LangChain：开启大语言模型时代的钥匙
大语言模型（Large Language Model, LLM）概述
什么是LLM
- 起源：基于Transformer架构,大规模神经网络程序
- 核心：通用人工智能模型
- 训练机制："单字接龙"模式
- 结果：获得语言智能
LLM的发展
- 里程碑：ChatGPT (GPT-3.5) 发布
- 当前顶峰：GPT-4
- 全球主流模型
- OpenAI: GPT-4
- Anthropic: Claude 2
- Meta: LLaMA 2 (开源)
- Google: PaLM 2
- 中国主流模型
- 百度：文心一言
- 阿里巴巴：通义千问
- 华为：盘古大模型
- 科大讯飞：星火
LLM的应用场景
- 智能对话
- 文本生成
- 知识问答
- 文本总结
- 文本翻译
- 情感分析
- 数据分析
- 编程辅助
- 文档格式转换
- 信息抽取
LLM的基础知识
GPT vs ChatGPT
- GPT：模型 (Model)
- ChatGPT：产品 (Product)
提示词（Prompt）
- 定义：驱动模型的命令
- 重要性：决定输出质量
- 通用模板：角色-背景-任务-输出
- 模板示例：
Token：大语言模型的基本单位
- 定义：模型处理文本的基本单位
- 功能：商用计费单位
- 对比：不同于编程语言的字符
上下文长度（Context Length）
- 定义：模型的"脑容量"
- 示例：8K, 32K, 128K (GPT-4 Turbo)
- 影响：成本与能力的权衡
幻觉
- 现象：生成看似合理但偏离事实的预测
- 根源：模式模仿而非真正理解
- 案例：生成内容编造不存在的API、网址
微调（Fine-tune）
- 比喻：基础训练 vs 赛前特训
- 方式：通过API提供QA数据对
- 目的：获得专属模型
LangChain与LLM
- 诞生：2022年10月，Harrison Chase
- 发展：从开源项目到估值2亿美元的初创公司
- 定位：LLM应用的编程框架
- 核心价值
- 连接LLM、工具与数据
- 弥补LLM短板
思维导图：
