从Auto-GPT说起:
- Auto-GPT可以调用本地电脑工具处理复杂信息;
- Auto-GPT可以围绕目标查阅资 料、"独立思考"、及时反馈、并 及时调整下一步操作...
- Auto-GPT的诞生,创造了大家 对"将LLM作为智慧大脑来高效 处理综合复杂任务"的想象;
- 首次尝试串联大语言模型的思维链,"chains together LLM "thoughts",逐步 拆解任务并执行,从而使得整个应用程序更加靠近人类意图;
- 首次将大语言模型接入本地工具,通过工具集的拓展,进一步拓展了大语言模型的能力; 能够通过内置的提示模版修改人类提示语句,从而大幅简化提示难度;
- 拥有"记忆",通过模型外的存储策略,"记住"人类提示和操作步骤,从而提升 交互体验;
Auto-GPT爆火的根本原因在于它符合人们 对未来AI工具的想象...
在此背景下,LangChain应运而生...
标题什么是LangChain?
LangChain不是AutoGPT,而是一款可以用于开发 类似AutoGPT的AI应用的开发工具。
项目地址: https://github.com/hwchase17/langchain
项目官网: https://python.langchain.com/en/latest/index.html
通过对AutoGPT功能的深刻观察和抽象总结 LangChain提出了基于LLM的AI应用开发的六要素:
- Models:大语言模型
- Memory:交互存储器
- Chains:大模型操作链
- Prompts:提示管理
- Index:文件索引
- Agents:代理执行器
LangChain的六大模块 功能简介
- Models:LangChain认为,AI应用开发必不可少的就是LLM,因此提供了非 常便捷的接入各LLM的接口,包括GPT模型和ChatGLM-6B,均可以通过 LangChain的Models接口进行调用;
- Prompts:LangChain认为,简化提示难度、丰富提示灵活度是未来AI应用 之必须,因此提供了Prompts功能模块,用于给开发者提供灵活的自定义提 示模版的功能;
- Chains:LangChain认为,为了更好的理解人类意图,AI工具的内部执行流程 应该类似于管道流水线,这种流程在机器学习领域被称为Pipeline,在 LangChain的定义中被称为Chains;
- Agents:LangChain认为,未来AI工具必然需要和本地工具进行交互,例如 自主在谷歌浏览器上进行搜索互联网上结果等,此时AI工具内部需要创建一个代理来使用这些工具,进而拓展AI工具本身的功能,这就是所谓的Agents;
- Memory:LangChain认为,记住人类的提示和自身操作将是提升用户体验的 关键,因此必须要通过某些方法来存储这些信息。相关存储信息的方法都被封 装在LangChain的Memory模块中;
- Index:这是截止目前LangChain最后添加的功能模块,用于提供本地文件索引的功能,从而让AI工具更方便的进行本地文件的管理;
LangChain认为,未来的基于LLM的AI应用都是基于 这六个元素拼凑而成,类似乐高积木
例如,AutoGPT的开发就相当于就用了其中四块积木
✓Models:大语言模型 ✓Memory:交互存储器
✓Chains:大模型操作链 ✓Prompts:提示管理
LangChain倡议,统一功能模块的称呼和开发规范, 同时提供了一系列实现这些功能的API
LangChain的六大功能模块 能"拼"出什么样的AI应用?
eg:
基于本地知识库的对话机器人
本地数据库数据处理与分析
自动会议总结及邮件回复系统
基于Web端的查询和问答系统
LangChain+Zapier...
那么LangChain究竟是什么呢?
LangChain是一个未来AI应用的开发协议
LangChain是一个未来AI应用的开发范式
LangChain是一个未来AI应用的开发工具