This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
LangChain チームの最新リリース: 大規模モデル アプリケーション開発プラットフォームである LangSmith により、LLM を実際のアプリケーションに導入できるようになります
出典: 深層思考SenseAI
大規模言語モデル (LLM) のツール サポートはまだ初期段階にあります。 LLM の性質と動的な性質により、従来のソフトウェア ツールではこれらのモデルのニーズを完全に満たすことができないことがよくあります。
そこで、LangChain と LangSmith が登場します。
この投稿では、Langchain (最も人気のある LLM ソフトウェア ツール) を作成したチームの最新の製品を調査し、LangSmith が LLM スタックで解決したいと考えている新しい問題について見ていきます。
**01. ラングスミスとは何ですか? **
Langchain が最初に作成されたときの目標は、LLM モデルを構築するための参入障壁を下げることでした。 Langchain がツールとして実現可能かどうかについてはいくつかの議論がありますが、Langchain はこの目標をほぼ達成しています。プロトタイピングの問題を解決した後の次の課題は、これらのアプリケーションの開発を支援し、信頼性が高く保守可能な方法で実装されるようにすることです。シンプルな考え方は次のとおりです。
ラングチェーン = プロトタイプ
ラングスミス = アプリケーション
**しかし、プロトタイピングにおける関連性の低い課題のうち、開発で対処する必要があるものは何でしょうか? **
信頼性 - 単純で制約のある例で機能する機能を構築するのは簡単ですが、ほとんどの企業の要件を満たす一貫した LLM アプリケーションを構築するのは実際には非常に困難です。
これに対処するために、LangSmith は次の 5 つの核となる新機能を提供します。
LangSmith の大きな価値の 1 つは、これらすべての操作をシンプルで直感的なユーザー インターフェイスを通じて実行できることであり、これにより、ソフトウェアの知識のない開発者の参入障壁が大幅に低くなります。
LLM の多くの機能は数値的な観点から見て直感的ではないため、視覚的なインターフェイスが非常に便利です。コードだけですべてを行うのは退屈な場合が多いため、適切に設計されたユーザー インターフェイスを使用すると、実際にプロトタイピングが高速化され、ユーザーの作業が短縮されることが著者らは発見しました。
また、LLM システムのプロセスと複雑なコマンド チェーンを視覚化できることは、特定の出力が得られる理由を理解するのに非常に役立ちます。ユーザーがより複雑なワークフローを構築するにつれて、クエリがさまざまなプロセスをどのように通過するかを正確に理解することが困難になる場合があるため、シンプルなインターフェイスを通じてこれらのプロセスを表示し、履歴データを記録できることは、最高の付加価値サービスになります。
**02. LangSmith と競合しているのは誰ですか? **
まだ直接の競合相手ではありませんが、Vercel のような組織 (AI SDK を備えた) が同様の機能を展開し、AI ビルダーにとって頼りになるプラットフォームになることは理にかなっています。これらのツールの市場潜在力は非常に大きいため、今後 3 ～ 6 か月以内に、他のプラットフォームも同様のツールをリリースすると予想されます。
**現在、Vercel は LLM の展開とサービスにより重点を置いています。これは、これまでのコア製品によりよく適合するためです。しかし、長期的には、AI SDK を拡張する方が合理的です。 **
LangSmith はまだ組み込みテクノロジーに深く関わっていないようですが、組み込み UI を提供する多くの組み込みプロバイダーとは異なり、この分野では自然に交差する部分がたくさんあるようです。 LlamaIndex などのエコシステムは、この種の製品開発から恩恵を受けるでしょうが、問題は、同様の問題領域で差別化を維持できるかどうかです。
それでも、LangSmith が引き続きできるだけ多くのツールと接続したいと考えているのはうれしいことです。公開されたブログ投稿では、開発者がデータをエクスポートして直接トレーニングできるようにする OpenAI と複数の微調整プロバイダーとの統合について言及しています。この種の統合は、開発者から多くの賞賛をもたらすだけでなく、時間が経つにつれて、軽量の保護バリアとしても機能するようです (さまざまなツールの接続は必ずしも簡単ではありません)。
**03. ラングスミスはどのように成長しましたか? **
作者は主に拡張可能であることを望んでいます。なぜなら、LangSmith を他のアプリやサービスに組み込むことができれば、そのリーチは飛躍的に拡大する可能性があるからです。たとえば、開発者が LangChain アカウントでログインし、AI SDK や展開情報と組み合わせて Vercel 上の LLM を監視できるようになれば、非常に価値があります。
**長期的に差別化を維持するには何が必要ですか? **
著者は LangSmith に非常に興奮しており、開発者や製品ビルダーが本番環境に移行しようとする際に遭遇する一連の実際の問題が LangSmith によって解決されると信じています。本当の長期的な疑問は、「長期的に競争力のあるビジネスを構築するのに十分なコンテンツがあるかどうか」ということです。 **
しかし、著者は今のところ明確な答えを持っていませんが、現在の一般的な考え方は、LangSmith の現在の機能の多くは開発者にとって必要な条件であるということです。ほとんどの LLM プロバイダーは、将来的には同様の機能を自社のプラットフォームに組み込むことを望んでいます。しかし、それはラングスミスが成功できないという意味ではない。 HashiCorp の Terraform を見てください。これは、すべてのクラウド プロバイダーを結び付け、上場企業になるほど大きな問題を解決する接着剤です。ただし、LangSmith は、複数のプロバイダーや他のツールのエコシステムと競合するために、その範囲を拡大し続ける必要があります。
参考文献