Bekerja dengan Memori dan Riwayat Dialog di LLM 🧠

Sebuah chatbot dukungan teknis diluncurkan, pengguna menjelaskan masalahnya, dan pada pesan ketiga, neural network bertanya: "Siapa nama Anda dan ada yang bisa saya bantu?".

Penyebabnya sepele: LLM pada dasarnya stateless. "Memori" model hanyalah sebuah kruk arsitektural, dan biasanya masalah diselesaikan dengan cara "brute force": ambil LangChain, kumpulkan semua pesan sebelumnya, dan masukkan ke dalam prompt.

🗓 Hari ini pukul 18:00 MSK di "Titik Perakitan" kita akan membahas arsitektur memori untuk asisten LLM dan metode manajemen konteks yang tepat.

Dasar yang diperlukan untuk memahami materi:
🔵Sintaks dasar Python (kelas, dictionary, fungsi).
🔵Pemahaman tentang cara kerja HTTP API dan konsep dasar LLM (apa itu prompt dan token).
🔵 Pengetahuan dasar tentang abstraksi LangChain.

Akses melalui bot: t.me/TScompiler_bot