LangChain เป็นกรอบการพัฒนาแอปพลิเคชัน AI ซอร์สโอเพ่นซอร์สของ Python ที่ให้โมดูลและเครื่องมือที่จำเป็นสำหรับการสร้างแอปพลิเคชัน AI โดยใช้โมเดลขนาดใหญ่ ด้วย LangChain นักพัฒนาสามารถผสานรวมกับโมเดลภาษาขนาดใหญ่ (LLMs) ได้อย่างง่ายดายเพื่อทำงานเช่นการสร้างข้อความ ตอบคำถาม การแปล และการสนทนา LangChain ลดขีดจำกัดการพัฒนาแอปพลิเคชัน AI ทำให้ทุกคนสามารถสร้างแอปพลิเคชันสร้างสรรค์ของตัวเองบน LLMs ได้
คุณสมบัติของ LangChain:
- LLM และ Prompts: LangChain นำ API สำหรับโมเดลทั้งหมดมาใช้รวมกัน และให้กลไกสำหรับการจัดการแม่แบบ promtp
- Chains: LangChain รวมซอร์สโค้ดที่พร้อมใช้งานสำหรับสถานการณ์บางอย่าง เช่น ระบบตอบคำถามที่ขึ้นอยู่กับบริบท การสร้างภาษาธรรมชาติของคำถาม SQL เป็นต้น งานเหล่านี้ถูกดำเนินการตามลำดับเหมือนกับขั้นตอนการทำงาน เพราะฉะนั้นได้หากนินเป็นชื่อ "chain".
- LCEL: ภาษาส่วนผสมของ LangChain (LCEL) เป็นคุณสมบัติหลักของเวอร์ชันใหม่ของ LangChain ที่ใช้สำหรับการแก้ปัญหาการจัดการเรื่องลำดับการดำเนินงานด้วยการใช้ออกแบบ LCEL เราสามารถปรับแต่งลำดับของการประมวลผลงาน AI ได้อย่างยืดหยุง ซึ่งยังเรียกว่า "chains" แบบกำหนดเปลี่ยนแปลงได้อย่างยืดหยุง
- การคืนค่ากำกับการสร้าง (RAG): เนื่องจากโมเดลขนาดใหญ่ (LLMs) ไม่เข้าใจข้อมูลใหม่และไม่สามารถตอบคำถามใหม่ ดังนั้นเรานำข้อมูลใหม่เข้าไปใน LLM เพื่อเสริมคุณภาพของเนื้อหาที่สร้างขึ้น โมเดลนี้เรียกว่าการคืนค่ากำกับการสร้าง (RAG)
- ผู้ตัวแทน: นี้คือแบบแผนการออกแบบสำหรับแอปพลิเคชันที่ขึ้นอยู่กับโมเดลขนาดใหญ่ (LLMs) โดยใช้ความเข้าใจภาษาธรรมชาติและความสามารถในการคิดของ LLMs (เป็นเหมืองข้อมูล) เพื่อเรียกระบบภายนอกและอุปกรณ์มาดัดแปลงงานตามความต้องการของผู้ใช้ ตัวอย่างเช่น เมื่อผู้ใช้ใส่ "ลาวันพรุ่งนี้" และโมเดลขนาดใหญ่ (LLM)เรียกระบบลาเพื่อเริ่มการลา
- ความจำของโมเดล: นี้อนุญาตให้โมเดลขนาดใหญ่ (LLM) จำเนื้อหาของการสนทนาก่อนหน้า ที่เรียกว่าความจำของโมเดล