简要介绍langchain（其实是一个较为简单的包装）
⚠️ This post is created with the help of an artificial intelligence
Topics
-
Models：
- LLM：最原本的LLM，就只能完成正常的文本补全任务
- Chat Models：较常用，经过微调，接受含
system,user,ai等角色（这个是基座训练时就定好的，langchain提供抽象SystemMessage、HumanMessage、AIMessage等）的文本list作为输入。 - Embedding Models： text→embedding vectors，比如RAG里查询就要用
注意：API也是有相应类型的，需要接到正确的models上
-
Prompt Templates：
- 作用：自动化、结构化地构建提示词，将静态文本与动态变量分离。
- 类型：
PromptTemplate(用于 LLM) 和ChatPromptTemplate(用于聊天模型)。 - 细节：参数名和**文档字符串（docstring）**会被模型解析，因此必须清晰、有意义。这个必须特别注意，很多其他库的参数名/函数def下方那段文档是不发挥任何作用的
- Chains：
- 作用：将多个模块（如模板、模型）串联成一个自动化工作流。
- 类型：
LLMChain：最基础的链，将模板和模型组合，一次性完成提示词生成和模型调用。SequentialChain：按顺序执行多个链，前链输出作为后链输入。RouterChain：根据 LLM 的判断将请求动态路由到不同的子链上，用来搞MOE等。RetrievalQA：实现 RAG。可以选chain_type
- Agents
- 最简单的实现就是
initialize_agent，然后type选ZERO_SHOT_REACT_DESCRIPTION之类 - 自定义工具：@tool
- 注意选较新的，基于agent finetune过的基座，太老的玩不转
此外还有evaluation以及memory等模块，用的时候再慢慢看