{"id":4076,"date":"2023-10-25T10:04:55","date_gmt":"2023-10-25T03:04:55","guid":{"rendered":"https:\/\/binus.ac.id\/bekasi\/?p=4076"},"modified":"2023-10-25T10:04:55","modified_gmt":"2023-10-25T03:04:55","slug":"simple-large-language-models-using-langchain-and-huggingface","status":"publish","type":"post","link":"https:\/\/beta.binus.ac.id\/bekasi\/2023\/10\/25\/simple-large-language-models-using-langchain-and-huggingface\/","title":{"rendered":"Simple Large Language Models using LangChain and HuggingFace"},"content":{"rendered":"

Penulis : Rezki Yunanda, S.Kom., M.Kom<\/em><\/p>\n

\"\"<\/p>\n

Sumber: wiz.ai<\/span><\/p>\n

Large Language Models<\/em> (LLM) merujuk pada model kecerdasan buatan yang memiliki kapasitas besar untuk memahami dan menghasilkan bahasa manusia. Contoh dari LLM termasuk GPT-3, T5, dan lainnya. Teknologi ini tengah muncul dan semakin berkembang pesat, menjadi sumber daya yang sangat berharga bagi para developer aplikasi.<\/p>\n

Dengan adanya LLM, para developer kini memiliki kesempatan untuk membangun aplikasi yang sebelumnya tidak mungkin mereka lakukan. LLM memungkinkan developer untuk melakukan tugas-tugas yang kompleks, seperti penerjemahan bahasa, pertanyaan-jawaban, pengelolaan teks, dan banyak lagi. Ini membuka berbagai peluang baru dalam developeran aplikasi cerdas dan interaktif.<\/p>\n

\"\"<\/p>\n

Sumber: blog.epsilla.com<\/span><\/p>\n

LangChain merupakan sebuah kerangka kerja yang dirancang khusus untuk memanfaatkan potensi dari Large Language Models<\/em> (LLMs) dengan cara yang lebih komprehensif. Dengan LangChain, para developer dapat dengan mudah mengintegrasikan LLMs dengan sumber daya komputasi atau pengetahuan lainnya, sehingga menciptakan aplikasi yang lebih kuat dan kompleks.<\/p>\n

Salah satu kelebihan utama dari LangChain adalah menyediakan antarmuka generik yang memungkinkan para developer untuk mengakses berbagai macam model foundation<\/em> LLMs. Hal ini memungkinkan mereka untuk memilih model LLM yang paling sesuai dengan kebutuhan aplikasi mereka. Baik itu model berbasis open-source<\/em> yang lebih hemat biaya atau model proprietary yang menawarkan performa lebih unggul, semua dapat diintegrasikan dengan LangChain.<\/p>\n

Selain itu, LangChain juga memberikan kemudahan dalam manajemen prompt. Penggunaan LLMs sering kali memerlukan prompt engineering<\/em>, yaitu proses mengatur input prompt hingga menghasilkan output yang diinginkan. Dengan menggunakan prompt templates<\/em> dari LangChain, para developer dapat membangun dan mengelola prompt dengan lebih mudah dan efisien. Prompt templates<\/em> memungkinkan untuk membuat prompt dari beberapa komponen yang dapat digunakan berulang kali, sehingga meningkatkan efisiensi dalam proses developeran aplikasi.<\/p>\n

Selanjutnya, LangChain memberikan antarmuka sentral untuk mengakses memori jangka panjang, data eksternal, LLMs lain, dan alat tambahan melalui agen. Hal ini memungkinkan aplikasi yang dibangun dengan LangChain untuk memiliki kemampuan memori percakapan, mengakses sumber daya eksternal seperti data dari YouTube atau dokumen teks besar, serta berinteraksi dengan alat tambahan seperti kalkulator dan pencarian internet.<\/p>\n

Dengan menggabungkan kemampuan dari model LLM, prompt templates<\/em>, memori percakapan, dan akses ke berbagai sumber daya eksternal, aplikasi yang dibangun dengan LangChain menjadi lebih komprehensif dan cerdas. Para developer dapat menciptakan aplikasi yang dapat menangani tugas-tugas yang lebih kompleks dan beragam, memberikan solusi yang lebih relevan dan akurat bagi pengguna.<\/p>\n

\"\"<\/p>\n

Sumber: bishalbose294.medium.com<\/span><\/p>\n

Kehadiran LangChain menghadirkan peluang baru dalam developeran aplikasi cerdas yang menggabungkan kekuatan dari LLMs dengan berbagai sumber daya komputasi dan pengetahuan lainnya. Dengan kerangka kerja yang fleksibel dan efisien ini, para developer dapat menciptakan aplikasi yang lebih inovatif dan memberikan pengalaman yang lebih baik bagi pengguna.<\/p>\n

Berikutnya kita lanjutkan dengan mencoba menggunakan LangChain dengan LLM yang ada pada HuggingFace<\/p>\n

Langkah Pertama <\/strong><\/p>\n

1. Buka Google Colab<\/p>\n

2. Install Langchain<\/p>\n

\"\"<\/p>\n

3. Siapkan API KEY dari HuggingFace<\/p>\n

\"\"<\/p>\n

4. Siapkan template dan Train model<\/p>\n

\"\"<\/p>\n

5. Langchain sudah bisa digunakan<\/p>\n

\"\"<\/p>\n

 <\/p>\n

Referensi :<\/strong><\/p>\n

    \n
  1. https:\/\/python.langchain.com\/docs\/get_started\/introduction<\/a><\/li>\n
  2. https:\/\/github.com\/langchain-ai\/langchain<\/a><\/li>\n
  3. https:\/\/medium.com\/databutton\/getting-started-with-langchain-a-powerful-tool-for-working-with-large-language-models-286419ba0842<\/a><\/li>\n
  4. https:\/\/www.pinecone.io\/learn\/series\/langchain\/langchain-intro\/<\/a><\/li>\n<\/ol>\n

     <\/p>\n","protected":false},"excerpt":{"rendered":"

    Penulis : Rezki Yunanda, S.Kom., M.Kom Sumber: wiz.ai Large Language Models (LLM) merujuk pada model kecerdasan buatan yang memiliki kapasitas besar untuk memahami dan menghasilkan bahasa manusia. Contoh dari LLM termasuk GPT-3, T5, dan lainnya. Teknologi ini tengah muncul dan semakin berkembang pesat, menjadi sumber daya yang sangat berharga bagi para developer aplikasi. Dengan adanya […]<\/p>\n","protected":false},"author":1,"featured_media":4077,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[71,192],"class_list":["post-4076","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-computer-science-software-engineering","tag-computer-science","tag-software-engineering"],"_links":{"self":[{"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/posts\/4076"}],"collection":[{"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/comments?post=4076"}],"version-history":[{"count":0,"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/posts\/4076\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/media\/4077"}],"wp:attachment":[{"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/media?parent=4076"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/categories?post=4076"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/beta.binus.ac.id\/bekasi\/wp-json\/wp\/v2\/tags?post=4076"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}