要实现一个简单的“看图说话”，要如何做呢？可以分两步： 1. 通过开源的模型，让开源模型识别图片的内容，生成一句话文本描述； 2. 让大语言模型针对文本描述生成一个简短的小故事。

LangChain是一个框架，用于开发由LLM驱动的应用程序。可以简单认为是LLM领域的Spring，以及开源版的ChatGPT插件系统。