我正在参加「豆包MarsCode AI练中学体验活动」详情请看：掘金小册上线 AI练中学功能 | 你的 AI 编程助教喊你免费领小册啦！
LangChain 入门介绍学习笔记
WHAT: 什么是 LangChain？
LangChain 是一个基于大型语言模型（LLMs）的框架，旨在帮助开发者构建端到端的语言模型应用。它支持通过API调用如 ChatGPT、GPT-4、Llama 2 等大型语言模型，并实现更高级的功能，如数据感知和代理性，从而释放大语言模型的潜能。
WHY:为什么是Langchain？
在Langchain出现之前，我们往往是用直接交互的形式与LLM进行交互。一问一答的形式已经深入人心，所以，我们为什么要引入Langchain。我觉得可以分为三点来谈——
第一，交互性和智能性：LangChain通过数据感知和代理性，让大语言模型能够与外部环境进行更深层次的交互，这使得模型能够更智能地理解和响应用户的需求。
第二，实用性：传统的大语言模型通常只能处理单一的任务，而LangChain允许模型与其他数据源和工具集成，从而能够处理更复杂的任务，如文档问答、聊天机器人等。
第三，开发效率： LangChain提供了一系列的工具和组件，使得开发者能够快速构建和部署基于语言模型的应用，而无需从头开始构建复杂的系统。
以易速鲜花”本地知识库的智能问答系统为例子，我们可以直接通过调用大模型LLM得到鲜花的知识库结果，而不会被大模型的幻觉问题所干扰，也无需从LLM的复杂输出中慢慢提取
HOW: Langchain是如何运作的？
初识langchain，我们这里仅仅简单的进行相应的介绍——
Par1：LangChain 的核心特性
- 数据感知：能够连接语言模型与其他数据源，实现对丰富、多样化数据的理解和利用。
- 代理性：允许语言模型与其环境交互，深入理解环境并进行有效响应。
Part2：LangChain 的主要组件
- 模型（Models）：提供各大语言模型的接口和调用细节。
- 提示模板（Prompts）：标准化提示工程，激发大语言模型的潜力。
- 数据检索（Indexes）：构建和操作文档的方法，搭建本地知识库。
- 记忆（Memory）：在对话中存储和检索数据，使ChatBot能够记住用户。
- 链（Chains）：封装功能，通过组合自动完成常见用例。
- 代理（Agents）：自主调用外部和内部工具，实现智能化自主Agent。
碎碎念：一点点感悟
在了解LangChain的过程中，我感受到了大语言模型的强大潜力。
通过LangChain，我们不仅能够利用现有的语言模型进行文本生成，还能够通过数据感知和代理性，让模型更加智能地与环境交互。
这种交互性是传统API调用所不具备的，它为开发智能应用提供了更多可能性。
LangChain 给我的感觉就像是给大语言模型装上了一副智能眼镜，让它不仅能“看”到文字，还能“看”懂文字背后的世界。这和我们以前只是简单地向模型提问，然后等待它给出答案的方式完全不同。
以前，我们就像是在和一个只能回答问题的机器人对话，不管我们问什么，它都只能根据它“脑中”的知识来回复我们。但是有了LangChain，这个机器人就像是被赋予了新的生命，它可以通过数据感知去“看”外部的世界，通过代理性去和外部的世界“交流”。
这种交互性，就像是给机器人开了一扇窗，让它不再局限于自己的小世界。它可以通过LangChain去查询数据库，去检索文件，甚至去调用其他的工具来帮助它更好地理解和回答问题。这就像是我们人类在解决问题时，会去查阅资料，会去使用工具一样。这种体验，真的让我对人工智能的未来充满了期待。
