Awesome

Langchain中文网 PYTHON 教程

Langchain 中文网是 Langchain 的中文社区。

Langchain 中文网的目的是帮助中国人阅读 Langchain 的 PYTHON 文档。

如果遇到翻译错误，请指出错误，欢迎热爱社区的人一起来翻译。

联系人：李特丽，微信号是 abc18601613801。

更多关于如何使用Langchain的信息，请参阅文档。

LangChain 旨在提供六个主要领域的帮助。这六个领域按照复杂度递增排序如下：

📃 LLM 和 Prompt(Prompt) ：

这包括 prompt(Prompt) 管理、prompt(Prompt) 优化、面向所有 LLM 的通用接口和处理 LLM 的常见工具。

🔗 Chains 链：

Chains 链超越了单个 LLM 调用，涉及调用序列（无论是 LLM 还是不同的实用程序）。LangChain 为链提供了标准接口、大量与其他工具的集成和针对常见应用的端到端链。

📚 数据增强式生成：

数据增强式生成涉及到特定类型的链，它首先与外部数据源交互以获取用于生成步骤的数据。例如，文本的摘要和针对特定数据源的问答。

🤖 代理程序：

代理程序涉及到 LLM 做出哪些操作决策、采取该操作、看到观察结果，并一直重复直到完成。LangChain 为代理程序提供了标准接口、可以选择的代理程序和端到端代理程序的示例。

🧠 记忆：

记忆是指在链/代理程序的多次调用之间保留状态。LangChain 为记忆提供了标准接口、一系列记忆实现和使用记忆的链/代理程序的示例。

🧐 评估：

（[BETA]）生成模型以传统度量方式进行评估极其困难，评估的一个新方法是使用语言模型本身来进行评估。LangChain 提供了一些提示/链来协助进行此项工作。

有关这些概念的更多信息，请参阅我们的完整文档。

如果你想为 Langchain 中文网做出贡献，你可以在 GitHub 上 fork 我们的仓库并创建一个分支来提交你的更改。

我们欢迎任何形式的贡献，包括但不限于：

Langchain/LLM开发