怎么在大模型之上构建应用?构建人工智能上层应用的框架——langchain

“langchain,在大模型之上构建应用的脚手架”

在大模型之上构建应用需要很多的步骤,比如文档加载,数据库读取,大模型加载,以及各个环节的连接等。

因此,就有了langchain这个开发框架,它的功能就是把大模型开发过程中需要的常见问题整合在一块,方便开发者。

当然,不使用langchain是否能构建上层应用?

答案是可以,但会很麻烦。

01、什么是langchain?

简单来说,langchain是一款开发框架,它的作用就是简化开发者的开发流程,让开发者能够把精力集中在具体的业务中,而不是一大堆繁杂的准备工作中。

举例来说,构建一个人工智能的应用,可能既需要文字生成,又需要图片处理,还需要进行分类等;这时一个大模型可能无法同时满足这几个要求。

因此,如果要同时调用多个大模型的功能,这时每一个大模型都需要接口调用处理等。

比如,在大模型的加载中就有第三方服务比如chatGPT,通义千问等;还有开源模型的加载,比如huggingface上的开源模型,还有一些本地大模型服务部署的框架如ollama/gpt4all/llstudio等,还包括自己开发的大模型框架,如使用pytorch,tensorflow开发的模型。

不同的模型具有不同的加载方式,如果全部自己手动开发,那么将会耽误大量的时间,而且还可能存在各种问题。

图片

再加上当前大模型+知识库的爆火,有知识库给大模型做资料库,这时就需要把知识库集成到应用中。就一个知识库就涉及到文档加载,向量数据库,资料存储与搜索等多个功能。

这些功能很重要,但它们都属于具体业务的支撑技术,这样就会导致开发人员需要大量的时间和精力来处理这些边缘又重要的任务。

因此langchain就出现了,langchain封装了很多技术细节,开发者只需要按照它的要求进行简单的调用就可以完成以上功能,大大简化了开发人员的流程。

02、langchain的核心功能模块

  • 模型(model i/o)

模型模块的功能主要就是各种模型的加载,由langchain官网提供了多种模型的加载包,比如通过网络调用openAI的接口,调用huggingface接口和自定义模型接口等。

在这里插入图片描述

  • 提示(prompt)

提示的作用就是prompt工程,因为当前的大模型还不够智能,所以良好的提示词会获得更好的回应。因此,就诞生了提示词工程,其作用就是更好的提问。

  • 索引(index)

索引模块的作用主要用来加载外部文档,比如知识库,搜索引擎等。此模块可以从外部网络中加载文档并输入到大模型中,以助于可以让我们得到更好的处理结果;文档格式也是多种多样,比如txt,word,pdf,数据库等。

在这里插入图片描述

  • 内存(memory)

这里内存的作用是用来记录历史记录,在大模型的交互中大模型本身没用记录历史提问的功能,所以需要自己做历史记录,然后再次访问的时候,把历史记录一块带着。

  • 链(chain)

链是langchain中的核心模块,其作用是把多个步骤串成一条调用链,比如先获取用户输入之后,先调用知识库获取资料,在调用文本生成模型生成文本,再调用图片生成功能生成图片等。

链就可以把上述功能给串起来,简化操作,即把上层的输出作为下层的输入。

  • 代理(agent)

在这里插入图片描述

在应用的构建中可能会用到很多第三方的功能或插件,比如需要搜索功能就要调用谷歌或百度的搜索接口,需要控制机械手臂完成动作也需要调用其接口。

而这就是代理模块的作用,也叫做AI agent,作用相当于大模型的手和脚,也是大模型与工业领域结合的方向。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
  • 19
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值