大語言模型（LLM）正在成為一種變革性技術，使開發人員能夠構建以前無法構建的應用程序。但是，單獨使用這些LLM通常不足以創建一個真正強大的應用程序——當你可以將它們與其他計算或知識來源相結合時，便可能實現其真正的能力。
LangChain是一個用于開發由語言模型驅動的應用程序的框架，允許開發人員將語言模型連接到其他數據源并與其環境相交互。LangChain旨在幫助開發者在以下六個主要領域，按照復雜性遞增的順序：
- ?? LLMs and Prompts: 這包括提示管理、提示優化、適用于所有 LLM 的通用界面以及用于處理 LLM 的通用實用程序。
- ?? Chains: 鏈不僅僅是單個 LLM 調用，而是調用序列（無論是對 LLM 還是對不同的實用程序）。 LangChain 為鏈提供標準接口、與其他工具的大量集成以及用于常見應用程序的端到端鏈。
- ?? Data Augmented Generation: 數據增強生成涉及特定類型的鏈，這些鏈首先與外部數據源交互以獲取數據以用于生成步驟。 這方面的例子包括對長文本的總結和對特定數據源的問答。
- ?? Agents: 代理涉及 LLM 做出關于采取哪些行動的決定，采取該行動，看到一個觀察，并重復直到完成。LangChain 為代理提供了一個標準接口，可供選擇的代理選擇，以及端到端代理的示例。
- ?? Memory: 內存是鏈/代理調用之間持久狀態的概念。 LangChain 提供了內存的標準接口、內存實現的集合以及使用內存的鏈/代理的示例。
- ?? Evaluation: [BETA] 眾所周知，生成模型很難用傳統指標進行評估。 評估它們的一種新方法是使用語言模型本身進行評估，LangChain 提供了一些提示/鏈來協助這一點。
相關網站
