Общение с BigQuery через LangChain и GPT

- LangChain вместе с GPT позволяет анализировать данные в CSV, задавая естественные вопросы.
- Этот подход снижает нагрузку на аналитиков, повышая эффективность бизнес-процессов.
- LangChain реализует концепцию агента, оптимизированного для БД через SQLAlchemy.
- Рекомендуется использовать специализированные таблицы для взаимодействия с LLM из-за ограниченного контекстного окна.
- Инструкции описывают настройку ChatInterface для Google BigQuery.
- LangChain может работать в режиме детализации или показывать только конечные результаты.
- Агенты умеют выполнять сложные запросы, преобразуя естественный язык в SQL-код.

Это делает доступ к данным BigQuery проще для пользователей без знаний SQL.

#LangChain #GPT #BigQuery

Создание AI чат-бота на домашнем ПК с новой моделью LLaMA

Большие языковые модели (LLM) открывают двери для создания человекоподобных текстов.
LangChain - это инструментарий для разработки AI приложений, включая чат-ботов.
LLaMA от Meta AI устанавливается локально и обеспечивает обработку языка на процессорах обычных компьютеров.
Использование квантования позволяет моделям LLM функционировать на менее мощной технике.
Через фреймворк LangChain и Streamlit реализуется интерфейс для диалоговых ботов с интуитивной работой с текстами.

Детальный гайд по установке AI помощника на локальном ПК.

#LangChain #LLaMA #AI

LangChain обновился до v0.1.0

Объявлен выпуск стабильной версии LangChain v0.1.0, совместимой с предыдущими релизами.
Фреймворк LangChain предназначен для создания приложений на основе LLM.
Включает разделение на основной модуль langchain-core и пакеты от партнеров.
Предлагает более 700 интеграций, в том числе с LLM и инструментами для агентов.
LangSmith обеспечивает простую отладку, настройку и персонализацию.
Возможность интеграции с пользовательскими данными.
Поддерживает создание агентов с несколькими методами, включая новый инструментальный API.
Разработчики планируют дальнейшее улучшение инструментария и добавление новых функций.

Серьёзный фреймворк подрастает. Интересно,- IPO увидим?

#LangChain #LLM #Integration

Интегрируем BigQuery & LangChain

LangChain обогащает модели ответами, используя структурированные данные из BigQuery.
Применения включают чат-боты, виртуальных помощников, генерацию кода и веб-приложения.
BigQuery - мощный инструмент для анализа массивов данных с высокой скоростью и гибкостью.
Интеграция с другими сервисами Google Cloud повышает эффективность обработки данных.
BigQuery Studio поддерживает выполнение SQL-запросов и работу с записными книжками.

Приведён пример анализа данных для выбора целевой аудитории в маркетинговых кампаниях.
Схема запроса предоставляет детальную информацию по структуре данных.
Созданная модель LLM формирует оптимизированные запросы для конкретных бизнес-задач.

BigQuery сам по себе очень мощный инструмент. В комбинации с LLM может дать действительно интересные результаты.

#LangChain #BigQuery #LLM

LangChain теперь в Google Cloud

Разработчики теперь могут легко создавать AI-приложения используя LangChain фреймворк в среде GCP.
LangChain предоставляет все необходимое для разработки RAG-приложений.
Интеграция с Google Cloud обеспечивает доступ к большому объему надежных данных.
Система наблюдаемости LangSmith позволяет контролировать работу и результаты LLM.
Vertex AI предлагает управляемый поисковый движок, оптимизирующий работу RAG-приложений.

#LangChain #GoogleCloud #AI
-------
@tsingular

LlamaIndex vs LangChain: сравнение ИИ-фреймворков

🦙 LlamaIndex - специализированный инструмент для улучшения взаимодействия между данными и LLM. Он упрощает индексацию и извлечение данных, что особенно полезно для поисковых приложений. LlamaIndex облегчает эффективную интеграцию данных и повышает производительность LLM для быстрого и точного доступа к структурированным данным.
⛓️ LangChain - гибкий фреймворк для разработки приложений, управляемых LLM оркестратором. Модульная конструкция и расширяемые компоненты позволяют создавать приложения, которые интеллектуально взаимодействуют с пользователями, используют внешние данные и выполняют сложные рабочие процессы. LangChain подходит для создания сложных и высокоадаптивных ИИ-приложений.

Короче - LlamaIndex для поиска, LangChain для сложных ИИ-приложений.

