【Datawhale-动手学大模型应用开发】大模型简介

前言

今天Datawhale的动手学大模型应用开发组队学习正式开始了，最近一直想学习做大模型的应用，另外还有一个训练营要参加，强度已经拉满了，希望接下来能一直保持学习，立个Flag

大模型的能力、特点

对于大模型的能力特点，训练营的介绍已经非常全面，跃升级的能力已经改变了这个行业，也在剧烈地改变各行各业

常见大模型

对于常见大模型的历程，国外主要是Openai领跑, Google, DeepMind和Meta跟跑

对于中文大模型，据开发了CHATALL的孙志岗大佬所述，他及他使用这些模型的部分朋友推荐：ChatGLM3，百川，通义，LLaMa-中文版（不知道是不是故意推荐的都是开源LLM）

LangChain

对于LangChain的发展历程，我们并不需要特别清楚，只需要知道地位是领头羊的即可。

根据官方文档，对于langchain核心组件的描述可以补充的是：

核心模块是：

1. Model I/O：提供与语言模型进行交互的接口
2. Retrieval：提供与特定应用程序的数据进行交互的接口
3. Agents：让Chain根据高级指令选择使用哪些工具(更重要但是个人觉得Chain更核心)
   额外模块是：
4. Chains：提供常见的、基础的组合块
5. Memory：用于Chain的多次运行间持久化应用程序状态
6. Callbacks：记录和流式传输任何Chain的中间步骤

根据官方文档的介绍，我利用ChatGPT对LangChain进行了产品整体及模块方面的总结：

为了方便展示，我将其转换为脑图

训练营学习文章地址： https://datawhalechina.github.io/llm-universe/#/

PS：ChatGPT的角色扮演确实好用，可以轻松总结很多英文文档，懒人又一次拯救了自己