構建大模型應用程式框架 LangChain 介紹

1、個人理解

LangChain Libraries 是一個整合了各種 Prompt 的工具包。使用這個工具包，開發者能更專注於業務邏輯和業務實現。

2、我們可以用 LangChain 構建什麼？

2.1 RAG

RAG，全稱為 Retrieval-Augmented Generation，中文翻譯為檢索增強生成。它是一種為大模型提供外部知識源的策略，使得大模型在回答問題之前，可以先利用一個知識庫來獲取候選的知識，再由大模型來生成答案。這種方式可以有效地減少模型幻覺問題，即大模型胡說八道的情況，同時也能避免由於資料不及時或未更新而導致的答案不準確的問題。RAG 技術在企業不同的領域中有非常寬廣的應用領域，可以解決由於資料不及時或未更新而導致的答案不準確的問題。
使用 LangChain 可以讓大模型基於本地知識庫進行問答，適用場景：智慧客服

2.2 Analyzing structured data

分析結構化資料（結構化資料是指以固定格式組織和儲存的資料，通常具有明確的模式和規則，便於計算機程式直接處理和分析。結構化資料通常以表格形式呈現，例如關係型資料庫中的表，每一行代表一條記錄，每一列代表一個欄位）。適用場景：資料分析、資料洞察等等

2.3 Chatbots

聊天機器人的特點是它們可以長時間執行，有狀態對話，並可以使用相關資訊回答使用者問題。

2.4 更多的使用場景

從外部資料中結構化提取資訊、對文件做總結、程式碼理解、工具使用、讀取網頁資訊、訪問 SQL 資料庫等等

官方示例：https://python.langchain.com/docs/use_cases/