大語言模型（LLM）正在成為一種變革性技術(shù)，使開發(fā)人員能夠構(gòu)建以前無法構(gòu)建的應(yīng)用程序。但是，單獨(dú)使用這些LLM通常不足以創(chuàng)建一個(gè)真正強(qiáng)大的應(yīng)用程序——當(dāng)你可以將它們與其他計(jì)算或知識來源相結(jié)合時(shí)，便可能實(shí)現(xiàn)其真正的能力。

LangChain是一個(gè)用于開發(fā)由語言模型驅(qū)動(dòng)的應(yīng)用程序的框架，允許開發(fā)人員將語言模型連接到其他數(shù)據(jù)源并與其環(huán)境相交互。LangChain旨在幫助開發(fā)者在以下六個(gè)主要領(lǐng)域，按照復(fù)雜性遞增的順序：

• ? LLMs and Prompts: 這包括提示管理、提示優(yōu)化、適用于所有 LLM 的通用界面以及用于處理 LLM 的通用實(shí)用程序。
• ? Chains: 鏈不僅僅是單個(gè) LLM 調(diào)用，而是調(diào)用序列（無論是對 LLM 還是對不同的實(shí)用程序）。 LangChain 為鏈提供標(biāo)準(zhǔn)接口、與其他工具的大量集成以及用于常見應(yīng)用程序的端到端鏈。
• ? Data Augmented Generation: 數(shù)據(jù)增強(qiáng)生成涉及特定類型的鏈，這些鏈?zhǔn)紫扰c外部數(shù)據(jù)源交互以獲取數(shù)據(jù)以用于生成步驟。 這方面的例子包括對長文本的總結(jié)和對特定數(shù)據(jù)源的問答。
• ? Agents: 代理涉及 LLM 做出關(guān)于采取哪些行動(dòng)的決定，采取該行動(dòng)，看到一個(gè)觀察，并重復(fù)直到完成。LangChain 為代理提供了一個(gè)標(biāo)準(zhǔn)接口，可供選擇的代理選擇，以及端到端代理的示例。
• ? Memory: 內(nèi)存是鏈/代理調(diào)用之間持久狀態(tài)的概念。 LangChain 提供了內(nèi)存的標(biāo)準(zhǔn)接口、內(nèi)存實(shí)現(xiàn)的集合以及使用內(nèi)存的鏈/代理的示例。
• ? Evaluation: [BETA] 眾所周知，生成模型很難用傳統(tǒng)指標(biāo)進(jìn)行評估。 評估它們的一種新方法是使用語言模型本身進(jìn)行評估，LangChain 提供了一些提示/鏈來協(xié)助這一點(diǎn)。