LangChain

推荐指数这方面，

★★★★☆

最佳使用场景的观点是。

大语言模型正在成为一种变革性技术，使开发人员能够建立以前无法建立的应用程序。老实说，单独使用这些LLM通常不足以创建一个真正强大的应用程序——当你可以将它们与其他计算或知识来源相结合时便可能实现其真正的能力。

LangChain是一个用于开发由语言模型驱动的应用程序的框架，允许开发人员将语言模型连接到其他数据源并与其环境相交互。LangChain主要是帮助开发者在以下六个主要领域，按照复杂性递增的顺序：

• 📃 LLMs and Prompts: 这包括提示管理、提示调整、适用于所有 LLM 的通用界面还有用于处理 LLM 的通用实用程序。不过，
• 🔗 Chains: 链不仅仅是单个 LLM 调用。而是调用序列，LangChain 为链提供标准接口、与其他工具的大量集成还有用于常见应用程序的端到端链。
• 📚 Data Augmented Generation: 数据提高生成涉及特定类型的链，这些链 与外部数据源交互以获取数据以用于生成步骤。 这方面的例子包括对长文本的和对特定数据源的问答。
• 🤖 Agents: 代理涉及 LLM 做出关于采取哪些行动的决定。采取该行动，看到一个观察，并重复直到完成。LangChain 为代理提供了一个标准接口。可供选择的代理选择，还有端到端代理的示例。
• 🧠 Memory: 内存是链/代理调用之间持久状态的概念。按理说，LangChain 提供了内存的标准接口、内存实现的集合还有使用内存的链/代理的示例。
• 🧐 Evaluation: 生成模型很难用传统指标进行评估。评估它们的一种新方法是使用语言模型本身进行评估，LangChain 提供了一些提示/链来协助这一点。