AI大模型企业应用实战-初识LangChain

人工智能小豪

于 2024-10-07 16:11:54 发布

阅读量970

点赞数 29

文章标签：人工智能 langchain 大模型报告自然语言处理大模型 AI大模型 LLM

本文链接：https://blog.csdn.net/2301_81888214/article/details/142742133

版权

1 langchain是啥及其发展过程

LLM大模型与AI应用的粘合剂。

LangChain是一个开源框架，旨在简化使用LLM构建端到端应用程序的过程，也是ReAct（reason+act）论文的落地实现。

2022年10月25日开源：

至今（2024-08-11）已有90K+ star：

种子轮一周1000万美金，A轮2500万美金，11个月里累计发布200多次，提交4000多次代码：

2 langchain能做啥？

能力一览

代码语言：bash

模型 A
构造提示词 -> LLMs -> 模型生产结果 -> 结果处理 -> 最终结果

模型 B
构造提示词 -> LLMs -> 模型生产结果 -> 结果处理 -> 最终结果

模型 N...
构造提示词 -> LLMs -> 模型生产结果 -> 结果处理 -> 最终结果

2.1 Langchain I/O系统

代码语言：bash

+------------+                +------------------------+                +------------+
|            |       输入      |    +--------------+    |      输入       |            |
|  用户输入  | -------------> |    |    prompt    |    | -------------> |    LLMs      |
|            |                |    +--------------+    |                |            |
|            |                |                        |                |            |
|            |       输出      |    +--------------+    |      输出       |            |
|            | <------------- |    |    Output    |    | <------------- |            |
+------------+                |    |    Parsers   |    |                +------------+
                              |    +--------------+    |
                              +------------------------+
                                   Langchain I/O系统

解决LLM各种问题的提示词工程方案之一
提供与LLMs交互的各种组件，极大提升开发效率
可以文件方式加载提示词、链等，方便共享提示词和做提示词版本管理
丰富的链式工具箱

2.2 LLMs & Prompt

提供目前市面上几乎所有 LLM 的通用接口，同时还提供提示词的管理和优化能力，也提供非常多的相关适用工具，以方便开发人员利用 LangChain 与 LLMs 进行交互。

2.3 Chains

LangChain 把提示词、LLM、结果解析封装成 Chain，并提供标准接口，以便允许不同Chain形成交互序列，为 AI 原生应用提供了端到端的 Chain。

2.4 RAG（Retrieval Augemented Generation）

检索增强生成式，一种解决预训练语料数据无法及时更新而带来的回答内容陈旧的方式。LangChain提供支持的Chain。

这些 Chain 会先和外部数据源交互以获得对应数据，再利用所获数据与 LLMs 交互。典型应用场景如：基于特定数据源的问答机器人。

2.5 Agent

对于一个任务，代理主要涉及让 LLMs 来对任务进行拆分、执行该行动、并观察执行结果，代理会重复执行这个过程，直到该任务完成为止。LangChain 为代理提供了标准接口，可供选择的代理及一些端到端的代理的示例。

2.6 Memory

chain 或 agent 调用之间的状态持久化。LangChain 为内存提供了标准接口并提供一系列的内存实现。

2.7 Evaluation

提供了非常多的评估能力，以更方便对 LLMs 进行评估。

3 langchain的优劣

3.1 优点

平台大语言模型调用能力，支持多平台多模型调用，为用户提供灵活选择
轻量级SDK（python、javas），将LLMs与传统编程语言集成
多模态支持，提供多模态数据支持，如图像、音频等

3.2 缺点

学习曲线相对较高
官方文档不是很完善
缺乏大型工业化应用实践

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望