LangChain
📘 LLM অ্যাপ ফ্রেমওয়ার্ক।
🌐 Framework for LLM apps.
✨
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
LLM অ্যাপ ফ্রেমওয়ার্ক।
LLM অ্যাপ ফ্রেমওয়ার্ক।
🌐 English:
Framework for LLM apps.
Framework for LLM apps.
🗂 কোথায় পড়ে
৪. ডিপ লার্নিং ও এআই → জেনারেটিভ এআই ও LLM → LangChain
🎯 এই শাখার লক্ষ্য
Prompting, APIs, RAG, fine-tuning
🧰 টুলস
OpenAI/Claude API, LangChain, Chroma
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
LLM অ্যাপের সাধারণ অংশ (প্রম্পট, রিট্রিভার, মেমোরি, টুল) জোড়া লাগানোর ফ্রেমওয়ার্ক।
- ধাপ 1PromptTemplate দিয়ে পুনঃব্যবহারযোগ্য প্রম্পট
- ধাপ 2Model + OutputParser মিলিয়ে chain (LCEL: prompt | llm | parser)
- ধাপ 3Document loader, text splitter, retriever দিয়ে RAG
- ধাপ 4LangSmith দিয়ে ট্রেস ও ডিবাগ; সরল কাজে সরাসরি API-ই যথেষ্ট
🧪 বাস্তব উদাহরণ
chain = prompt | ChatAnthropic() | StrOutputParser(); chain.invoke({"topic": "NDVI"})।
⚠️ সাধারণ ভুল
ছোট কাজেও ভারী ফ্রেমওয়ার্ক—জটিলতা বাড়ে।
🔑 মূল শব্দ (Key terms)
LangChainchainLCELretrieverdocument loader
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক7.1 Chains ও Prompt templates
7.2 Retrievers
7.3 LCEL দিয়ে কম্পোজিশন
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Generative AI & LLMs)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np
# Mini RAG retrieval: bag-of-words embeddings + cosine similarity
docs=["Dengue spreads through Aedes mosquitoes","NDVI measures vegetation health","Transformers use self-attention"]
vocab=sorted({w.lower() for d in docs for w in d.split()})
emb=lambda s:np.array([s.lower().split().count(w) for w in vocab],float)
D=np.array([emb(d) for d in docs]); q=emb("what does NDVI measure")
sim=D@q/(np.linalg.norm(D,axis=1)*np.linalg.norm(q)+1e-9)
print("Retrieved context:",docs[sim.argmax()]); print("Prompt -> 'Answer using: "+docs[sim.argmax()]+"'")❓
সেল্ফ-চেক · Self check
🔗