LangChain学习日记（-）→
date
Sep 12, 2024
slug
LangChain-for-green-hand-1
status
Published
tags
OPENAI
Agent
Bot
summary
如何构建自己的AI小工具，那么就离不开开源的LLM框架，以下简介来源于ChatGPT：
LangChain 是一个用于构建与大语言模型（LLMs）集成的应用框架，旨在帮助开发者轻松创建涉及自然语言处理、人工智能对话、问答系统等复杂任务的应用。它特别适合将大语言模型与外部数据源、工具和 API 结合起来，开发复杂的多步骤应用程序。
type
Post
核心组件
LangChain 的核心思想是链式思维，即通过组合多个功能或步骤（称为"链"）来解决更复杂的问题。这些链可以包括调用不同的工具、API或与外部数据库的交互。
LangChain 的主要组件包括：
1. LLM（Large Language Model）接口：
LangChain 支持将多种大语言模型集成到系统中，包括 OpenAI 的 GPT 系列、Anthropic 的 Claude、Cohere 等。开发者可以通过简单的 API 调用这些模型，生成文本或执行推理任务。
2. Prompt 模板：
通过使用模板化的提示（Prompts），LangChain 可以将复杂的指令或任务动态地传递给 LLM，允许用户生成自定义的输出。
3. Chains（链）：
"链"是 LangChain 的核心。一个链可以是一个单一的模型调用，也可以是多个步骤的组合。链的设计允许开发者将多个任务串联起来，执行如阅读、推理、生成答案等任务。
4. Agents（代理）：
代理可以通过调用不同的工具、API 或外部资源（如数据库、搜索引擎）来帮助 LLM 完成复杂的任务。代理通常需要根据上下文或输入数据作出动态决策。
5. 工具（Tools）和插件：
LangChain 可以集成外部工具，例如搜索引擎、计算器、数据库、Python 解释器等，使模型具备执行实际任务的能力。开发者可以为特定任务构建或使用预定义的工具集。
6. 存储和记忆（Memory）：
LangChain 提供了存储和记忆的功能，让模型在长对话或多轮交互中记住之前的状态。这非常有助于需要上下文保持的应用，例如 AI 助手、对话系统等。
接下来，我会根据langchain的document进行一些分享
Installtion：
利用LCEL链构建简单的LLM应用
- Using language models（模型）
- Using PromptTemplates and OutputParsers（提示词工程和输出）
- Using LangChain Expression Language (LCEL) to chain components together（利用LCEL链把组建链接在一起）
- Debugging and tracing your application using LangSmith（利用LangSmith进行debug）
- Deploying your application with LangServe （部署应用到LangSever上）