[3月18日当周] LangChain 发行说明

🤓 使用反馈改进您的应用程序：自学习 GPT

每个人都在试图弄清楚如何获得更高质量的 LLM 应用程序。对我们来说，提示优化是最重要的。我们一直在尝试是否可以利用我们在 LangSmith 中收集的所有数据和反馈来改进提示策略，并且我们对初步结果感到非常兴奋。自学习将是质量和最终个性化的关键部分。在此处阅读有关我们正在进行的工作的更多信息此处。

🦜🛠️ LangSmith 的新功能

自我们正式发布 LangSmith 以来已经过去了一个多月，我们非常感谢所有新用户。我们的注册用户已突破 10 万 🥳 谢谢大家。

如果您还没有查看过，我们已经发布了一些令人兴奋的新功能

版本控制数据集：我们现在允许您将数据集标记到某个时间点，以便在运行测试时，您可以确保在每次运行中都控制相同的数据集，即使示例已添加、删除或更改。
对数据集运行提示：现在，在 Prompt Hub playground 中，您可以对数据集的所有输入运行提示，并在“数据集和测试”选项卡中查看结果。这有助于确保您的提示在各种输入中都能很好地工作。

用于成本跟踪的自定义模型费率：转到“设置”选项卡，为要跟踪其成本的模型添加自定义费率。我们支持无需设置的 OpenAI 模型，但如果您想为其他模型添加其他费率，现在也可以这样做。
PII 掩码：我们现在允许您掩盖单个跟踪的输入和输出。请参阅文档。如果您在客户端检测到跟踪可能包含 PII 数据，请在将其发送到 LangSmith 之前掩盖所有文本。我们希望在 PII 掩码方面进行更多投资，但这应该有助于您防范偶尔包含 PII 且不应与第三方共享的呼叫。

📅 即将举行的 LangChain 活动

4 月 5 日网络研讨会：使用 DSPy 和 LangChain/LangSmith 优化 LLM 系统，主讲人：Omar Khattab（DSPy 的创建者）和 Harrison。
4 月 6 日黑客马拉松：与 New Computer、Anthropic、MongoDB 和 LangChain 联合举办的内存黑客马拉松。在此处注册此处。

👀 万一您错过了

🤖 无需痛苦地部署代码代理：您想构建一个受 Devin 或 AlphaCodium 启发的编码代理吗？在此视频中，Lance 和 Charles 将教您如何使用 Modal Sandboxes 保护原型安全，并使用 LangServe 在 Modal 上将其部署为 Web 应用程序。存储库。
🪡 多针干草堆基准测试：随着模型上下文窗口的增长，每个人都在质疑 RAG 会发生什么。RAG 通常不仅仅是检索一个事实，而是检索多个事实并对其进行推理。在这篇博客文章中，我们发现检索性能随着事实（针）的增多而降低，并且对检索到的事实（针）进行推理比检索更难。
🦜🏓 LangServe Chat Playground：我们为 LangServe 添加了一个全新的、以聊天为中心的 Playground。任何接受聊天输入/输出的链都可以使用它。它支持流式传输和消息历史记录编辑，以及反馈和与 LangSmith 公开共享跟踪。在将您的链添加为 LangServe 路由时，通过设置 playground_type="chat" 来启用它。文档。YouTube。
🦜🕸️ 新的 LangGraph 快速入门：我们已经简化了使用 LangGraph 和 LangGraph.js 构建多代理应用程序的过程。查看我们的快速入门：Python 文档和JavaScript 文档。
🚄 支持 NVIDIA NIM：LangChain 集成了NVIDIA NIM，用于在 RAG 中进行 GPU 优化的 LLM 推理。在博客上阅读更多信息。