项目及实现框架
首先我们需要知道Langchain是什么有什么用。
Langchain是一个基于大语言模型用于构造端到端语言模型的框架，让开发者可以使用语言模型处理各种任务，这些任务正是我们通常使用AI帮我们解决问题的这些。
Langchain提供了一系列工具，接口和套件，简化了由大语言模型和聊天模型提供支持的应用程序过程。
Langchain是怎么实现判别用户需求和提供帮助
首先需要用户输入自己的需求，这需求可以是一段话，一个文件，一个图片等。
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）
然后文档分割器会把我们给出的数据分成指定大小的块。
接着将这些分割好的块嵌入到向量数据库中
应用程序从存储中检索分割后的文档（通过比较余弦相似度：相似的类会在同一面上，会更加接近）
最后把问题和相似的嵌入片传递给语言模型，使用包含问题和检索到的分割的提示生成答案。
对以上用到的模型解释
用document_loaders来加载各种格式的文本文件，如PyPDFLoader，Docx2txtLoader，TextLoader等
分块
通过导入RecursiveCharacterTextSplitter模型，进行分块操作，将chunk_size，chunk_overlap通过此模型赋值给某一变量，再通过此变量调用split_documents函数对文件进行分割。其中chunk_size是每块的大小，chunk_overlap是相邻块的重叠大小。
存储嵌入
通过导入Qdrant模型，嵌入模型OpenAI的OpenAIEmbedding，调用Qdrant中的from_documents函数，得到一小块的文件，再使用from_documents函数嵌入，接下来是将文件存储并命名
在使用余弦相似度时，会用到RetrievalQA 链，而该链中的retriever（vectorstore.as_retriever()）函数，会对负责根据问题检索相关的文档，找到具体的“嵌入片”。
最后根据创建的 RetrievalQA 链回答问题。
Modle I/O
Modle I/O由三部分组成：提示模版，语言模版，解析输出
提示模版
导入LangChain中的提示模板——PromptTemplate
创建原始模板
template 是提示模版的内容，可以让机器知道内容，给机器身份等，template是提示的语句，里面可以有“{}”，大括号表示里面的内容可以删改。from_template是一个类方法，方法允许你从一个字符串模板和一些参数来构建一个提示模板
根据原始模板创建LangChain提示模板，调用PromptTemplate中的from_template()函数，得到最终需要的模版
