LangChain｜｜什么是LangChain? LangChain有什么用?-Toy模板网

这篇具有很好参考价值的文章主要介绍了LangChain｜｜什么是LangChain? LangChain有什么用?。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

从Auto-GPT说起：

Auto-GPT可以调用本地电脑工具处理复杂信息;
Auto-GPT可以围绕目标查阅资料、“独立思考”、及时反馈、并及时调整下一步操作…
Auto-GPT的诞生，创造了大家对“将LLM作为智慧大脑来高效处理综合复杂任务”的想象;
首次尝试串联大语言模型的思维链，“chains together LLM “thoughts”，逐步拆解任务并执行，从而使得整个应用程序更加靠近人类意图;
首次将大语言模型接入本地工具，通过工具集的拓展，进一步拓展了大语言模型的能力; 能够通过内置的提示模版修改人类提示语句，从而大幅简化提示难度;
拥有“记忆”，通过模型外的存储策略，“记住”人类提示和操作步骤，从而提升交互体验;

Auto-GPT爆火的根本原因在于它符合人们对未来AI工具的想象…
在此背景下，LangChain应运而生…

标题什么是LangChain?

LangChain不是AutoGPT，而是一款可以用于开发类似AutoGPT的AI应用的开发工具。
项目地址: https://github.com/hwchase17/langchain
项目官网: https://python.langchain.com/en/latest/index.html

通过对AutoGPT功能的深刻观察和抽象总结 LangChain提出了基于LLM的AI应用开发的六要素：

Models:大语言模型
Memory:交互存储器
Chains:大模型操作链
Prompts:提示管理
Index:文件索引
Agents:代理执行器

LangChain的六大模块功能简介

Models:LangChain认为，AI应用开发必不可少的就是LLM，因此提供了非常便捷的接入各LLM的接口，包括GPT模型和ChatGLM-6B，均可以通过 LangChain的Models接口进行调用;
Prompts:LangChain认为，简化提示难度、丰富提示灵活度是未来AI应用之必须，因此提供了Prompts功能模块，用于给开发者提供灵活的自定义提示模版的功能;
Chains:LangChain认为，为了更好的理解人类意图，AI工具的内部执行流程应该类似于管道流水线，这种流程在机器学习领域被称为Pipeline，在 LangChain的定义中被称为Chains;
Agents:LangChain认为，未来AI工具必然需要和本地工具进行交互，例如自主在谷歌浏览器上进行搜索互联网上结果等，此时AI工具内部需要创建一个代理来使用这些工具，进而拓展AI工具本身的功能，这就是所谓的Agents;
Memory:LangChain认为，记住人类的提示和自身操作将是提升用户体验的关键，因此必须要通过某些方法来存储这些信息。相关存储信息的方法都被封装在LangChain的Memory模块中;
Index:这是截止目前LangChain最后添加的功能模块，用于提供本地文件索引的功能，从而让AI工具更方便的进行本地文件的管理;