LainChain
是什么
LangChain是一个基于大语言模型（LLMs）用于构建端到端语言模型应用的框架，它可以让开发者使用语言模型来实现各种复杂的任务，例如文本到图像的生成、文档问答、聊天机器人等。
LangChain提供了一系列工具、套件和接口，可以简化创建由LLMs和聊天模型提供支持的应用程序的过程。
- 主要组件：
- Models=>模型，各类型的模型和模型的集成，eg：GPT-4
- Prompts=>提示
- Memory=>记忆，保存和模型交互时的上下文状态
- Indexes=>索引，用来结构化文档，以便和模型交互
- Chains=>链，对各种组件进行调用
- Agents=>代理，决定模型采取哪些行动，执行并观察流程，直到完成为止
- 使用场景
- 个人助手
- 输入标题问答系统
- 聊天机器人
- 表格数据查询
- 文档总结
- API交互
- 信息提取
模型
模型，位于LangChain框架的最底层，它是基于语言模型构建的应用的核心元素，因为所谓LangChain应用开发，就是以LangChain作为框架，通过API调用大模型来解决具体问题的过程。
Model I/O
对模型的使用过程拆解成三块，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）。
- 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。
- 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。
- 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。
提示工程（Prompt Engineering）
Prompt（提示词）即发送给大模型的指令。
-
Prompt组成成分
- 指令：想要模型执行的特定任务或指令
- 上下文：包含外部信息或额外的上下文信息，引导语言模型更好的响应
- 输入数据：用户输入的内容或问题
- 输出指示：指定输出的类型或格式
-
从Prompt的内容和形式可分为
- 零样本提示（Zero-shot prompts)
- 少样本提示（Few-shot prompts)
- 思维链（Chain of Thoughts,CoT):在样本中添加思维链
- LTM（Least-To-Most Promoting):为了提高泛化能力
- 思维树（Tree of Thoughts，ToT):将问题划分成多个子问题
- Prompt攻击与防范