#LlamaIndex #LangChain #AI-frameworks
-------
@tsingular

RAGFlow: Открытый движок для работы с документами

RAGFlow - движок с открытым кодом для генерации ответов на основе извлечения информации (RAG).
Система использует глубокое понимание документов и различные LLM для ответов на вопросы.
Поддерживает множество форматов файлов, включая PDF, DOC, изображения и презентации.
Ключевые особенности:
• Интеграция с различными LLM (OpenAI, Anthropic, Google и др.)
• Возможность локального развертывания LLM
• Создание и управление базами знаний
• Ручная корректировка результатов разбиения текста
• API для интеграции в другие приложения
Требования: мощное железо и GPU.

Очень проработанный фреймворк.
Из последних обновлений - поддержка graphRag и mindmap форматов

Отдельное спасибо @pimenov_ru за подсказку.


#RAGFlow #DocumentAI #langchain
-------
@tsingular

GigaChain от Сбера - пакет LangChain для русскоязычных агентов

Фреймворк обеспечивает интеграцию с LangChain, поддержку GigaChat и разработку агентов через LangGraph.
Платформа предлагает настройку версий API, управление SSL-сертификатами и потоковую генерацию токенов.
Инструментарий включает средства прототипирования, исследований и production-запуска с фокусом на русскоязычные приложения.

Наконец-то отечественные агенты!
Команда Сбера не отстаёт от мировых трендов 🚀

#GigaChat #LangChain #LangGraph #Сбербанк #Сбер
-------
@tsingular

Тренды разработки AI-приложений 2024: Анализ от LangChain 🚀

Инфраструктурные тренды 🔧
Видимый тренд года - стремительный рост open-source моделей!
OpenAI по-прежнему остается лидером среди LLM-провайдеров, но появление Ollama и Groq в топ-5 говорит о серьезном сдвиге в сторону гибких решений для локального деплоя и облачных альтернатив для быстрого инференса.

Интересный факт: провайдеры open-source моделей (Ollama, Mistral, Hugging Face) теперь занимают 20% среди топ-20 LLM-провайдеров.

Эволюция разработки 💻
Самое впечатляющее - это взрывной рост AI-агентов.
43% организаций уже используют LangGraph для создания сложных агентных систем!

Количество вызовов инструментов (tool calls) выросло с 0.5% до 21.9% - получается народ осваивает работу ИИ с инструментами.

Python по прежнему лидирует (84.7% использования), но JavaScript набирает обороты - его доля выросла в 3 раза по сравнению с прошлым годом.

Оптимизация производительности ⚡️
Средняя сложность процессов выросла с 2.8 до 7.7 шагов на трейс, но при этом количество LLM-вызовов увеличилось всего с 1.1 до 1.4.

Разработчики научились создавать более сложные системы, оптимально используя LLM-ресурсы.

Тестирование и качество 🎯
В приоритете у разработчиков - релевантность, корректность и точность ответов.

Интересно, что обратная связь от пользователей выросла в 18 раз, но при этом остается довольно сфокусированной - в среднем 2.59 отзыва на прогон.

Что дальше? 🔮
Многошаговые агенты, оптимизированные вызовы LLM и автоматизированное тестирование становятся стандартом разработки.

Отчёт тут

#LangChain #report
———
@tsingular

🧠 Урок по GraphRAG на Google Spanner и LangChain

Интересный урок про Google Spanner Graph для создания GraphRAG-приложений. Полезно, когда нужно извлекать не только контент, но и понимать связи между данными!

В примере классический RAG находит по запросу "нужен дрон для начинающих" только основную информацию о дроне SkyHawk Zephyr:

- Цена $129.99
- Что подходит для начинающих
- Основные характеристики

А вот GraphRAG выдаёт намного больше полезного:

- Те же данные о базовой модели
- Текущую акцию ($109.99 вместо $129.99)
- Доступные бандлы (Starter Package за $129.99 и Explorer Package за $179.99)
- Совместимые аксессуары (Extended Battery, Propeller Guards)
- Возможность апгрейда до модели Zephyr 2.0

Техническая начинка:
Проект строится на трёх блоках:
1. Spanner Graph — база данных от Google с поддержкой графов
2. LangChain — для построения RAG-пайплайнов
3. LLMGraphTransformer — автоматически превращает документы в графовые структуры

Техпроцесс:

Документы → LLMGraphTransformer → Граф с узлами и связями → Поиск по графу → Ответ LLM

Полезные библиотеки:
- langchain-google-spanner — интеграция с Spanner
- langchain-experimental для графовых трансформеров
- spanner-graph-notebook — визуализация

Примеры для бизнеса:
- Интернет-магазины: покупатель видит не только товар, но и совместимые аксессуары, бандлы, акции
- CRM: можно анализировать не только клиента, но и его связи с другими людьми/компаниями
- Рекомендательные системы: понимание контекста на более глубоком уровне

Классический RAG хорош, но GraphRAG круче, когда важны взаимосвязи между сущностями. Правда, технология ещё сыровата — приходится вручную фильтровать некорректные связи, которые создаёт LLM при преобразовании документов.

