LangChain สำหรับผู้เริ่มต้น: สร้าง AI Agent ตัวแรกของคุณ

LangChain เป็น framework ที่ได้รับความนิยมมากที่สุดสำหรับการสร้างแอปพลิเคชัน AI ในสภาพแวดล้อมการผลิต

LangChain คืออะไร?

LangChain คือ framework โอเพนซอร์ส Python (และ JavaScript) ที่ลดความซับซ้อนในการสร้างแอปพลิเคชันด้วย LLM

ปัญหาที่แก้ไข:

• ให้ความจำแก่ AI ระหว่างการสนทนา
• เชื่อมต่อ AI กับเอกสารและฐานข้อมูลของคุณ
• สร้าง agent ด้วยเครื่องมือ (ค้นหาเว็บ เครื่องคิดเลข API)

การติดตั้ง

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

Chain แรก

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", "คุณเป็นผู้ช่วย AI ที่เป็นประโยชน์"),
    ("user", "{question}")
])

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

ระบบ RAG: AI ตอบจากเอกสารของคุณ

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 มีคู่มือ AI 30 ฉบับในราคา $5 ต่อฉบับ"),
    Document(page_content="คู่มือครอบคลุม LangChain, n8n, prompt engineering และอื่นๆ"),
]

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

prompt = ChatPromptTemplate.from_template("""
ตอบตามบริบท: {context}
คำถาม: {question}
""")

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

ส่วนประกอบหลักของ LangChain

โปรเจกต์จริง: บอทสนับสนุนลูกค้า

faq_documents = [
    Document(page_content="รับคืนสินค้าภายใน 30 วันนับจากวันที่ซื้อ"),
    Document(page_content="จัดส่งฟรีสำหรับคำสั่งซื้อตั้งแต่ 500 บาทขึ้นไป"),
    Document(page_content="บริการลูกค้าเปิดทำการวันจันทร์-ศุกร์ เวลา 9.00-18.00 น."),
]

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

support_prompt = ChatPromptTemplate.from_template("""
คุณเป็นเจ้าหน้าที่บริการลูกค้าที่เป็นมิตร
ตอบโดยอิงจากข้อมูล FAQ นี้:
{context}

คำถามลูกค้า: {question}
""")

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

print(chain.invoke("สามารถคืนสินค้าได้ไหม?").content)

ต้องการเรียน LangChain ตั้งแต่ระดับพื้นฐานจนถึงขั้นสูง? คู่มือฉบับสมบูรณ์ของ LearnGeni รวมโปรเจกต์จริง ดูคู่มือทั้งหมด