从AI的视角，怎么定义我遇到的业务问题

• 很核心的一个问题是怎么能够把业务问题，描述清楚，拆解清楚，问清楚
• 从三个角度看
  1. 输入是什么：文本，图像，语音
  2. 输出是什么: 标签，数值，大段文字
  3. 怎么量化衡量输出的对错/好坏

业务问题分类

1. 分类问题
   1. 输出是标签，输出是有限集
2. 聚类问题
   1. 没法提前规定有多少种标签，只能把同一类事物聚合在一起，具体能聚出多少类，是数据本身决定的
3. 回归问题
   1. 输出的是一个数值，更重要的，评价输出的好坏的标准是误差大小，而不是二元的对错
4. 决策问题
   1. 输出是连续的一些列动作，每一步动作都有带进或收益，每一步动作本身没有对错，而是要最大化最终的收益：比如下棋，无人驾驶
5. 概念密度估计（超纲）

LangChain 的核心组件

1. 模型I/O封装

• LLMs：大语言模型
• Chat Models：一般基于 LLMS，但按对话结构重新封装
• PromptTemple： 提示词模板
• OutputParser：解析输出

2. 数据连接封装

• Document Loaders： 各种格式文件的加载器
• Document transformers：对文档的常用操作，如：split， filter， translate， extract metadata， etc 。Text EmbeddingModels： 文本向量化表示，用于检索等操作（啥意思？别急，后面详细讲） • Verctor stores：（面向检索的）向量的存储
• Retrievers： 向量的检索

3. 记忆封装

• Memory：这里不是物理内存，从文本的角度，可以理解为”上文”、“历史记录“或者说“记忆力“的管理

4. 架构封装

• Chain：实现一个功能或者一系列顺序功能组合
• Agent：根据用户输入，自动规划执行步骤，自动选择每步需要的工具，最终完成用户指定的功能
• Tools：调用外部功能的函数，例如：调google 搜索、文件 V/O、Linux Shell 等等 • Toolkits：操作某软件的一组工具集，例如：操作 DB、操作 Gmail 等等

5. Callbacks