LLM

Vicuña Puede ejecutar en tu pc

LANGCHAIN CARACTERISTICAS A SEGUIR

Version Caracteristica
0.0.171 General

Add GraphQl query Tool

Llama-ccp add gpu layer parameter
add sumaryzation task type for hugging Face Api
Add server command
Casandra support for chat history

0.0.170 General
Add RELLM Experimental LLM decoding
add Warning for combined memory
Add the existing Opén Waether map tool for public api
Telegram Chat Loader

0.0.169 General

Add embedding route

agent serialization

0.0.168 General
Add Streamship image Generation tools (First steep towards multi-modal agents)
improve sql prompt

0.0.167 General
Add prestoDb
Add constitutional principles from paper
add pytest

0.0.166 General
Document Retrieve arxiv
AnthropicaAI constitutional AI Principios
Mejoras for querying vespaEngine indices
Support HF Text Gen Interface

0.0.166 General
Azure Cognitive Search Retriever
docarray Vector Store
Huggingface tools
MLFlow callback handlers
anyscalecompute LLM interfac
load .odt files with unstructuredIO

Versiones 165, 164, 163, nada muy relevante, muchos ajustes , documentacion, etc.

0.0.162 General
YouTube search Tool (un agente puede buscar email, traerlo,draft, y enviar)
MongoDB Integration for chat history
Document Loaders
 Wikipedia
JSON
pypdfium2

0.0.161 General
Add HumanInputLLM
Simplify router chain constructor signatures
opt: document_loader notiondb to extract url
added Wikipedia document loader
Add BlobParser abstraction
Switched from PyPDFLoader to pypdfium2

0.0.160 General
Update WhatsAppChatLoader regex to handle multiple date-time formats
JSON loader
Add LCP Client

0.0.159 General
Visual Studio Code/Github Codespaces Dev Containers
Add Issue Templates
Vwp/sqlalchemy

0.0.158
General
Router chains
Spark DataFrame Agent
Firestore Memory
In Memory KNN Retriever
Mejora Google Serper Tool

Document Loaders
One Driver Loader
TOML Loader
Media Wiki XML
0.0.157
General
Mejora OpenAICallbackHandler
0.0.156
Niguna
0.0.155
General
CohereAi reranker
UnstructuredIO Api Loaders
Mejora Constitutional Chain (intermediate steps, not running critique when not needed)

Document Loaders
Spreedly Driver Loader
ModernTreasury document loader
URL Documentation

https://python.langchain.com/en/latest/modules/indexes/retrievers/examples/arxiv.html
https://python.langchain.com/en/latest/modules/chains/examples/constitutional_chain.html?highlight=constitutional
https://python.langchain.com/en/latest/modules/indexes/retrievers/examples/vespa_retriever.html
https://python.langchain.com/en/latest/modules/models/llms/integrations/huggingface_textgen_inference.html
pypdfium2 es 500% mas rapido que pypdf
ml?highlight=constitutional

extgen_inference.html
TEMAS COMPONENTE

DESARROLLO CON LANGCHAIN Gradio

SEGUIR EN TWITTER @razawadzki

ver esta api o tool askyourPdf

Ver este github – langCorn https://twitter.com/arekusandr_/status/16551155069347
Este proyecto parece que esta bueno, plagin Retrieve
serie de videos, langChain + Ray Parte 3 en esta direccion, ver las otras partes
Leer este documento, structured Tools
Teach O Matic Como crear un video con estas herramientas (Gpt4, lancha
Url – documentacion lanchain
https://python.langchain.com/en/latest/
modules/agents/tools/examples/
Ver de que se trata bien esto y como lo puedo Usar gradio_tools.html
Esta creando agentes con autoGpt y langchain que podrian ser
parricide a lo que busco, de crear componentes de
programacion, quiere crearse un asistente juniors https://spell.so/a/clh99n4oc000coobi9rohex52

es un chat bot sobre un pdf. No tiene api, aparentemente solo shttps://askyourpdf.com/

usa fast api, ver si sirve para acelerar el proceso https://github.com/msoedov/langcorn
https://twitter.com/edreisMD/status/1655254966804840450 https://github.com/edreisMD/plugnplai/blob/main/examples/plu
https://twitter.com/anyscalecompute/status/1655696555511537666
https://blog.langchain.dev/structured-tools/
https://twitter.com/charliebholtz/status/1655681371770359811
 SI NO TIENE UNA API, ENTONCES NO PARECE QUE SE PUEDA USAR MUCHO EN LANGCHAIN

plai/blob/main/examples/plugin_retriever_with_langchain_agent.ipynb
CHO EN LANGCHAIN
LLM
Model Contexto # Token Precio
chatGpt Gpt Turbo 3.5 4K 1000 0.002
Gpt 4 8k 1000 0.03
Gpt 4 32k 1000 0.06
Embedding 1000 0.0004
Precio x 1000 Token
Anthropic Clude Instant 100k 1000000 0.00163
Claude – v1 100k 1000000 0.01102

ai21 Jumbo 1000 0.015

Grande (Base e Instruccion) 1000 0.01
Grande (Base) 1000 0.003
x Texto
Segmentacion de texto 1 0.001
Resumir Texto 1 0.005
Parafrasis 1 0.001
Respuesta contextuales (1 doc y 1 pregunta) 1 0.005
 % comparado a Gpt 3.5 turbo+ % Comparado a Gpt4 8k
1 Millon letras x token palabras x Token
2 4 0.75
30 4 0.75
60 4 0.75
0.4

1.63 0.815 0.05

11.02 5.51 0.37

15 6 1
10 6 1
3 6 1
X 1000 Textos
1
5
1
5