langchain相关课程学习

课程视频

吴恩达LangChain

相关文档

• OpenAI中文文档
• LangChain中文网

基础概念

LangChain专注于 组合 和 模块化
几个基础词汇

• model: 用于解析的基础模型
• prompt: 相当于是模型的输入
• parser: 对模型的输出进行解析，以更结构化的格式呈现

由于各种模型的 prompt 和 parser 有共通之处，LangChain 就是用于将这些 prompt 和 parser 进行抽象的工具

例如在这里可以通过 LangChain 创建一个带有变量的模板 ChatPromptTemplate ，然后可以在不同的环境下，例如 不同的语言下 提供不同的 语言提示 和 文本，然后填充到 ChatPromptTemplate，这样的话，就可以通过请求API来进行 model 的处理了。得到结果之后，还可以继续通过 语言提示 和 文本，将这个结果转换为新的一个结果。于是就相当于是一个输入通过一个链条转换成了一个指定抽象的输出。

LangChain已经集成了一些prompt，可以通过直接调用来 快速 生成一些功能。
prompt 可以指定使用指定 关键词 作为内容输出，那么就可以更方便的进行输出内容的解析。例如指定输出为json。但是直接得到的结果是字符串，所以还可以使用 LangChain 的 parser 通过指定响应格式，然后直接得到相应的结果。

记忆

LangChain可以通过保存历史对话来让整个聊天更加流畅
其格式类似于

折叠代码块 复制代码

Human: xxx
AI: xxxxx
Human: xxxx
AI: xxxxxx
Human: xxxxxx
AI: xxxxxxxx

同时也可以为LangChain手动指定一些记忆
记忆可以使用窗口对话数，token对话数，摘要记忆来进行记忆，也可以使用向量数据（将检索最相关的文本块作为记忆），实体内存（例如记住特定人物，特定实体的详细信息）