[Skill 名] langchain-langgraph-coding-assistant

LangChain & LangGraph プログラミングアシスタント

説明

このスキルは、LangChainおよびLangGraphフレームワークのプログラミング支援機能を提供します。ユーザーが関連コードの記述を必要とする場合、エージェントはユーザーの要求に基づき、resourcesフォルダー内のサンプルコードを参照して、コーディング作業を支援します。resourcesフォルダーには、RAG、Agent、ワークフロー、ツール定義、ミドルウェア、大規模言語モデル呼び出しなど、複数の機能モジュールをカバーする豊富なサンプルコードが含まれています。

使用シナリオ

ユーザーがLangChainまたはLangGraphフレームワークの使用を明確に要求した場合に、このスキルがトリガーされます。

• LangChainを使用してコードを記述することを明確に言及している場合
• LangGraphを使用してコードを記述することを明確に言及している場合
• LangChainのAPI（ドキュメントローダー、ベクターストア、ツールなど）の使用を明確に要求している場合
• LangGraphのAPI（StateGraph、関数型API、グラフAPIなど）の使用を明確に要求している場合
• resourcesフォルダー内のLangChain/LangGraphサンプルコードを参照するよう要求している場合
• LangChainの特定の機能（Agent、RAG、ミドルウェアなど）の使用に言及し、そのフレームワークの使用を示唆している場合
• LangGraphの特定の機能（ワークフロー、サブグラフ、中断など）の使用に言及し、そのフレームワークの使用を示唆している場合

指示

1. 要件分析

• ユーザーの具体的な要件を注意深く分析し、実装する必要がある機能モジュールを特定します。
• ユーザーが使用する技術スタック（LangChain、LangGraph、またはその両方の組み合わせ）を識別します。
• 参照する必要があるサンプルコードが格納されているresourcesサブディレクトリを特定します。

2. 関連するサンプルを検索

ユーザーの要件に基づき、resourcesフォルダー内で対応するサンプルコードを検索します。

RAG関連の要件

• ドキュメントの読み込み：resources/RAG/document_loaders.py
• テキスト分割：resources/RAG/splitters.py
• ベクターストア：resources/RAG/vectorstores_retrievers.py

Agent関連の要件

• Agentの作成：resources/agent/create_agent.py
• ミドルウェアの実装：resources/agent/middleware.py
• カスタムモデル：resources/agent/ChatOpenAIModel_LangChian.py

ワークフロー関連の要件

• 関数型API：resources/functional(workflow)_api/
• グラフAPI：resources/graph-api/
• ワークフローの比較：resources/工作流_图_对比/
  • チェーンプロンプト：chain_prompt_graph.py / chain_prompt_workflow.py
  • 評価器-最適化器：evaluator_optimizer_graph.py / evaluator_optimizer_workflow.py
  • 並列化：parallelization_graph.py / parallelization_workflow.py
  • プランナー-ワーカー：planner_worker_graph.py / planner_worker_workflow.py
  • ReActエージェント：react_agent_graph.py / react_agent_workflow.py
  • ルーティングワークフロー：routing_graph.py / routing_workflow.py

ツール定義関連の要件

• 基本的なツール定義：resources/工具定义/tool_define.py
• Commandツール：resources/工具定义/tool_command.py
• メモリ保存：resources/工具定义/tool_memery_store.py
• ランタイムコンテキスト：resources/工具定义/tool_runtime_context.py
• ストリーミング書き込み：resources/工具定义/tool_stream_writer.py

ミドルウェア関連の要件

• クラスベースのミドルウェア：resources/中间件/class_based_middleware.py
• デコレータベースのミドルウェア：resources/中间件/decorator_based_middleware.py
• コンテキスト編集：resources/中间件/context_editing.py
• 人間によるレビュー：resources/中间件/human_in_the_loop.py
• LLMツール選択：resources/中间件/llm_tool_selector.py
• モデル呼び出し制限：resources/中间件/model_call_limit.py
• モデルフォールバック：resources/中间件/model_fallback.py
• PII検出：resources/中间件/pii_detection.py
• プランニング：resources/中间件/planning.py
• 要約：resources/中间件/summary.py
• ツール呼び出し制限：resources/中间件/tool_call_limit.py
• ツールリトライ：resources/中间件/tool_retry.py

大規模言語モデル呼び出し関連の要件

• OpenAI互換モデル：resources/大模型调用/ChatOpenAIModel_LangChian.py
• Azure OpenAI：resources/大模型调用/Azure.py
• Gemini：resources/大模型调用/Gemini.py
• OpenAI公式API：resources/大模型调用/OpanAI.py

Embedding関連の要件

• ローカルEmbedding：resources/embedding模型调用/local_embedding.py
• クラウドEmbedding：resources/embedding模型调用/cloud_embedding.py
• OpenAI互換Embedding：resources/embedding模型调用/opanai_embedding.py

コンテキストエンジニアリング関連の要件

• メッセージ管理：resources/上下文工程/messages.py
• システムプロンプト：resources/上下文工程/system_prompt.py

サブグラフ関連の要件

• 状態共有：resources/子图/share_state.py
• 多段階サブグラフ：resources/子图/father_son_grandson_noShareState.py
• 永続化：resources/子图/add_persistence.py

