AI大模型开发架构设计（22）——LangChain的大模型架构案例实战
文章目录
- 1 LangChain 框架总体架构设计和关键技术剖析
- LangChain是什么？
- LangChain框架剖析
- LangChain顶层架构设计
- LangChain 典型使用场景:QA 问答系统
- LangChain 总体架构设计之 Model I/O
- LangChain 总体架构设计之 Retrieval
- LangChain 总体架构设计之 Memory
- 2 LangChain 开发 LLM 大模型应用架构设计
- 基于 LangChain 的 LLM 应用场景
- 基于 LangChain 的 LLM 应用架构设计
1 LangChain 框架总体架构设计和关键技术剖析
LangChain、LLM 大模型、 AI Agents、微调、向量数据库区别和联系到底什么?
- 移动互联网时代，我们一切应用形态都是APP
- 进入到AI智能时代，新的应用形态就是 AI Agent（例如 Code Interpreter）。LangChain 就是用于开发 AI Agent 的一个开发框架，LLM作为推理引擎，微调的目的是让我们的LLM大模型的推理能力得到增强，向量数据库作为 AI Agent 的数据存储。
LangChain是什么？
- LangChain 将大模型、向量数据库、交互层 Prompt、外部知识、外部工具整合到一起，进而可以自由构建 LLM 应用（AI Agents）的开发框架。