LangChain

作者：高桐@BILL
写在前面

AI的未来并不是一个单一技术或平台的发展，而是多个方向共同推进的结果。前面我们了解了AI Agent，这里再来聊聊Lang Chain。
Chain是一种用于基于提示的AI系统的技术，其中一个提示生成或影响另一个提示以实现特定结果或任务。本质上，它是一种将多个提示串联起来以引导AI模型朝着期望的响应或行为的方法。
Chain中的某些节点可以在特定点要求用户输入，从而充当对话式UI。 例如，在语言生成的情况下，您可以从引入主题或场景的初始提示开始。然后，根据模型生成的响应，将该响应作为下一个提示反馈给LLM，以进一步发展对话或细化输出。 需要指出的是，这个过程包含了一系列硬编码的事件，其中包含决策点。这种方法相当于状态机。
一，什么是LangChain？

LangChain是一个强大的框架，旨在帮助开发者使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型(LLM) 和聊天模型提供支持的应用程序的过程。
它的核心在于将语言模型 (LLM) 与其他组件（如数据源、API 等）进行组合，构建出具有特定功能的应用程序。
它也是一个用于开发由语言模型驱动的应用程序的框架。它使得应用程序能够：

具有上下文感知能力：将语言模型连接到上下文来源（提示指令，少量的示例，需要回应的内容等）具有推理能力：依赖语言模型进行推理（根据提供的上下文如何回答，采取什么行动等）

1.1 模块化设计

LangChain 将 LLM 应用分解为一系列可复用的模块，例如：

Prompt 模板： 定义与 LLM 交互的提示。链： 将多个模块连接起来，形成一个完整的流程。数据源： 连接到外部数据源，如数据库、API 等。

1.2 灵活的组合

这些模块可以灵活组合，以适应不同的应用场景。例如，可以将一个 LLM 与一个知识库连接起来，构建一个问答系统。
1.3 强大的扩展性

LangChain 提供了丰富的 API 和插件系统，允许开发者自定义和扩展框架。
二，Lang Chain的工作原理

Lang Chain的核心组件包括如下：

Prompt： 指向语言模型的输入，是与模型交互的关键。链（Chain）： 将多个组件连接起来，形成一个完整的应用程序。模块（Module）： 可复用的组件，如加载器、提示模板、链等。数据源（Data Source）： 连接到外部数据的接口，如数据库、API 等。

基于上面的核心组件，Lang Chain的工作原理如下：

定义Prompt： 开发者根据任务需求，设计合适的 Prompt，明确地告诉 LLM 要做什么。构建链： 将 Prompt、LLM 和其他组件（如数据源、输出解析器）连接起来，形成一个链。链可以是简单的线性链，也可以是复杂的图结构。执行链： 调用链，将 Prompt 传递给 LLM，LLM 生成响应。处理输出： 对 LLM 的输出进行处理，例如解析、格式化等。反馈： 将处理后的结果反馈给用户或其他模块。

三，Lang Chain的优劣

3.1 Lang Chain的优势

简化开发流程： 提供了高层次的抽象，降低了 LLM 应用开发的门槛。提高开发效率： 复用现有的组件和模块，加速开发进程。增强模型能力： 通过将 LLM 与其他工具和数据源集成，提升模型的性能。灵活性和可扩展性： 允许开发者自定义和扩展框架，以适应不同的需求。社区活跃： 拥有庞大的社区，提供丰富的文档和教程。

3.2 Lang Chain的劣势

对 LLM 的依赖性： LangChain 的性能很大程度上取决于所使用的 LLM。成本较高： 使用大型 LLM 可能需要较高的计算资源和成本。可解释性较弱： LLM 的决策过程往往难以解释。

四，应用场景

Lang Chain有以下应用场景，

问答系统： 基于知识库或文档构建智能问答系统。聊天机器人： 创建具有记忆和上下文感知能力的聊天机器人。文本生成： 生成各种类型的文本，如文章、代码、诗歌等。摘要生成： 自动生成文本摘要。翻译： 实现多种语言之间的翻译。情感分析： 分析文本的情感倾向。搜索引擎： 构建基于 LLM 的搜索引擎。

五，Lang 与 AI Agent的区别

LangChain 和 AI Agent 都是人工智能领域的重要概念，但它们所代表的侧重点和功能有所不同。
LangChain的本质是一个框架，提供了一套工具和接口，帮助开发者构建基于大型语言模型（LLM）的应用程序。它将不同的 LLM、数据源、以及其他组件（如 prompt、链）连接起来，形成一个完整的应用程序。它更像是一个“管道”，将不同的元素串联起来，实现特定功能。它侧重提供构建 LLM 应用的工具和基础设施。
而AI Agent则是一个智能体，能够感知环境、做出决策并采取行动。通过模拟人类的智能行为，自主地完成任务。它可以是软件程序，也可以是嵌入式系统。也就是说AI Agent更侧重与模拟人类的智能，具有自主性、适应性等特点。

特征	LangChain	AI Agent
本质	框架	智能体
功能	连接组件、构建应用	感知环境、决策、行动
侧重	工具、基础设施	智能、自主性
举例	一个问答系统，将 LLM 与知识库连接起来	一个智能家居助手，可以根据用户的指令控制家电

参考：

官方文档：Introduction |