一、LangChain快速入门和底层原理
LangChain 是围绕 LLMs 构建开源的Python AI应用开发框架
在大规模语言模型（LLMs）领域取得突破性进展后，LangChain应运而生。它提供了一套强大且灵活的功能，旨在支持围绕LLMs核心构建各种创新工具。
LangChain降低了AI应用开发的门槛。
LangChain 的核心思想是将不同的组件"链"在一起，以创建更高级的LLMs用例
- LLMs：像GPT、Claude等大预言模型。LangChain对所有的LLM大模型进行了API抽象，统一了大模型访问API。使得开发者可以无缝访问不同的 LLM 模型（如 GPT、Claude、BERT 等），无需关心底层实现细节。它通过封装各类 LLM 提供一致的接口，降低了开发门槛。
- Prompt：Prompt templates 是不同类型提示的模板。例如"chatbot" 样式模板、ELI5 问答等。LangChain提供了Prompt提示模板管理机制。
- Chain：开发者可以通过链（Chains）将多个 LLM 组合在一起，创建复杂的工作流。
- LCEL：LCEL 是 LangChain 中的执行层，负责调度和执行各种链式任务的具体步骤。通过LCEL表达式，我们可以灵活的自定义AI任务处理流程，也就是灵活自定义链（Chain）。
- RAG：因为大模型不了解新的信息，无法回答新的问题，所以我们可以将新的信息导入到LLM，用于增强LLM生成内容的质量。
- Agent：Agent 根据用户输入、环境状态或外部反馈选择最佳行动，自动化决策过程。它可以在多种任务间切换或协调操作。
- Memory：记忆功能使得 LangChain 能够在多轮对话中跟踪上下文，使得每个新的响应都能基于历史数据做出更合适的决策。（内存 or 数据库）
LangChain框架介绍
LangSmith：生产化。使用LangSmith检查、监控和评估您的应用程序。运维。
LangGraph：部署。使用LangGraph 平台将您的 LangGraph 应用程序转换为可用于生产的 API 和助手