基础知识储备：
在利用大语言模型进行 API 应用开发前，需了解大模型概念、LangChain 安装、OpenAI API 类型及开源大模型下载等基础知识。
大语言模型：
是基于深度学习技术的人工智能模型，参数众多，通过 “猜词” 训练理解和生成语言，但并非真正理解语言，会有出错情况。
LangChain：
全方位应用开发工具，具有灵活性和模块化特性，支持 Python 和 JavaScript 版本。安装简单，可通过多种方式引入依赖项，其 GitHub 社区活跃，虽文档可能有错误，但可通过反馈等解决。
OpenAI API：
重点介绍 Chat Model 和 Text Model。Chat Model 用于对话，如 ChatGPT 和 GPT-4 等版本；Text Model 在 ChatGPT 前常用，有不同功能细分版本。二者调用方式有区别，涉及注册 API Key、安装库、导入 Key 等步骤，且 Chat 模型有消息和角色等概念。
思考题与延伸阅读：
提出关于 LangChain 核心价值、试用 HuggingFace 其他模型及大语言模型类别等思考题，同时推荐 LangChain、OpenAI API 官方文档及 HuggingFace 官方网站作为延伸阅读资源。
个人思考
关于 LangChain 价值：
起初可能觉得它不比直接调用 OpenAI API 省事，但深入学习后会发现其价值在于提供了统一且便捷的框架，能更灵活地整合不同大模型及相关资源，降低开发难度，提高开发效率，尤其在处理复杂应用场景、涉及多模型协作时优势明显。
探索开源模型：
尝试 HuggingFace 开源社区的其他模型很有意义，能拓宽视野，了解不同模型特点及适用场景，为开发提供更多选择，也有助于深入理解大语言模型的多样性。
知识体系完善：
面对文档不够完善的情况，一方面要积极利用现有资源学习，另一方面也期待它们不断优化。同时，要通过学习相关课程、阅读更多资料来夯实 NLP 基础知识，以便更好地理解和应用这些技术。
