注意点：
1. 进入AI练中学运行文件
这里列出需要注意的地方，刚开始你直接运行第一节的所有的py文件，可能可以直接运行，但是也有可能运行不了。这时候你可以尝试一下根据文件列表的REAMME.md文件。如图：
2、配置必要的运行环境
在AI练中学中，其实很多环境都给你配置好了，但是还是建议换成字节的豆包模型，因为后面第三节需要去申请一个模型（向量模型）才可以完成那节课的py代码运行，你只需要根据文件的配置步骤稍微配置一下即可。如果配置完还是有问题可以在评论区留言！因为LangChain迭代太快了，而且在0.2版本之后，LangChain还对代码的改动很大，所有会导致AI练中学预配置的环境在你现在来用会运行不起来。
3、学习课程内容并且跟着敲一遍（建议自己把源码下载下来备份，因为你写错了好像在AI练中学是恢复不了的！）
其实第一节最难的点就是配置环境了，课程的内容很简单，就是对比不使用LangChain来调用模型与用LangChain来调用模型之间的代码区别，同时也让我们了解到LangChain的第一个功能能干嘛---->调用大模型。大家可以仔细对比一下哪一个更加便捷
4、学习思考
通过对比，我们发现好像差不多！！那LangChian要来干嘛，直接调用OpenAI的模型接口不就OK了？但是你注意，我这里说的是调用OpenAI的模型，那要是更换一个模型要怎么办？？把代码重写一份吗？每个模型对应创建模型的方式都不一样，所以需要怎么做？？这时候就需要有人来对这些模型进行一个汇总，提供一个调用各种不同厂商模型的通用接口。这时候LangChain就出场了，它提供一个通用调模型的接口来让我们切换模型更加地随意、便利而不需要去担心更换模型带来对代码的大幅度改动。
5、学习总结
通过第一节的学习，我们就初步了解了LangChain以及其优势，也学会了用LangChain来调用大模型
下面是知识补充：
大模型有哪些类型：
- 文本分类模型：这类模型用于将文本分类到不同的类别中，例如情感分析、垃圾邮件检测等。这类模型不生成文本，而是输出文本的类别标签。
- 序列标注模型：这类模型用于为序列中的每个元素（如单词或字符）分配标签，常见的应用包括命名实体识别（NER）、词性标注等。
- 文本生成模型：这类模型能够生成新的文本，例如写作、翻译、对话系统等。典型的文本生成模型包括GPT系列、Transformer-XL等。
- 机器翻译模型：专门用于将一种语言的文本翻译成另一种语言的模型，如Google的Transformer模型。
- 文本摘要模型：这类模型能够生成输入文本的摘要或概要。
- 问答系统模型：这类模型用于理解问题并从给定的上下文中找到答案，如BERT等
