下面浅谈一下自己通过对Marscode的使用，从而加深了对课程中讲述的Langchain的认知，Langchain由六部分组成，分别是Models，Chains，Prompts，Memorys，Indexs，Agents。下面根据对上述六部分做一个简要总结。
一.Models：由三部分组成，输入提示，调用模型，输出解析。
**（1）**输入提示：
让我们先看一下prompt的具体原则：
- 给予模型清晰明确的指示
- 让模型慢慢地思考
根据上述两个输入提示原则，你可能会疑惑，这跟我们今天讲的Langchain有什么关系吗？事实上，我们先创建原始模板，然后调用PromptTemplate的from_template方法，它会使一个原始的模板字符串转化为一个更丰富、更方便操作的PromptTemplate对象，这个对象就是LangChain中的提示模板。LangChain 提供了多个类和函数，也为各种应用场景设计了很多内置模板，使构建和使用提示变得容易。也就是符合了吴恩达老师的第一条，要想再实现第二条的原则，在原始的prompt上加入：慢慢思考，一步一步，不着急。莫不是一个很好的选择。
（2）调用模型：prompt的输入后，自然需要选择几个模型来进行处理，下面对常用的可选择的两种模型进行分析说明。
- 大语言模型（LLM） ，也叫Text Model，这些模型将文本字符串作为输入，并返回文本字符串作为输出。Open AI的text-davinci-003、Facebook的LLaMA、ANTHROPIC的Claude，都是典型的LLM。
- 聊天模型（Chat Model），主要代表Open AI的ChatGPT系列模型。
（3）输出解析：常规模型输出的是一段话，而我们需要的是标准化数据格式，供机器和自己使用。那么我们可以使用Langchain中的相关输出解析器来进行相关操作。
二.Chains:内部Chain，外部链接多个完整内部结构的Chain
常用Chain分类：LLMChain，Sequential Chain（链接多个LLMChain)，RouterChain
（1）LLMChain：常规的表示
（2）Sequential Chain：将多个LLMChain链接在一起，形成一个完整的链条
（3）RouterChain：目标链，路由链，多提示链来进行你想要的模板选择，通常是几种特定的问答情况下选择一种。
总结：上面文章我们简要讲解了Langchain中的两个重要的基础组成部分，Langchain在每一个部分中都显示出自己独特的优势，结构简单，有结构框架，提示词清晰，多链条线路可以组合，提高问答效率等。
