theme: orange
在这篇文章中,我们来探索下LangChain中的“模型”。从本质上讲,模型使得处理不同的语言或嵌入服务变得容易,因为它们提供了一个统一的接口。这意味着无论您是使用OpenAI还是Hugging Face,您都可以通过相同的方式与“模型”进行交互,从而使开发和迭代变得更加简单。
Model I/O
任何语言模型应用程序的核心要素都是模型。LangChain 为您提供了与任何语言模型连接的构件。下面三个核心组成部分:
- 提示( Prompts):模板化、动态选择和管理模型输入,主要关注管理和优化提示,同时还包括提示序列化。这个模块允许您微调输入到语言模型的提示,从而显著提高输出的相关性和准确性。
- 语言模型(Language models):作为Langchain的支柱,赋予框架多样化的语言模型能力。通过模型模块,您可以无缝地将各种语言模型集成到基于Langchain的应用程序中。
- 输出解析器(Output parsers):从模型输出中提取信息,其是帮助构建语言模型响应结构的类。输出解析器主要需要实现两种方法,包括获取格式指令(Get format instructions)和解析(Parse)
本文着重讲一下Langchain的支柱 Language models。
Language models
LangChain提供三种类型的模型:
- LLMs:大型语言模型,接受文本字符串作为输入并返回文本字符串作为输出。
- 聊天模型:通常由语言模型支持的模型,但它们的API结构更加明确。
- 文本嵌入模型:接受文本作为输入并返回一系列浮点数(嵌入)的模型。
接下来,我将详细介绍每一种模型,解释它们是什么,它们是如何工作的,并展示一些代码示例进行演示。