32 lines
1.6 KiB
Markdown
32 lines
1.6 KiB
Markdown
# 第一章 简介
|
||
|
||
欢迎来到LangChain大模型应用开发短期课程👏🏻👏🏻
|
||
|
||
本课程由哈里森·蔡斯 (Harrison Chase，LangChain作者）与Deeplearning.ai合作开发，旨在教大家使用这个神奇工具。
|
||
|
||
|
||
## 一、LangChain的诞生和发展
|
||
|
||
通过对LLM或大型语言模型给出提示(prompt)，现在可以比以往更快地开发AI应用程序，但是一个应用程序可能需要进行多轮提示以及解析输出。
|
||
|
||
在此过程有很多胶水代码需要编写，基于此需求，哈里森·蔡斯 (Harrison Chase) 创建了LangChain，使开发过程变得更加丝滑。
|
||
|
||
LangChain开源社区快速发展，贡献者已达数百人，正以惊人的速度更新代码和功能。
|
||
|
||
|
||
## 二、课程基本内容
|
||
|
||
LangChain是用于构建大模型应用程序的开源框架，有Python和JavaScript两个不同版本的包。LangChain基于模块化组合，有许多单独的组件，可以一起使用或单独使用。此外LangChain还拥有很多应用案例，帮助我们了解如何将这些模块化组件以链式方式组合，以形成更多端到端的应用程序 。
|
||
|
||
在本课程中，我们将介绍LandChain的常见组件。具体而言我们会讨论一下几个方面
|
||
- 模型(Models)
|
||
- 提示(Prompts): 使模型执行操作的方式
|
||
- 索引(Indexes): 获取数据的方式，可以与模型结合使用
|
||
- 链式(Chains): 端到端功能实现
|
||
- 代理(Agents): 使用模型作为推理引擎
|
||
|
||
|
||
|
||
## 三、致谢课程重要贡献者
|
||
|
||
最后特别感谢Ankush Gholar（LandChain的联合作者）、Geoff Ladwig,、Eddy Shyu 以及 Diala Ezzedine，他们也为本课程内容贡献颇多~ |