#langchain — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #langchain, aggregated by home.social.
-
Приложение упало в закрытом контуре: скрытые загрузки в Python-библиотеках для ML
Меня зовут Павел, я разработчик в R77.AI. В статье расскажу, почему Python-библиотеки для ML могут незаметно ходить в интернет, как находить такие скрытые загрузки и что с ними делать в закрытом контуре.
-
Drei #LLMs fragen, Ergebnisse bündeln, Kontext behalten und Tools nutzen: Genau da wird #LangChain spannend. Jean-Claude Brantschen baut daraus Schritt für Schritt einen Chatbot mit UI.
Hol dir die Patterns für deine nächste #AI App: https://javapro.io/de/langchain-2/
#Python @LangChainAI
-
🎙️ On the Nexus Podcast, Check Point Head of Agentic Security Innovation, Shahar Tal, discusses work he and researcher Yarden Porat presented at #BlackHat on vulnerabilities in popular #AI agent frameworks, including LangChain, LangGraph, CrewAI, AutoGen, Microsoft Agent Framework, and Google ADK.
The vulnerabilities are an indication that these frameworks require additional scrutiny from a security perspective given the trust AI agents are given to execute tasks.
🎧 Listen to the full episode: https://nexusconnect.io/podcasts/nexus-podcast-check-points-shahar-tal-on-exploiting-ai-agent-frameworks
#LangChain #LangGraph #CrewAI #AutoGen #MSAgent #GoogleADK #VulnerabilityResearch
-
Neuer Deep Dive: Wir sprechen mit Christian Bromann über den Agent Development Lifecycle, von LangGraph über Deep Agents bis Fleet, und über Identity als das nächste große Thema beim Agenten-Einsatz im Team. 🤖
🎧 Überall, wo es Podcasts gibt, und auf https://programmier.bar:
https://www.programmier.bar/podcast/deep-dive-214-langchain-mit-christian-bromann -
Deep Agents: open source-обвязка на LangGraph
Привет, на связи команда GigaChain! Мы занимаемся агентными системами и развиваем набор open source-решений для подключения агентов к GigaChat API. LangChain развивается с 2022 года и выросла в одну из самых популярных экосистем для агентов: у основной библиотеки более 140 тысяч звёзд на GitHub. Благодаря LangGraph — движку, который исполняет агента как граф с состоянием, — с её помощью собирают и простые цепочки вызовов, и сложные автономные агенты, ведущие задачу на сотни шагов. Поверх этого стека команда LangChain выпустила Deep Agents — готовую агентную обвязку (agent harness): рабочую среду с файловой системой, оболочкой, планировщиком, субагентами и памятью, в которую остаётся лишь поместить модель. Сегодня мы подробно разберём эту обвязку: из чего она состоит и как собрать на ней агента, работающего на GigaChat.
https://habr.com/ru/companies/sberbank/articles/1071036/
#агенты #harness #harness_engineering #gigachat #gigachain #langgraph #langchain
-
Почему мы написали свою библиотеку оркестрации ИИ агентов: AgentsGraph
Когда мы начинали строить продукт для распознавания и обработки первичных бухгалтерских документов — OCR, классификация, LLM‑извлечение полей, проверка человеком — казалось, что рынок оркестраторов уже всё решил: есть n8n для визуальных workflow, есть LangGraph для агентных пайплайнов, есть Temporal для durable‑исполнения. Мы попробовали примерить каждый — и в итоге написали свой: AgentsGraph , встраиваемую Java‑библиотеку декларативной оркестрации агентов. Ниже — почему.
-
#LLMs liefern freien Text – schwer zu validieren & weiterzuverarbeiten. Wie entstehen daraus stabile Datenstrukturen?
Lerne mit Jean-Claude Brantschen, wie du mit #LangChain Antworten in strukturierte, nutzbare Formate überführst: https://javapro.io/de/langchain/
-
#Python Friday #342: Tag Blog Posts With Deep Agents - #ai #langgraph #langchain
https://pythonfriday.dev/2026/07/342-tag-blog-posts-with-deep-agents/
-
Глубокие агенты (Deep Agents) — всё собрал? Но какой ценой?