Не факт, что вы будете строить решение именно на Гугле, но урок очень наглядный. С примерами и визуальным рядом. Поможет разобраться.

GitHub

#GraphRAG #GoogleSpanner #LangChain #обучение #RAG
———
@tsingular

🤖Open Agent Platform - No-Code решение для создания агентов от LangChain

LangChain представил свою платформу для создания агентов без кода — Open Agent Platform (OAP).

Ключевые особенности
- Управление агентами: Создание, настройка и взаимодействие через интуитивный веб-интерфейс
- RAG-интеграция: Поддержка Retrieval Augmented Generation через LangConnect
- Подключение инструментов: Соединение агентов с внешними сервисами через MCP-серверы
- Агент-супервизор: Оркестрация взаимодействия нескольких агентов через Agent Supervisor
- Встроенная аутентификация: Готовая система доступа и контроля пользователей
- Настраиваемые агенты: Простое определение пользовательских конфигураций через UI

Если уже используете LangGraph, OAP предоставляет удобный способ создания и управления агентами.

Demo:
https://oap.langchain.com

Github:
https://github.com/langchain-ai/open-agent-platform/

#langchain #agents #frameworks
———
@tsingular

LangChain выпустил Open Deep Research — открытый мульти-агентный исследователь

Команда LangChain создала альтернативу исследовательским системам от OpenAI, Anthropic и Google. Архитектура построена на трёх этапах: сначала система уточняет контекст у пользователя и создаёт исследовательский бриф, затем супервайзер-агент делегирует подзадачи специализированным агентам, которые работают параллельно.

Основная проблема одноагентных систем — перегрузка контекста при многотемных запросах. Например, при сравнении подходов к ИИ-безопасности у трёх лабораторий система тратит токены на обработку всех тем одновременно. Мульти-агентный подход изолирует контекст каждого агента.

Интересная деталь: команда сначала пыталась распараллелить и написание отчёта, но столкнулась с проблемой координации — разделы получались разрозненными. В итоге исследование параллельное, а итоговый отчёт пишется одним агентом.

#LangChain #multiagent #deepresearch
------
@tsingular

DeepAgents CLI: агенты с памятью из терминала

LangChain выпустил DeepAgents CLI — инструмент для создания ИИ-агентов с постоянной файловой памятью прямо из командной строки.

Работает на Claude Sonnet 4 (по умолчанию) или OpenAI, использует Tavily для поиска.
Агент пишет код, исследует, редактирует файлы. Есть режим Auto-Accept Edits для ускорения.

Фишка — память хранится локально в ~/.deepagents/AGENT_NAME/memories/ как обычные markdown-файлы.
Агент сам решает что запомнить, записывает и использует в следующих сессиях.

Можно создавать специализированных агентов под разные проекты через deepagents --agent foo. Память каждого изолирована.

Ну все, агентов в командной строке теперь тоже можно вайбкодить через фреймворк.
Надеюсь документация уже есть в context7.

#DeepAgents #LangChain #агенты
------
@tsingular

LangChain запустил песочницы для DeepAgents

LangChain интегрировал удалённые песочницы для безопасного выполнения кода агентами.
Поддерживаются три провайдера: Runloop, Daytona и Modal.

Агент работает локально, но код выполняется удалённо — создаёт файлы, запускает команды, видит результаты.
Настройка через CLI одной командой: токены API и setup-скрипт.

Но есть нюанс:
Прямая цитата: "мы рекомендуем проверять дашборд провайдера, чтобы убедиться, что агент или песочница случайно не остались запущенными".

То есть автоматическая очистка ненадёжна.
Мониторинг вручную через три разных интерфейса.

Идея здравая, - отдельностоящая песочница дла кодовых агентов, но реализация на уровне беты пока.

#DeepAgents #Sandboxes #LangChain
------
@tsingular

LangGrinch: критическая уязвимость в ядре LangChain

В langchain-core нашли дыру (CVE-2025-68664, CVSS 9.3), которая позволяет красть секреты и потенциально выполнять произвольный код.

Проблема в функциях dumps() и dumpd() — они не экранировали словари с ключом 'lc', который фреймворк использует внутри для маркировки своих объектов.

Атакующий может через промпт инъекцию засунуть словарь в поля вроде additional_kwargs или response_metadata.
При десериализации LangChain воспринимает это как легитимный объект и инстанцирует что угодно из разрешённого списка.

Например, ChatBedrockConverse делает GET-запрос при создании — можно слить переменные окружения на внешний сервер.

Самое неприятное: эксплойт срабатывает через обычные фичи типа astream_events(v1) или логирования.

Один промпт запускает всю цепочку.