LangGraph中断関連の要件

• 承認または拒否：resources/langgraph中断/approve_or_reject.py
• ツール内の中断：resources/langgraph中断/interrupts_in_tools.py
• 状態のレビューと編集：resources/langgraph中断/review_and_edit_state.py
• 人間入力の検証：resources/langgraph中断/validating_human_input.py

タイムトラベル関連の要件

• タイムトラベル機能：resources/时间旅行/use_time_travel.py

MCP関連の要件

• ローカルツールの呼び出し：resources/MCP/调用本地工具/
• リモートMCPサービスの呼び出し：resources/MCP/调用远程mcp服务/

完全なケーススタディの参照

• 計算機Agent：resources/案例/Calculator_Agent/
• 詳細調査：resources/案例/Deep_Research/
• RAG Agent：resources/案例/RAG_Agent/

3. コードの実装

• 関連するサンプルコードのreadme.mdファイル（存在する場合）を読み、機能と使用方法を理解します。
• サンプルコードの実装方法とコード構造を参照します。
• ユーザーの具体的な要件に基づいて、要件を満たすコードを記述します。
• コードスタイルがサンプルコードと一致していることを確認します。
• カスタムモデルを使用する必要がある場合は、ChatOpenAIModel_LangChian.pyの実装を参照します。

4. 必要なインポート（重要）

コードを記述する際には、必要なすべてのインポートステートメントを含める必要があります。以下は、一般的なインポートの説明です。

一般的な基本インポート

• typing: TypedDict, List, Any, Dict, Optional
• typing_extensions: TypedDict（より複雑な型定義用）

LangChainコアインポート

• langchain_core.messages: AIMessage, HumanMessage, SystemMessage, ToolMessage
• langchain_core.prompts: ChatPromptTemplate
• langchain_core.output_parsers: StrOutputParser
• langchain_core.runnables: RunnablePassthrough
• langchain.tools: tool
• langchain.agents: create_agent

LangGraphグラフAPIインポート

• langgraph.graph: StateGraph, START, END, MessagesState
• langgraph.graph.message: add_messages
• langgraph.checkpoint.memory: InMemorySaver
• langgraph.types: interrupt

LangGraph関数型APIインポート

• langgraph.func: entrypoint, task

LangChain Agentミドルウェアインポート

• langchain.agents.middleware: before_model, after_model, wrap_model_call, wrap_tool_call, AgentState, ModelRequest, ModelResponse, dynamic_prompt
• langgraph.runtime: Runtime

LangChainドキュメントローダーインポート

• langchain_community.document_loaders.csv_loader: CSVLoader
• langchain_community.document_loaders: JSONLoader, BSHTMLLoader
• langchain_docling.loader: DoclingLoader

LangChainテキスト分割器インポート

• langchain_text_splitters: RecursiveCharacterTextSplitter, CharacterTextSplitter, MarkdownHeaderTextSplitter, RecursiveJsonSplitter

LangChainベクターストアインポート

• langchain_chroma: Chroma
• langchain_core.vectorstores: VectorStore
• langchain_core.embeddings: Embeddings

LangChain Embeddingインポート

• langchain_openai: OpenAIEmbeddings
• langchain_community.embeddings: HuggingFaceEmbeddings

LangChainモデルインポート

• langchain_openai: ChatOpenAI
• langchain_azure_chat_models: AzureChatOpenAI
• langchain_google_genai: ChatGoogleGenerativeAI

LangChain RAGインポート

• langchain.chains: RetrievalQA
• langchain_core.runnables: RunnablePassthrough

カスタムモデルインポート

• ChatOpenAIModel_LangChian: ChatOpenAIModel（resources内のカスタムモデルを使用する場合）

可視化インポート

• IPython.display: Image, display

その他の一般的なインポート

• asyncio, uuid, time, os, pathlib.Path

インポートに関する注意事項

1. コードを提供する際には、使用するすべてのインポートステートメントを含める必要があります。
2. コード内でクラスまたは関数を使用する場合は、インポートセクションに対応するインポートを含める必要があります。
3. カスタムのクラスまたは関数については、そのソースを明確に説明するか、完全な定義を提供する必要があります。
4. 読みやすさと保守性を高めるために、インポートステートメントを機能ごとにグループ化することをお勧めします。
5. サードパーティライブラリを使用する場合は、ユーザーに適切な依存関係パッケージのインストールを促す必要があります。

5. コードの説明

• 主要なロジックを説明する明確なコードコメントを提供します。
• コードの動作原理と使用方法を説明します。
• コードで使用されているLangChain/LangGraphのコアコンセプトとAPIを指摘します。
• 複雑な機能が含まれる場合は、使用例を提供します。

6. 注意事項

• resourcesフォルダー内のサンプルコードは一切変更しないでください。
• サンプルコードを参照する際は、その設計思想と実装方法を理解してください。
• ユーザーの実際の要件に合わせて適応および調整してください。
• コードの正確性と実行可能性を確保してください。
• APIキーなどの機密情報が含まれる場合は、ユーザーに自己設定を促してください。

よくあるエラーと解決策

1. インポートステートメントの欠落

   • エラー：NameError: name 'AIMessage' is not defined
   • 解決策：from langchain_core.messages import AIMessage, HumanMessage, SystemMessage, ToolMessage がインポートされていることを確認してください。

2. 型定義の欠落

   • エラー：NameError: name 'TypedDict' is not defined
   • 解決策：fr がインポートされていることを確認してください。