LangChain per Principianti: Costruisci il Tuo Primo Agente AI

LangChain è il framework più popolare per costruire applicazioni AI in produzione.

Cos'è LangChain?

LangChain è un framework open source Python (e JavaScript) che semplifica la creazione di applicazioni con LLM.

Problemi che risolve:

• Dare memoria all'AI tra le conversazioni
• Connettere l'AI ai tuoi documenti e database
• Costruire agenti con strumenti (ricerca web, calcolatore, API)

Installazione

pip install langchain langchain-openai langchain-community chromadb python-dotenv

La Prima Chain

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

model = ChatOpenAI(model="gpt-4o-mini", temperature=0)
prompt = ChatPromptTemplate.from_messages([
    ("system", "Sei un assistente AI utile."),
    ("user", "{question}")
])

chain = prompt | model | StrOutputParser()
result = chain.invoke({"question": "Cos'è LangChain?"})
print(result)

Sistema RAG: L'AI Risponde dai Tuoi Documenti

from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
from langchain_core.documents import Document
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

documents = [
    Document(page_content="LearnGeni offre 30 guide AI a $5 ciascuna."),
    Document(page_content="Le guide coprono LangChain, n8n, prompt engineering e molto altro."),
]

embeddings = OpenAIEmbeddings()
vectorstore = Chroma.from_documents(documents, embeddings)
retriever = vectorstore.as_retriever()

prompt = ChatPromptTemplate.from_template("""
Rispondi in base al contesto: {context}
Domanda: {question}
""")

model = ChatOpenAI(model="gpt-4o-mini")
chain = ({"context": retriever, "question": RunnablePassthrough()} | prompt | model)
result = chain.invoke("Quanto costano le guide di LearnGeni?")
print(result.content)

Conversazione con Memoria

from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain

memory = ConversationBufferMemory()
conversation = ConversationChain(
    llm=ChatOpenAI(model="gpt-4o-mini"),
    memory=memory
)

print(conversation.predict(input="Ciao! Mi chiamo Marco."))
print(conversation.predict(input="Ricordi il mio nome?"))
# → "Sì, ti chiami Marco!"

Componenti Principali di LangChain

Progetto Pratico: Bot di Supporto Clienti

faq_documents = [
    Document(page_content="I resi sono accettati entro 30 giorni dall'acquisto."),
    Document(page_content="La spedizione è gratuita per ordini superiori a €50."),
    Document(page_content="Il supporto clienti è disponibile dal lunedì al venerdì 9-18."),
]

vectorstore = Chroma.from_documents(faq_documents, OpenAIEmbeddings())

support_prompt = ChatPromptTemplate.from_template("""
Sei un agente di supporto clienti gentile.
Rispondi basandoti su queste FAQ:
{context}

Domanda del cliente: {question}
""")

chain = ({"context": vectorstore.as_retriever(), "question": RunnablePassthrough()}
         | support_prompt 
         | ChatOpenAI(model="gpt-4o-mini"))

print(chain.invoke("Posso fare un reso?").content)

Vuoi imparare LangChain da zero a livello avanzato? La guida completa di LearnGeni include progetti reali. Vedi tutte le guide.