Large Language Models (LLMs)在2020 年OpenAI 的 GPT-3 的发布而进入世界舞台 。从那时起,他们稳步增长进入公众视野。
直到 2022 年底。对LLM和更广泛的生成AI学科的兴趣激增。其原因可能是LLM取得重大进展的持续上升势头。
我们看到了关于谷歌 “有知觉的” LaMDA聊天机器人的戏剧性新闻。第一个高性能和 开源 的LLM称为BLOOM发布。OpenAI发布了他们的下一代文本嵌入模型和下一代 “GPT-3.5” 模型。
在LLM领域取得了所有这些巨大的飞跃之后,OpenAI发布了 ChatGPT ,将LLM推到了聚光灯下。
LangChain 大约在同一时间出现。它的创建人 Harrison Chase 哈里森·蔡斯于 2022 年10月下旬首次提交。在陷入LLM浪潮之前,留下短短几个月的开发时间。
尽管该库还处于早期阶段,但它已经充满了令人难以置信的功能,可以围绕LLM的核心构建令人惊叹的工具。在本文中,我们将介绍该库,并从 LangChain 提供的最直接的组件 — LLM 开始。
LangChain的核心是围绕LLM构建的框架。我们可以将其用于聊天机器人, G enerative Q uestion-Answering(GQA), 摘要等等。
该库的核心思想是,我们可以将不同的组件 “链接” 在一起,以围绕LLM创建更高级的用例。 链可以由来自多个模块的多个组件组成:
如果觉得我的文章对您有用,请点赞。您的支持将鼓励我继续创作!
赞0
添加新评论0 条评论