LangChain 快速开发基于本地知识库的智能问答机器人+AI学中练

“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！

引言

今天继续《LangChain实战课》的学习。

今天主要学习内容为如下两个方面。

• LangChain 快速开发开发基于本地知识库的智能问答机器人
• 相对应的AI学中练

正文

LangChain中的六大核心组件

1. Models: 模型
2. Chains
3. Prompts
4. Indexs
5. Memory
6. Agents

• 模型：LangChain框架的最底层，基于语言模型构建的应用的核心元素
• LangChain应用开发：以LangChain作为框架，通过API调用大模型来解决具体问题的过程。

整个LangChain框架的逻辑都是由LLM这个**（模型）发动机**来驱动的。没有模型，LangChain这个框架也就失去了它存在的意义。那么这节课我们就详细讲讲模型，最后你会收获一个能够自动生成鲜花文案的应用程序。

Model I/O 模型的输入/输出

• 输入提示 Format 强调输入格式
• 调用模型 Predict 模型预测结构
• 输出解析 Parse 解析模型输出

模型的使用过程可以拆解成三块，分别是输入提示（对应图中的Format）、调用模型（对应图中的Predict）和输出解析（对应图中的Parse）。这三块形成了一个整体，因此在LangChain中这个过程被统称为 Model I/O（Input/Output）。

模型输入输出示意图如下：

图 1-1 模型输入输出示意图

在模型 I/O的每个环节，LangChain提供了模板和工具，快捷地形成调用各种语言模型的接口。

1. 提示模板：使用模型的第一个环节是把提示信息输入到模型中，你可以创建LangChain模板，根据实际需求动态选择不同的输入，针对特定的任务和应用调整输入。
2. 语言模型：LangChain允许你通过通用接口来调用语言模型。这意味着无论你要使用的是哪种语言模型，都可以通过同一种方式进行调用，这样就提高了灵活性和便利性。
3. 输出解析：LangChain还提供了从模型输出中提取信息的功能。通过输出解析器，你可以精确地从模型的输出中获取需要的信息，而不需要处理冗余或不相关的数据，更重要的是还可以把大模型给回的非结构化文本，转换成程序可以处理的结构化数据。

下面我们用示例的方式来深挖一下这三个环节。先来看看LangChain中提示模板的构建。

今天先记录到这，后续进行补充。