简介

对大语言模型的调用实际上是一次或多次上下文无关的独立事件，如果想要实现聊天、问答、API调用甚至一些更复杂的业务场景，直接去调用API是无法实现的。需要在这个过程里面整合不同类型的业务代码逻辑。

LangChain就是对这些通用逻辑做了封装，让使用者可以不用关注在与大模型之间的交互细节，能够更专注在业务本身上，通过组合模块和能力抽象来扩展 LLM 的能力，通过 chain、agent、model 等多种封装工具，提供了扩展 LLM 使用场景、便捷 LLM 调用方式的一系列功能。

正如这张图所展示的，LangChain 主要具备的核心模块有：

模块	能力介绍
Prompts	模板化、动态选择和管理模型输入
Models	通过通用接口调用语言模型
Parser	标准化输出模型返回信息
Memory	上下文信息存储功能
Chains	将零散的功能逻辑串联成完整的业务流程
Agents	工具类的合集，解决大模型处理不了的问题

通过这些能力，LangChain 能够解决的应用场景有：

• 问答机器人
• 摘要汇总
• 聊天机器人
• 数据查询
• 与接口交互
• 理解代码

官方网站

• Python 官方教程：https://python.langchain.com/
• 源码地址：https://github.com/langchain-ai/langchain

其主要支持语言为：

• python
• js/ts

LangChain 的价值

最近几个月， LangChain 已经成为了 AIGC 领域最火的框架。

看到这里，可能很多人心存疑问，为什么开发者要用 LangChain 而不是直接使用 OpenAI 所提供的方法呢？原因是目前的 GPT 模型存在以下的缺点，在产品中集成与使用依然需要大量的成本：

• Max Token 限制
• 私有化模型
• 没法查询数据库
• 数据截止 2021 年 Q3
• 不能调用第三方 API
• 无法联网
• 无法对接外部工具
• 数据隐私
• 输出结果不稳定

实践演练

环境准备

1. 稳定的科学上网环境。
2. Python 环境。
3. API Token： Api Token 获取教程

环境安装

通过 pip 安装 langchain：

pip install langchain

通过 pip 安装 openai：

pip install openai

更多Python基础语法趣味学习视频，请点击！