Jeffray

LangChain 提供了一系列实用工具，用于在基于大型语言模型（LLM）的应用程序中添加记忆功能。记忆系统的核心是能够读取和写入信息，这样系统就可以在对话中引用之前的交互内容

由于要统计项目的几个节点的硬件数据（硬盘、网络、CPU等等），所以通过docker配置了Prometheus+Grafana+Node-Exporter的监控一条龙组合。

LangChain 的 Chains 模块是一系列调用的序列，可以涉及 LLM（大型语言模型）、工具或数据预处理步骤

LangChain 的代理（Agents）模块允许开发者使用语言模型作为推理引擎，以动态确定执行的一系列动作，而不是硬编码这些动作。

介绍了 LangChain 中的工具（Tools）模块，它是让代理、链或大型语言模型（LLM）与外界交互的接口。工具包括名称、描述、JSON 输入模式、调用的函数以及是否直接向用户返回结果。

详细说明了向量数据库在处理非结构化数据时的作用，即通过将文本数据嵌入到向量空间并利用向量数据库进行存储和搜索，以便在查询时能够快速找到与查询最相似的嵌入向量。

在 LangChain 文档中，检索器（Retrievers）被定义为一个接口，它可以接受一个字符串查询（query）作为输入，并输出一系列文档（Document）。

Embeddings 类为各种文本嵌入模型提供商提供了一个统一的接口，简化了模型的使用。 文本嵌入模型将文本转换为向量形式，便于在向量空间中进行操作，如语义搜索和相似度计算。

主要介绍了 LangChain 中的文本分割器，包括各种分割方法、分割器的类别、分割依据以及是否添加元数据等功能。