在Marcode使用Langchain的过程中，我总结了一些问题与注意事项，希望能对大家有所帮助。
1.配置问题
首先，在Marcode中使用Langchain需要先进行一些简单的配置：
编辑项目中的 /home/cloudide/.cloudiderc 文件，将API_Key、base_url、model_endpoint 配置在环境变量中，在命令行中执行 source ~/.cloudiderc ，之后就都可以使用自己豆包模型API执行课程代码。注意：<>要去掉，并且粘贴的字符串不用加引号。
export OPENAI_API_KEY=<YOU_OPENAI_API_KEY>
export OPENAI_BASE_URL=<YOU_OPENAI_BASE_URL>
export LLM_MODELEND=<YOUR_MODEL_ENDPOINT>
2.代码修改
如果原代码不做任何修改直接运行self.client.embeddings.create相关的错误或者error 404之类的错误。这里的问题是因为，在注册第一次API时，进行创建在线推理点处选取的模型是Doubao-pro-32k，其中并不包含embedding模型的。然而代码中是需要用到embedding模型的，所以我们需要再去创建一个在线推理点。
然后还需要在配置文件中添加EMBEDDING_MODELEND，修改之后记得在命令行中执行 source ~/.cloudiderc
export EMBEDDING_MODELEND=<YOUR_MODEL_ENDPOINT>
在这里会用到。
3. 启动项目
运行成功后就可以在右侧的web预览里看到页面，进行问答。
但是豆包好像不太准没有回答出问题，哈哈哈。
项目及实现框架
项目名称：“易速鲜花”内部员工知识库问答系统。
项目介绍：“易速鲜花”作为一个大型在线鲜花销售平台，有自己的业务流程和规范，也拥有针对员工的SOP手册。新员工入职培训时，会分享相关的信息。但是，这些信息分散于内部网和HR部门目录各处，有时不便查询；有时因为文档过于冗长，员工无法第一时间找到想要的内容；有时公司政策已更新，但是员工手头的文档还是旧版内容。
基于上述需求，我们将开发一套基于各种内部知识手册的 “Doc-QA” 系统。这个系统将充分利用LangChain框架，处理从员工手册中产生的各种问题。这个问答系统能够理解员工的问题，并基于最新的员工手册，给出精准的答案。
开发框架：整个框架分为三个部分：
- 数据源（Data Sources）：数据可以有很多种，包括PDF在内的非结构化的数据（Unstructured Data）、SQL在内的结构化的数据（Structured Data），以及Python、Java之类的代码（Code）。在这个示例中，我们聚焦于对非结构化数据的处理。
- 大模型应用（Application，即LLM App）：以大模型为逻辑引擎，生成我们所需要的回答。
- 用例（Use-Cases）：大模型生成的回答可以构建出QA/聊天机器人等系统。
实现机制：大模型应用作为“服务器”，根据用例在数据源中找到答案并返回给用户。
