LangChain?是什么
首先?LangChain?是一個框架，這個框架是用來讓開發者進行?LLMs?（大語言模型）應用開發的。
可以理解是為各種?LLM?開發的腳手架，將?LLM?的各個組件進行封裝和鏈接。把?LLMs?相關的組件“鏈接”在一起，簡化?LLMs?應用的開發難度，方便開發者快速地開發復雜的?LLMs?應用。
舉一個不是很恰當的栗子，從?Java?工程師的角度來看?LangChain?更像是?Spring?或者?SpringBoot?這種框架，幫助開發人員更快的進行應用開發。
LangChain?框架組件
Models（I/O）：各種類型的模型集成。
Outline概要
? ? · Prompts：模板化、動態選擇和管理模型輸入
? ? · Language models：通過通用接口調用語言模型
? ? · Output parsers：從模型輸出中提取信息
Prompts組件：包含Prompt templates和Example selectors。
Prompt templates：
? ·? ?對語言模型的指令
? ·? ?一組幾個鏡頭示例來幫助語言模型生成更好的響應
? ·? ?對語言模型的一個問題
分別舉例：TemplateFormat、MessageTemplate、FewShotPromptTemplate、Example selectors
TemplateFormat：
MessageTemplate：
FewShotPromptTemplate：
Example selectors：
Language models:
? ·? ?LLMs
? ·? ?Chat models
LLMs：采用文本字符串作為輸入并返回文本字符串的模型。
gpt-3.5-turbo：
Streaming：
Chat models：聊天模型是語言模型的變體。
Caching：
outputparser
? ·? ?獲取格式指令
? ·? ?解析
? ·? ?帶有提示的解析
分別舉例：DateTimeParser、EnumParser、ListParser、OutputParser
DateTimeParser：
EnumParser：
ListParser：
OutputParser：
Memory：記憶涉及在用戶與語言模型的交互過程中保留狀態概念。用戶與語言模型的交互是在 ChatMessages 的概念中捕獲的，因此這可以歸結為從一系列聊天消息中攝取、捕獲、轉換和提取知識。一般來說，對于每種類型的記憶，都有兩種理解使用記憶的方法。這些是從一系列消息中提取信息的獨立函數，然后您可以通過一種方式在鏈中使用這種類型的內存。內存可以返回多條信息（例如，最近的 N 條消息和所有先前消息的摘要）。
Outline概要
? ? · ConversationBufferMemory
? ? · ConversationBufferWindowMemory
? ? · ConversationTokenBufferMemory
? ? ·?ConversationSummaryMemory
ConversationBufferMemory：
ConversationBufferWindowMemory：
ConversationTokenBufferMemory：
ConversationSummaryMemory：
Chains：
Outline概要
? ? · LLMChain
? ? · SequentialChain
? ? ? ? ? ? ? ?· SimpleSequentialChain
? ? ? ? ? ? ? ?· SequentialChain
? ? · RouterChain
LLMChain：
SimpleSequentialChain：一般序列鏈可以將前一個鏈的輸出結果，作為后一個鏈的輸入。一般序列鏈有唯一輸入和輸出變量。
SequentialChain：序列鏈中包含多個鏈，其中一些鏈的結果可以作為另一個鏈的輸入。序列鏈可以支持多個輸入和輸出變量。
RouterChain：路由鏈類似一個while else的函數，根據輸入值，選擇對應的路由（路徑）進行后續的鏈路。整個路由鏈一般一個輸入，一個輸出。
Agents：某些應用程序需要根據用戶輸入對 LLM 和其他工具進行靈活的調用鏈。代理接口為此類應用程序提供了靈活性。代理可以訪問一套工具，并根據用戶輸入確定使用哪些工具。代理可以使用多種工具，并使用一個工具的輸出作為下一個工具的輸入。
Outline概要
? ? ·?動作代理：在每個時間步，使用所有先前動作的輸出來決定下一個動作
? ? ·?計劃并執行代理：預先決定完整的操作順序，然后執行所有操作而不更新計劃
分別舉例：MathAndWikiAgent、PythonREPLAgent、MultiFunctionsAgent
MathAndWikiAgent：
PythonREPLAgent：
MultiFunctionsAgent：
索引（index）：索引是指以最佳方式對文檔進行結構化，以便語言模型（LLMs）能夠與其進行最佳交互。這個模塊包含了處
理文檔的實用函數。
Outline概要
? ? ·?嵌入（Embeddings）：嵌入是對信息（例如文本、文檔、圖像、音頻等）的數值表示。通過嵌入，可以將信息轉換為向量形式，以便計算機能夠更好地理解和處理。
? ? ·?文本拆分器（Text Splitters）：當需要處理較長的文本時，有必要將文本分割成多個塊。文本拆分器是用于將長文本分割成更小片段的工具。
? ? ·?向量數據庫（Vectorstores）：向量數據庫存儲和索引來自自然語言處理模型的向量嵌入，用于理解文本字符串、句子和整個文檔的含義和上下文，從而獲得更準確和相關的搜索結果。請參閱可用的向量數據庫。
代碼示例如下：
應用實例langchain-chatglm-6B流程圖如下：
evaluation：
Outline概要
? ? ·?示例生成：Example generation
? ? ·?手動評估（和調試）：Manual evaluation (and debugging)
? ? ·?LLM輔助評估：LLM-assisted evaluation
Example generation：
Manual evaluation (and debugging)：
LLM-assisted evaluation：
開源項目:
最近開源的新作品，主要目標是想通過自然語言操作數據庫替換傳統企業管理后臺web，有興趣的同學歡迎加入開源，覺得不錯的可以點個小??，感謝大家～
項目地址如下:
https://github.com/sql-agi/DB-GPT
作者簡介：
AI_皮皮蝦、卷過大廠、貢獻過開源、參與多次大模型比賽并??多次參加AIGC交流會（微軟AIGC等）、一直走在AIGC最前沿！
