Yeni Başlayanlar İçin LangChain: İlk Yapay Zeka Ajanınızı Oluşturun

LangChain, üretim ortamında yapay zeka uygulamaları oluşturmak için en popüler framework'tür.

LangChain Nedir?

LangChain, büyük dil modelleriyle uygulama geliştirmeyi kolaylaştıran açık kaynaklı Python (ve JavaScript) framework'üdür.

Çözdüğü sorunlar:

• Konuşmalar arasında yapay zekaya hafıza vermek
• Yapay zekayı belgelerinize ve veritabanlarınıza bağlamak
• Araçlara sahip ajanlar oluşturmak (web arama, hesap makinesi, API)

Kurulum

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

İlk Zincir

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", "Siz yararlı bir yapay zeka asistanısınız."),
    ("user", "{question}")
])

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

RAG Sistemi: Yapay Zeka Belgelerinizden Yanıt Veriyor

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, her biri 5$ olan 30 yapay zeka rehberi sunmaktadır."),
    Document(page_content="Rehberler LangChain, n8n, prompt mühendisliği ve daha fazlasını kapsar."),
]

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

prompt = ChatPromptTemplate.from_template("""
Bağlama göre yanıtla: {context}
Soru: {question}
""")

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

Hafızalı Konuşma

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="Merhaba! Benim adım Ahmet."))
print(conversation.predict(input="Adımı hatırlıyor musunuz?"))
# → "Evet, Ahmet Bey!" diye yanıt verir

LangChain'in Temel Bileşenleri

Pratik Proje: Türkçe Müşteri Destek Botu

faq_documents = [
    Document(page_content="İadeler satın alma tarihinden itibaren 30 gün içinde kabul edilir."),
    Document(page_content="500 TL ve üzeri siparişlerde kargo ücretsizdir."),
    Document(page_content="Müşteri desteği hafta içi 09:00-18:00 arasında hizmet vermektedir."),
]

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

support_prompt = ChatPromptTemplate.from_template("""
Siz nazik bir müşteri destek temsilcisisiniz.
Aşağıdaki SSS bilgilerini referans alarak yanıt verin:
{context}

Müşteri sorusu: {question}
""")

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

print(chain.invoke("Ürün iadesi yapabilir miyim?").content)

LangChain'i sıfırdan ileri düzeye öğrenmek ister misiniz? LearnGeni'nin kapsamlı rehberi gerçek projeleri kapsar. Tüm rehberleri gör.