Викторина, связанная с руководством · Средний Уровень

LangChain Викторина

Изучите композицию LangChain, поток управления с сохранением состояния LangGraph, человеческие прерывания и оценку LangSmith для приложений LLM.

Связанные направляющие путиЛангчейн
Вопрос 1 из 8

Какова основная идея LangChain?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какова основная идея LangChain?
    • Составление и оркестровка многоэтапных приложений на базе LLM.
    • Обучение больших языковых моделей с нуля
    • Размещение графических процессоров для вывода моделей
    • Генерация изображений из текстовых подсказок
  2. Кто и примерно когда создал LangChain?
    • Сэм Альтман в 2020 году
    • Харрисон Чейз в конце 2022 года
    • Лукас Биевальд в 2017 году
    • Джерри Лю в 2023 году
  3. Для чего используется LangGraph в экосистеме LangChain?
    • Построение диаграмм показателей обучения
    • Сжатие подсказок для сохранения токенов
    • Построение управляемых рабочих процессов агентов с отслеживанием состояния в виде графиков
    • Преобразование кода между языками программирования
  4. Какова основная роль ЛэнгСмита?
    • Создание синтетических наборов данных
    • Обслуживание веб-страниц
    • Шифрование ключей API
    • Отслеживание, отладка и оценка приложений LLM
  5. Что в LangChain означает синтаксис канала «подсказка | модель | парсер' представляете?
    • Составление компонентов через общий интерфейс Runnable.
    • Команда оболочки для запуска сценариев
    • Запрос к базе данных
    • Способ удаления цепочек
  6. What happens when a LangGraph node invokes interrupt() with a checkpointer configured?
    • The graph discards its state and restarts training
    • The graph pauses with state saved, then can resume after external input
    • The graph converts the interrupt into a stateless chain
    • The graph changes the base model weights
  7. What kind of evaluation does LangSmith describe as monitoring application traces in production?
    • Offline evaluation on a fixed pre-deployment dataset only
    • A test that fine-tunes the application’s foundation model
    • Online evaluation that checks selected production runs for quality signals
    • An evaluation that reports only GPU training throughput
  8. What does an offline LangSmith evaluation test?
    • Only GPU utilization during model training
    • Every production user response with no reference examples
    • A guarantee of correctness on unseen inputs
    • An application against a curated dataset before deployment