LangChain技术入门：软件框架

1 年前语言模型 358

Large Language Models（LLMs）于 2020 年 OpenAI 的 GPT-3 发布时登上世界舞台。

从那时起，它们在人气方面一直保持稳定的增长。

直到 2022 年末，LLM 和生成 AI 等广泛领域的兴趣才激增。这很可能是 LLM 方面的重大进展不断向上推进导致的。

看到了有关 Google 的“有感知能力（sentient）”的 LaMDA 聊天机器人的重大新闻。首个高性能且开源的 LLM——BLOOM 发布了。OpenAI 发布了他们的下一代文本嵌入（Embeddings）模型和下一代“ GPT-3.5 ”模型。

在 LLM 领域取得如此巨大的飞跃之后，OpenAI 发布了 ChatGPT，将 LLM 推向聚光灯下。

LangChain 也应运而生。它的创造者 Harrison Chase 于 2022 年 10 月底进行了首次提交。在被卷入 LLM 浪潮之前，只有短短几个月的开发时间。

尽管这个库还处于早期阶段，但它已经涵盖了围绕 LLM 核心构建惊人工具所需的令人难以置信的功能。在本文中，我们将介绍这个库，并从 LangChain 提供的最简单的组件开始 —— LLMs。

LangChain 介绍

LangChain 是一个基于大型语言模型（LLM）开发应用程序的框架。

LangChain 简化了LLM应用程序生命周期的每个阶段：

开发：使用 LangChain 的开源构建模块和组件构建应用程序。使用第三方集成(opens in a new tab)和模板(opens in a new tab)快速上手。
生产化：使用LangSmith检查、监控和评估你的链条，以便你可以持续优化和自信地部署。
部署：使用LangServe(opens in a new tab)将任何链条转变为 API。

具体而言，该框架由以下开源库组成：
langchain-core：基本抽象和 LangChain 表达式语言。
langchain-community：第三方集成。
合作伙伴包（例如 langchain-openai，langchain-anthropic 等）：某些集成已进一步拆分为仅依赖于 langchain-core 的轻量级包。
langchain：构成应用程序认知架构的链条、代理和检索策略。
langgraph(opens in a new tab)：通过将步骤建模为图中的边缘和节点，使用LLMs构建强大且有状态的多角色应用程序。
langserve(opens in a new tab)：将 LangChain 链条部署为 REST API。
更广泛的生态系统包括：
LangSmith：开发人员平台，可让你对LLM应用程序进行调试、测试、评估和监控，并与LangChain无缝集成。