LangChain
美国
应用开发开发者工具

LangChain 翻译站点

通过合成性通过LLM构建应用程序

标签:
爱站权重:PC 百度权重移动 百度移动权重

Langchain的主要卖点之一是LLM与外部数据的集成。大型语言模型(LLM)正在作为一种变革性技术,使开发人员能够构建以前无法做到的应用程序。但是,在孤立的情况下使用这些LLM通常不足以创建一个真正强大的应用程序 - 真正的功能就可以将它们与其他计算或知识来源结合起来。

## langchain可以帮助什么?

Langchain旨在帮助您有六个主要领域。
这些是越来越复杂的顺序:

** llms和提示:**

这包括提示管理,及时优化,所有LLM的通用接口以及与LLMS合作的常见实用程序。

** 链:**

链条不仅仅是一个LLM呼叫,并且是呼叫的序列(无论是LLM还是其他实用程序)。 Langchain为链条提供了一个标准接口,与其他工具进行了大量集成以及常见应用的端到端链。

** 数据增强发电:**

数据增强生成涉及特定类型的链条,这些链首先与外部数据源进行交互以获取数据以在生成步骤中使用。其中的示例包括对特定数据源的长文本和问题/回答的摘要。

** 代理:**

代理商涉及LLM做出决定要采取哪些行动,采取该行动,观察观察并重复此操作的决定,直到完成为止。 Langchain为代理提供了标准接口,可以选择的代理和端到端代理的示例。

** 记忆:**

记忆是链/代理的调用之间持续状态的概念。 Langchain提供了一个标准接口,用于内存,内存实现集合以及使用内存的链/代理的示例。

** 评估:**

[beta]众所周知,生成模型很难用传统指标进行评估。评估它们的一种新方法是使用语言模型本身进行评估。 Langchain提供了一些提示/链条来协助这一点。

有关这些概念的更多信息,请参阅我们的[完整文档](https://langchain.readthedocs.io/en/latest/?)。

资料来源:https://github.com/hwchase17/langchain

原文:

One of LangChain‘s primary selling points is the integration of LLMs with external data. Large language models (LLMs) are emerging as a transformative technology, enabling developers to build applications that they previously could not. But using these LLMs in isolation is often not enough to create a truly powerful app - the real power comes when you can combine them with other sources of computation or knowledge.

## What can LangChain help with?

There are six main areas that LangChain is designed to help with.
These are, in increasing order of complexity:

** LLMs and Prompts:**

This includes prompt management, prompt optimization, generic interface for all LLMs, and common utilities for working with LLMs.

** Chains:**

Chains go beyond just a single LLM call, and are sequences of calls (whether to an LLM or a different utility). LangChain provides a standard interface for chains, lots of integrations with other tools, and end-to-end chains for common applications.

** Data Augmented Generation:**

Data Augmented Generation involves specific types of chains that first interact with an external datasource to fetch data to use in the generation step. Examples of this include summarization of long pieces of text and question/answering over specific data sources.

** Agents:**

Agents involve an LLM making decisions about which Actions to take, taking that Action, seeing an Observation, and repeating that until done. LangChain provides a standard interface for agents, a selection of agents to choose from, and examples of end to end agents.

** Memory:**

Memory is the concept of persisting state between calls of a chain/agent. LangChain provides a standard interface for memory, a collection of memory implementations, and examples of chains/agents that use memory.

** Evaluation:**

[BETA] Generative models are notoriously hard to evaluate with traditional metrics. One new way of evaluating them is using language models themselves to do the evaluation. LangChain provides some prompts/chains for assisting in this.

For more information on these concepts, please see our [full documentation](https://langchain.readthedocs.io/en/latest/?).

Source: https://github.com/hwchase17/langchain

数据统计

数据评估

LangChain浏览人数已经达到132,如你需要查询该站的相关权重信息,可以点击"爱站数据""Chinaz数据"进入;以目前的网站数据参考,建议大家请以爱站数据为准,更多网站价值评估因素如:LangChain的访问速度、搜索引擎收录以及索引量、用户体验等;当然要评估一个站的价值,最主要还是需要根据您自身的需求以及需要,一些确切的数据则需要找LangChain的站长进行洽谈提供。如该站的IP、PV、跳出率等!

关于LangChain特别声明

本站GPT 案例导航提供的LangChain都来源于网络,不保证外部链接的准确性和完整性,同时,对于该外部链接的指向,不由GPT 案例导航实际控制,在2023年3月9日 下午10:23收录时,该网页上的内容,都属于合规合法,后期网页的内容如出现违规,可以直接联系网站管理员进行删除,GPT 案例导航不承担任何责任。

相关导航