Przejdź do treści
Biblioteka skilli
AI i agenci · Budowanie i kod

langchain-expression-language-chains

/langchain-expression-language-chains

Składa modułowe, strumieniowe i sprawdzalne potoki wywołań LLM w LangChain Expression Language.

Licencja
MIT
Ostatnia zmiana repozytorium
28.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 28.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Składa modułowe, strumieniowe i sprawdzalne potoki wywołań LLM w LangChain Expression Language.

Oryginalny opis (EN)

Use this skill when composing modular, streaming, and inspectable LLM invocation pipelines using LangChain Expression Language.

Jak działa

  1. When to use
  2. Prerequisites
  3. Step-by-step workflow
  4. Commands / code examples
  5. Common mistakes & pitfalls
  6. Verification checklist
  7. Related skills
Sekcje z nagłówków SKILL.md, w oryginale · 45 linii, 261 słów
Podgląd SKILL.md
---
name: langchain-expression-language-chains
description: Use this skill when composing modular, streaming, and inspectable LLM invocation pipelines using LangChain Expression Language.
---
# LangChain Expression Language (LCEL)

## When to use
Use this skill when you need to composing modular, streaming, and inspectable LLM invocation pipelines using LangChain Expression Language.

## Prerequisites
- Deep understanding of modern AI/ML systems, data engineering pipelines, or distributed architectures.
- Testing environment with necessary libraries and credentials configured.

## Step-by-step workflow
1. **Analyze data & architectural requirements**: Evaluate throughput, latency, context windows, and schema constraints.
2. **Formulate pipeline / model contracts**: Define strict input/output specifications and validation schemas.
3. **Implement core execution logic**: Construct deterministic transformations, prompt chains, or streaming data flows.
4. **Validate performance & accuracy**: Run automated test assertions, evaluate accuracy metrics, and benchmark throughput.
5. **Enforce observability & guardrails**: Instrument workflows with tracing, logging, rate limits, and fallback strategies.

## Commands / code examples
```python
# Production pipeline and implementation pattern for langchain-expression-language-chains
import os

def run_pipeline():
    print("Executing operational pipeline: langchain-expression-language-chains")

if __name__ == "__main__":
    run_pipeline()
```

## Common mistakes & pitfalls
- Allowing untrusted inputs to bypass validation checks, resulting in data corruption or prompt injection.
- Accumulating unconstrained state in memory during stream processing, leading to Out-Of-Memory (OOM) crashes.
- Neglecting evaluation benchmarks, deploying models or prompts without quantitative quality scoring.

## Verification checklist
- [ ] Pipeline validates input schemas and filters malformed records.
- [ ] Concurrency and memory utilization remain within provisioned boundaries.
- [ ] Performance and accuracy metrics meet predefined SLA targets.
- [ ] Fallback and retry mechanisms handle external API or network interruptions gracefully.

## Related skills
- retrieval-augmented-generation-rag-pipeline
- prompt-injection-defense-guardrails
- apache-kafka-event-streaming-architecture
- distributed-tracing-opentelemetry-sdk

Wersje

W bazie nie ma innych skilli o nazwie langchain-expression-language-chains.

Migawka bazy z 13.11.2026 · wersja paczki 508fb6054eaf (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100langchain
    Pomaga budować aplikacje LLM we frameworku LangChain: łańcuchy, agenci, narzędzia, potoki RAG, bazy wektorowe, pamięć i LCEL w Pythonie oraz TypeScript.
  • 100langchain-core-workflow-a
    Buduje łańcuchy i prompty LangChain dla ustrukturyzowanych przepływów LLM: szablony promptów, łańcuchy LCEL i sekwencyjne potoki przetwarzania.
  • 90langchain
    Pomaga budować aplikacje LLM w LangChain i porównywać frameworki do aplikacji LLM.
  • 98langchain-architecture
    Projektuje aplikacje LLM w LangChain: agentów, pamięć i integrację narzędzi według sprawdzonych wzorców.
  • 98langchain-architecture
    Pomaga projektować aplikacje LLM we frameworku LangChain z agentami, pamięcią i integracją narzędzi.
  • 98langchain-architecture
    Pomaga projektować aplikacje LLM we frameworku LangChain z agentami, pamięcią i integracją narzędzi.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.