用户637767327161

在LangChain的代理中，有这样几个关键组件。 代理（Agent）：这个类决定下一步执行什么操作。它由一个语言模型和一个提示（prompt）驱动。提示可能包含代理的性格（也就是给它分配角色，让它以

在LangChain中使用代理，我们只需要理解下面三个元素。 大模型：提供逻辑的引擎，负责生成预测和处理输入。 与之交互的外部工具：可能包括数据清洗工具、搜索引擎、应用程序等。 控制交互的代理：调用适

这个Chain最主要的特点是，它提供了包含AI 前缀和人类前缀的对话摘要格式，这个对话格式和记忆机制结合得非常紧密。 让我们看一个简单的示例，并打印出ConversationChain中的内置提示模板

RouterChain，也叫路由链，能动态选择用于给定输入的下一个链。我们会根据用户的问题内容，首先使用路由器链确定问题更适合哪个处理模板，然后将问题发送到该处理模板进行回答。如果问题不适合任何已定义

但是，如果你想开发更复杂的应用程序，那么就需要通过 “Chain” 来链接LangChain的各个组件和功能——模型之间彼此链接，或模型与其他组件链接。 这种将多个组件相互链接，组合成一个链的想法简单

语言模型输出的是文本，这是给人类阅读的。但很多时候，你可能想要获得的是程序能够处理的结构化信息。这就是输出解析器发挥作用的地方。 输出解析器是一种专用于处理和构建语言模型响应的类。一个基本的输出解析器

现在，我们正进入一个全新的编程范式，其中机器学习和自然语言处理技术使得与计算机的交互变得更加自然。这意味着，我们可以用更加接近我们日常话语的自然语言来与计算机交流。例如，不用复杂的SQL语句查询数据库

首先，第 6 行 import sqlite3 ：这行代码导入了 Python 内置的 sqlite3 库，使我们能够在程序中使用与 SQLite 数据库进行交互的功能。 第 8 行 conn = s