية الحالة، دعم مشاركة البشر في الحلقة، إخراج متدفق، واندماج سلس مع لانغ تشين ولانغ سميث.
لانغ غراف مثالي للمطورين الذين يبنون تدفقات عمل ذكاء اصطناعي متقدمة، خاصة من يحتاجون إلى تنسيق متعدد للوكلاء، وتعاون بين الإنسان والوكيل، وآليات قوية لاسترجاع الأخطاء.
ابدأ في بناء حلول الذكاء الاصطناعي الخاصة بك وتدفقات العمل الديناميكية باستخدام لانغ غراف ومنصة فلو هانت السهلة الاستخدام.
لانغ تشين هو إطار عمل مفتوح المصدر لتطوير التطبيقات المدعومة بنماذج اللغة الضخمة (LLMs)، ويُسهّل دمج النماذج القوية مثل GPT-3.5 وGPT-4 من OpenAI مع مصادر البيان...
استكشف أفضل نماذج اللغة الكبيرة (LLMs) للبرمجة في يونيو 2025. يوفر هذا الدليل التعليمي الشامل رؤى ومقارنات ونصائح عملية للطلاب والهواة والمحترفين في مجال البرمج...
LazyGraphRAG هو نهج مبتكر في توليد الاسترجاع المعزز (RAG)، يهدف إلى تحسين الكفاءة وتقليل التكاليف في استرجاع البيانات المدعوم بالذكاء الاصطناعي من خلال دمج نظري...