wertycn / langchan-chinese

langchain 项目中文翻译

🦜️🔗 LangChain

⚡ 通过可组合性构建LLM应用程序 ⚡

寻找JS/TS版本？请查看LangChain.js。

生产支持： 当您将LangChains投入生产时，我们将提供更全面的支持。请填写此表格，我们将为您设置一个专门的支持Slack频道。

快速安装

pip install langchain 或者 conda install langchain -c conda-forge

🤔 这是什么？

大型语言模型（LLM）正在成为一种具有变革性的技术，使开发人员能够构建以前无法实现的应用程序。然而，仅仅使用这些LLM往往不足以创建一个真正强大的应用程序 - 真正的力量在于将它们与其他计算或知识源结合起来。

本库旨在帮助开发这些类型的应用程序。这些应用程序的常见示例包括：

❓ 在特定文档上的问答

• 文档
• 端到端示例：在Notion数据库上的问答

💬 聊天机器人

• 文档
• 端到端示例：Chat-LangChain

🤖 代理程序

• 文档
• 端到端示例：GPT+WolframAlpha

📖 文档

请参阅此处获取有关以下内容的完整文档：

• 入门指南（安装、环境设置、简单示例）
• 如何示例（演示、集成、辅助函数）
• 参考（完整的API文档）
• 资源（核心概念的高级解释）

🚀 这可以帮助解决什么问题？

LangChain的设计目标主要有六个主要领域。 按照复杂性递增的顺序，它们包括：

📃 LLMs和Prompts：

这包括prompt管理，prompt优化，适用于所有LLMs的通用接口以及与LLMs一起使用的常用工具。

🔗 链：

链不仅限于单个LLM调用，还涉及到一系列的调用（无论是对LLM还是其他实用程序的调用）。LangChain提供了一种标准的链式接口，与其他工具有很多的集成，并提供了常见应用程序的端到端链。

📚 数据增强生成：

数据增强生成涉及特定类型的链，首先与外部数据源进行交互，以获取用于生成步骤的数据。示例包括对长文本进行摘要和在特定数据源上进行问题/回答。

🤖 代理人：

👥 代理人:

代理人涉及使用LLM（语言模型）做出决策，选择要采取的行动，观察结果，并重复此过程直到完成。LangChain为代理人提供了一个标准接口，并提供了一系列可供选择的代理人以及端到端代理人的示例。

🧠 存储:

存储指的是在链/代理人的调用之间保持状态的能力。LangChain为存储提供了一个标准接口，并提供了一系列存储实现以及使用存储的链/代理人的示例。

🧐 评估:

生成模型通常很难使用传统的度量标准进行评估。一种新的评估方法是使用语言模型自身来进行评估。LangChain提供了一些提示/链来辅助进行评估。

有关这些概念的更多信息，请参阅我们的完整文档。

💁 贡献

作为一个在快速发展的领域中的开源项目，我们非常欢迎贡献，不论是新功能、改进基础设施还是更好的文档。

有关如何贡献的详细信息，请参阅这里。