大型语言模型(LLM)正在变革技术发展，使得开发人员能够开发之前难以构建的应用程序。然而，仅凭借LLM本身通常难以打造出一个真正强大的应用程序——只有将它们与其他计算资源或知识来源相结合，才能实现其真正的潜力。
LangChain是一个框架，用于构建由语言模型驱动的应用程序，使开发者能够将语言模型与其他数据源连接，并与环境互动。LangChain的目标是协助开发者在六个主要领域中逐渐增加复杂度的顺序下进行开发：
- 📃 LLM和提示：其中包括提示管理、提示优化、适用于所有LLM的通用界面，以及处理LLM的通用实用程序。
- 🔗 链接：链并不仅限于单个LLM调用，而是调用序列（无论是对LLM还是其他实用程序）。 LangChain为链提供标准接口、与其他工具的广泛集成以及用于常见应用程序的端到端链接。
- 📚 数据增强生成： 数据增强生成涉及与外部数据源互动，以获取数据用于生成。 例如，这包括对长文本进行概要或回答特定数据源的问题。
- 🤖 代理：代理参与 LLM 制定何种行动的决策，执行该行动，观察结果，并反复直至完成。LangChain 为代理提供了标准接口，可供代理进行选择，并具有端到端代理示例。
- 🧠 记忆：内存是保持链/代理调用之间长期状态的观念。LangChain 提供了内存的通用接口、多种内存实现，以及链/代理使用内存的示例。
- 🤔 评估：[测试版] 众所周知，传统指标很难评估生成模型。 一种新的评估方法是利用语言模型本身进行评估，LangChain 提供了一些提示/连接来协助这一过程。
用这个AI工具后，感觉专业多了