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 | 29 | 30 | 31 |
Tags
- Docker
- Python
- fastapi
- tool_call_chunks
- LangChain
- 추천시스템
- toolnode
- 강화학습의 수학적 기초와 알고리듬 이해
- agenticrag
- conditional_edges
- rag
- 강화학습
- tool_calls
- subgraph
- pinecone
- add_subgraph
- RecSys
- REACT
- summarize_chat_history
- langgraph
- removemessage
- 강화학습의 수학적 기초와 알고리듬의 이해
- chat_history
- update_state
- 밑바닥부터 시작하는 딥러닝
- rl
- adaptive_rag
- Ai
- langgrpah
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
Archives
- Today
- Total
반응형
목록human-in-the-loop (1)
반응형
타임트리

LangGraph는 기존의 Naive RAG 나 Advance RAG와는 달리 노드 단위로 흐름을 조절할 수 있다.특히 노드를 기준으로 중간에 interrupt를 걸 수 있다. (interrupt_before, interrupt_after)이러한 기능을 활용해서 중간에 사람이 개입하여 판단할 수 있도록 만들 수 있다!왜 human-in-the-loop 이 필요하지?Agent를 전적으로 신뢰할 수 없을 때, 사람이 개입해야 할 필요가 있다.일부 작업에 대해서는 의도대로 실행되고 있는지 확인하기 위해 실행하기 전 사람이 직접 개입하여 "승인" 절차를 도입하고 싶을 수 있다. 이번에는 이전까지 살펴봤던 검색 Tool을 가진 그래프를 활용하고 LLM이 생성한 검색 쿼리가 적절한지 판단하도록 만들어보자.(Lang..
LLM/LangGraph
2024. 12. 30. 04:27