Патчи появились в версиях 1.2.5 и 0.3.81.

#LangChain #CVE202568664 #PromptInjection
———
@tsingular

OpenWork от LangChain: еще один конкурент Cowork

LangChain выпустил OpenWork — десктопное приложение для запуска ИИ-агентов с прямым доступом к файловой системе и выполнением shell-команд.

Работает на базе deepagentsjs — фреймворка для агентов с планированием и делегацией подзадач другим агентам.

Запускается через npx openwork
Поддерживает протоколы и модели Anthropic, OpenAI, Gemini 3 Pro.

МIT лицензия

Пишут, что подключить можно любые модели, даже локальные.

Коворк уже выпустили в релиз для Про подписчиков, но кому он платный нужен, когда весь интернет уже обложился бесплатными аналогами.

И все это за 1 неделю.

#OpenWork #LangChain #DeepAgents
------
@tsungular

Утренние обновления: OpenClaw, Langchain, Pydantic-AI, OpenWebUI и др.

Выпили кофе и смотрим обновления опенсорс-стека для агентов.

🚀 OpenClaw v2026.2.23:
Главное исправление — подавление Reasoning-блоков в Telegram. Больше никаких «мыслей вслух» (спасибо! еще стриминг по умолчанию бы отключили) в ответах пользователю, если это не включено специально.

• Kilocode Integration: Нативная поддержка провайдера Kilo (модель Claude Opus 4.6).
• Hardening: Закрыли потенциальный SSRF в браузере и внедрили жесткую политику ACP (Agent Control Policy) для доступа к файлам — теперь агент не сможет прочитать что-то вне своего воркспейса без спроса.
• Smart Caching: Оптимизировали кэширование AGENTS.md и MEMORY.md, чтобы не инвалидировать кэш промптов на каждой записи в память.

⚡️ Pydantic-AI v1.63.0: Gemini 3.1 Pro и валидация «на лету»
Команда Pydantic продолжает делать разработку агентов предсказуемой.

• Добавлена поддержка Gemini 3.1 Pro Preview.
• Logprob Support: Теперь можно точно знать, насколько модель уверена в каждом слове.
• Args Validator: Добавлен параметр пре-валидации аргументов инструментов. Это смерть для галлюцинаций: если агент пытается вызвать инструмент с бредовыми параметрами, его «бьют по рукам» еще до запуска кода.

🌐 Open WebUI v0.8.5: Голос и устойчивость
UI для локальных LLM стал взрослее.

• Добавили горячие клавиши для диктовки (Cmd+Shift+L).
• Исправили «бесконечную загрузку» при падении бэкенда. Теперь фронтенд устойчив к сбоям отдельных API-вызовов (модели, баннеры, настройки).

🛠 LangChain Core 1.2.15
Тихий, но важный патч: исправлен импорт LangSmith (теперь быстрее стартует) и улучшена типизация для кастомных чат-моделей.

Больше инфы об актуальных обновлениях оптом можно смотреть тут:

https://github.com/mb-mal/awesome-ai-agents-frameworks

#OpenClaw #PydanticAI #OpenWebUI #LangChain #AI #Agents #DevOps
———
@tsingular

Да, что началось то...

LangChain Deep Agents: Опенсорсный ответ Claude Code и новый стандарт «боевых» агентов

LangChain выкатил Deep Agents — готовый системный обвес для агентов на базе LangGraph.

По сути, это архитектурный клон Claude Code, но лишенный его главного недостатка: привязки к одной модели.

Теперь автономного агента на базе langchain с планированием и сабагентами можно запускать на любом движке — от GPT-4o до локального Qwen.

🚀 Что внутри:

🛡 Планирование (Planning):
Инструмент write_todos для декомпозиции задач. Агент сам бьет задачу на шаги и отслеживает прогресс.

📂 Файловая система (Filesystem):
Набор read/write/edit/grep/ls. Агент не просто «видит» код, он с ним работает, правит и ищет зависимости в контексте всего проекта.

🤖 Сабагенты (Sub-agents):
Команда task для делегирования работы в изолированные контекстные окна. Большой агент спавнит малых для рутины, не раздувая свой основной контекст (прямой аналог sessions_spawn у openclaw).

🔌 MCP & Sandboxing:
Встроенная поддержка Model Context Protocol и запуск команд в изолированных песочницах. Безопасность через ограничение инструментов, а не через «честное слово» нейросети.

🔮 Итог: Эпоха чат ботов окончательно уходит в прошлое. Наступает эра автономных роев, которые умеют планировать, ошибаться, откатываться к чекпоинтам и звать на помощь человека, только когда уже поздно нужна помощь.

#агенты #LangGraph #DeepAgents #OpenSource #langchain
------
@tsingular