Langchain 이 제시하는 UseCases

Langchain 공식문서에서 제시하는 유스케이스 다수.

1. 데이터 참조해서 답변하기

• Langchain 을 이용하면 RAG 어플리케이션을 쉽게 구현 가능
• 존재하는 데이터 소스 (SQL, GraphQL, API, 파일데이터, 검색데이터 등등) 를 연결만 해주면, LLM 은 데이터에서 찾아서 응답 가능
• 다만 보통 LLM 에 한 번에 넘겨줄 수 있는 토큰 수 제한이 있는데, Langchain 은 토큰 제한을 극복하는 방법들을 쉽게 제공
• Phind 처럼 검색 데이터를 처리해서 응답을 줄 수도 있고, 로앤봇처럼 법령 데이터를 연결해서 제공할 수도 있음.
• 제공된 Document 를 기반으로 응답이 되기 때문에 할루시네이션이 줄어든다는 장점.

2. API 와 상호작용

• 위의 RAG 와도 연결되는 부분이 있다.
• 사용자의 질문에 답변하기 위해서 API 를 호출할 수 있음.
• 그런데 검색보다 더 기대되는 부분은, 자연어 채팅으로 비행기표 예매와 같은 API 도 호출할 수 있게 된다는 것.
• Agent 와 Tool 을 미리미리 만들어두면 가능하다.

3. 요약

• Langchain 으로 요약 어플리케이션도 쉽게 구현가능
• RAG 와 마찬가지로, 기본적으로 Langchain 이 Document 를 가져와서 LLM 과 상호작용 하는 과정의 인터페이스를 잘 만들어놨기 때문. 덕분에 여러 Data Source 를 쉽게 연결해서 붙일 수 있다.

4. 추출

• 자연어에서 데이터를 추출할 수 있다.
• Langchain 에서 Output Parsing 관련해서도 인터페이스를 잘 만들어둠.
• LLM 을 여러겹으로 쓸 경우 Output 을 구조화된 데이터로 만들어서 아래 계층으로 넘겨줘야하는데 이런 처리도 간편.

REF

• https://python.langchain.com/docs/use_cases/qa_structured/sql