AI实战笔记

链其实可以被视为LangChain中的一种基本功能单元。 将多个组件相互链接，组合成一个链。链在内部把一系列的功能进行封装，而链的外部则又可以组合串联。

输出解析器 构建输出解析器 输出解析器是一种专用于处理和构建语言模型响应的类。一个基本的输出解析器类通常需要实现两个核心方法。

本章介绍Model I/O中的第二个子模块，LLM。使用了HuggingFace的Transformers库来调用Llama。

CoT是Jason Wei等人于2022年在论文Chain-of-Thought Prompting Elicits Reasoning in Large Language Models提出。

Prompts是LangChain六大核心组件的六大核心组件之一，由指令、上下文、提示输入和输出指示器四个结构组成。

Model I/O 输入提示（Format）：使用模型的第一个环节是把提示信息输入到模型中。我们可以创建LangChain的提示模板，根据实际需求动态选择不同的输入。

02_PictureDescription.py 应用要求：利用AI为已经制作好的海报生成1-2句解释。

构建基于“易速鲜花”本地知识库的智能问答系统 为解决信息分散、文档冗长的问题，希望智能问答系统可以理解问题并给出答案。

Text模型和Chat模型是文本生成模型的两种主要应用方法，两种模型的生成参数类似，Chat模型比Text模型多次了一个messages参数用了表示消息的身份和内容。

01_SimpleTextGeneration.py 代码分析总结 介绍了用两种不同的库完成AI生成情人节玫瑰花语的任务