Современные AI-агенты строятся достаточно разнообразно. Где-то берут готовые приложения, которые выросли в полноценные фреймворки с преднастроенными агентами. Где-то провайдеры предлагают настройку из готовых блоков через UI на веб-портале. Где-то хочется написать своё: дешевле, в своём контуре или просто иначе. Один из популярных фреймворков для этого - LangChain / LangGraph: удобные обёртки, пайплайны, графы, интеграции под типичные куски агента. В большинстве случаев агенты строятся вокруг базового цикла ReAct (Reasoning + Acting - рассуждение и действие): модель рассуждает, при необходимости вызывает инструмент (tool), смотрит результат и снова думает - пока не отдаст ответ. На короткой задаче этого хватает. На длинной - агент сам накапливает контекст: историю, результаты инструментов, планы, файлы. Вопрос смещается от «как написать промпт» к «как управлять всей этой средой». Этим занимается контекст-инжиниринг (context engineering) . Глубокие агенты (Deep Agents) - готовая реализация этой идеи в экосистеме LangChain: не новый тип модели, а заранее собранная рабочая среда вокруг обычного агента (в API - create_deep_agent поверх create_agent ). В этой статье хочу разобрать, что стоит за словом глубокий (deep): какую проблему решает такая рабочая среда, из каких механизмов она собрана, какую цену за них приходится платить и когда этот «тяжёлый рюкзак» действительно стоит брать.
-
Изучаем LangChain
Сегодня всем известно, что создать прототип на базе LLM можно буквально за вечер. Но вот сделать этот прототип готовым к продакшену — задача совсем другого уровня сложности. Как научить модель работать с вашими данными? Как дать ей память и способность рассуждать? Как развернуть приложение так, чтобы оно не падало под нагрузкой и не разоряло вас на оплате API? На эти вопросы отвечает О чем эта книга?
https://habr.com/ru/companies/bhv_publishing/articles/1054250/
#llm #ии #langchain #ai #генеративный_ai #агенты #rag #бхв #книги #программирование
-
LLM-wiki против RAG: Оцениваем и сравниваем
Про LLM-wiki здесь уже было несколько хороших статей ( 1 , 2 и 3 ), поэтому подробно останавливаться на идее Andrej Karpathy не буду. В двух словах: вместо RAG-ретривера - wiki-агент, вместо чанков из сырых документов - связанные концепт-страницы, вместо обновления - перекомпиляция и поиск «битых» ссылок. Насколько LLM-wiki лучше, или может быть хуже чем RAG, пусть даже простейший, с обычным векторным поиском? И как их можно сравнивать? Кажется, общепринятой методики оценки ещё не сложилось. Тем не менее я попробовал, и получил неожиданные результаты. Об этом и расскажу, а ещё о методике оценки, о wiki-агенте для тестов, о том что получилось, что - нет, и даже сколько это стоило.
https://habr.com/ru/articles/1058252/
#llm #llmагенты #wiki #rag #оценка_качества #claudecode #langchain #rag_система #wilcoxon_scores
-
AI coding agents often struggle with codebase context. OpenWiki solves this by proactively generating a structured Markdown wiki (architecture, APIs, structure) directly in your repo. It auto-updates via CI/CD, giving your AI tools instant, accurate understanding without the manual setup.
I am going to try this out soon.Source: https://www.langchain.com/blog/introducing-openwiki-brains-general-purpose-wiki-memory-for-agents
#OpenWiki #AI #LangChain #DevTools #Coding #programming -
Instead of relying on a single agent, this project uses three specialized agents:
:blobcoffee: A classifier that categorizes and prioritizes incoming support tickets,
:blobcoffee: A router that decides what should happen next based on the ticket priority,
:blobcoffee: A responder that drafts replies for routine requests.Urgent tickets completely bypass the responder and are escalated for human review.
The article also walks through how State, Nodes and Conditional Edges work in LangGraph, with a complete step-by-step implementation: https://medium.com/towards-artificial-intelligence/building-a-multi-agent-support-ticket-triage-with-langgraph-963a5b2081fb
#Python #AIagent #llm #ai #langchain #support #dataengineering #datascience #coding
-
📚 #OpenWiki is a #CLI from #LangChain that writes and maintains documentation for your codebase, built specifically for coding agents. Install with npm install -g openwiki. #opensource #devtools 🧵👇
-
Делюсь опытом: ИИ-агент на Claude без LangChain и RAG — разбор архитектуры и развилок
Делюсь опытом: собрал прод-агента на Claude для небольшой студии дизайна интерьера. Чат отвечает на Haiku 4.5, генератор концепций — на Sonnet 4.6, фото из Pexels вместо DALL-E. Без LangChain, без векторной базы, без RAG-фреймворка. Один файл main.py на 712 строк, два промпта. В статье разбираю развилки: почему именно так, на каких граблях постоял (порог кэша 4096 у Haiku, парсинг JSON-обёртки от Sonnet), где этот подход начнёт ломаться. Не «гайд от эксперта» — скорее дневник развилок.
