Notice
Recent Posts
Recent Comments
Link
반응형
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- langgrpah
- toolnode
- adaptive_rag
- REACT
- 강화학습의 수학적 기초와 알고리듬의 이해
- rl
- tool_call_chunks
- langgraph
- 추천시스템
- agenticrag
- update_state
- Ai
- RecSys
- chat_history
- 강화학습의 수학적 기초와 알고리듬 이해
- removemessage
- conditional_edges
- human-in-the-loop
- subgraph
- Python
- humannode
- LangChain
- add_subgraph
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
- rag
- summarize_chat_history
- pinecone
- 강화학습
- tool_calls
- 밑바닥부터 시작하는 딥러닝
Archives
- Today
- Total
반응형
목록document_loaders (1)
반응형
타임트리
[LangChain] Document Loaders
LLM의 input은 String type으로 넣어줘야 한다. 이를 위해 랭체인에서 제공하는 document_loaders는 pdf, notion, ppt 등의 여러 형식을 불러오고 LLM에 제공할 수 있도록 전처리를 도와준다. 기본적으로 document_loaders의 클래스들은 load 메소드를 사용해, 여러 형태의 데이터를 알맞게 parsing해서 Document 객체를 원소로 갖는 리스트를 반환한다. 이때, Document 객체는 page_content와 metadata를 클래스 변수로 갖는다. 랭체인의 document_loaders의 클래스들이 어떤 형태로 각 문서를 처리하고 값을 반환하는지 TextLoader와 CSVLoader의 소스코드를 살펴보자.TextLoaderclass TextLoa..
LLM/LangChain
2024. 6. 14. 01:37