https://habr.com/ru/articles/1054326/
#claude #antrhopic #llm #fastapi #python #чатботы #promptengineering #langchain #vibe_coding
-
Este artigo descreve os 7 níveis da stack tecnológica dos agentes de IA:
1) Modelo Fundacional
2) Orquestração
3) Memória
4) RAG / Vetores
5) Ferramentas
6) Observabilidade
7) Infraestrutura
Um resumo claro sobre como construir agentes funcionais.📎 https://machinelearningmastery.com/the-ai-agent-tech-stack-explained/ #IA #AgentesIA #MachineLearning #LangChain #RAG #DevPT
-
Облачная LLM на 16 ГБ VRAM — часть 3: ChatGPT-интерфейс для ваших LangGraph-агентов
Финал цикла про облачную LLM на 16 ГБ VRAM. За две предыдущие статьи мы подняли собственную локальную модель на
https://habr.com/ru/companies/selectel/articles/1050792/
#langgraph #langchain #agentchatui #nextjs #fastapi #vllm #mcp #aiагенты #nginx #selectel
-
Dein #LLM vergisst nach jeder Frage den Kontext? Jean-Claude Brantschen zeigt, wie #LangChain Chat-History, Tools und parallele Chains sauber verbindet.
Lies den Artikel, wenn du aus Prompts echte LLM-Workflows bauen willst: https://javapro.io/de/langchain-2/
#OpenSource #Python @LangChain -
RAG от А до Я: шпаргалка архитектора (векторные базы, чанкинг, реранкинг и 8 граблей продакшена)
Создать демо-версию RAG сегодня можно за 15 минут: LangChain, ChromaDB, API OpenAI — и бот отвечает на простые вопросы. Но когда этот прототип сталкивается с миллионами документов, сложными таблицами, ACL и SLA < 500 мс — он рассыпается. Галлюцинации, дикие счета за API, потеря релевантности. Это руководство — полная карта перехода от наивного RAG к промышленной модульной архитектуре . Только проверенные паттерны, production-код на Python, математика поиска и метрик, а также 8 граблей, которые не описаны в туториалах. RAG, которая не развалится на проде
https://habr.com/ru/articles/1048540/
#RAG #LLM #LangChain #эмбеддинги #векторная_база_данных #чанкинг #реранкинг #промптинжиниринг #гибридный_поиск #machine_learning
-
Искусственный интеллект с LangChain. Разработка ИИ-агентов на Python
Представляем новый
https://habr.com/ru/companies/bhv_publishing/articles/1047522/
#langchain #ии #llm #python #нейросети #программирование #rag #gigachat #yandexgpt #ollama
-
Scraping feeds and manually consolidating daily tech news is a tedious engineering grind. ⚡
This guide walks you through building an automated AI news digest service using Node.js, LangChain, and OpenAI directly on Upsun. 🤖
Discover how easy it is to deploy a production-grade automation workflow with secure environment variables and zero server overhead. 🚀
-
Свой биллинг для ИИ-агента: микрокредиты и контроль расходов
На связи Сергей Смирнов, AI-инженер и основатель LLMStart.ru. Сегодня разбираем, как написать биллинг для продакшн ИИ-агента. Когда ваш ИИ-бот начинает отвечать клиентам в B2B-сегменте, каждый его ответ стоит токенов. Чтобы экономика продукта сходилась, расходы на LLM нужно жестко контролировать и тарифицировать. Кажется, что достаточно просто прикрутить калькулятор, но на деле всё сложнее: один HTTP-запрос может дергать до пяти разных нейросетей, и не все они идут через стандартный граф фреймворка. В новой статье на Хабре рассказываю: — Почему считать деньги по чатам — это путь к хаосу. — Зачем мы изобрели «микрокредиты» вместо наивных токенов. — Как протащить контекст биллинга через пять LLM-вызовов в одном запросе с помощью магии ContextVar + Mixin. Разбор для тех, кто делает multi-tenant LLM-сервисы и уперся в ограничения готовых прокси-решений.
https://habr.com/ru/companies/llmstart/articles/1039474/
#LLMагенты #биллинг #LangChain #ContextVar #ииагенты #токены #трейсинг
