分类目录：《大模型从入门到应用》总目录
LangChain系列文章：
基础知识快速入门
安装与环境配置链（Chains）、代理（Agent:）和记忆（Memory）快速开发聊天模型 模型（Models）
基础知识大型语言模型（LLMs）
基础知识LLM的异步API、自定义LLM包装器、虚假LLM和人类输入LLM（Human Input LLM）缓存LLM的调用结果加载与保存LLM类、流式传输LLM与Chat Model响应和跟踪tokens使用情况 聊天模型（Chat Models）
基础知识使用少量示例和响应流式传输 文本嵌入模型
Aleph Alpha、Amazon Bedrock、Azure OpenAI、Cohere等Embaas、Fake Embeddings、Google Vertex AI PaLM等 提示（Prompts）
基础知识提示模板
基础知识连接到特征存储创建自定义提示模板和含有Few-Shot示例的提示模板部分填充的提示模板和提示合成序列化提示信息 示例选择器（Example Selectors）输出解析器（Output Parsers） 记忆（Memory）
基础知识记忆的类型
会话缓存记忆、会话缓存窗口记忆和实体记忆对话知识图谱记忆、对话摘要记忆和会话摘要缓冲记忆对话令牌缓冲存储器和基于向量存储的记忆 将记忆添加到LangChain组件中自定义对话记忆与自定义记忆类聊天消息记录记忆的存储与应用 索引（Indexes）
基础知识文档加载器（Document Loaders）文本分割器（Text Splitters）向量存储器（Vectorstores）检索器（Retrievers） 链（Chains）
基础知识通用功能
自定义Chain和Chain的异步APILLMChain和RouterChainSequentialChain和TransformationChain链的保存（序列化）与加载（反序列化） 链与索引
文档分析和基于文档的聊天问答的基础知识图问答（Graph QA）和带来源的问答（Q&A with Sources）检索式问答文本摘要（Summarization）、HyDE和向量数据库的文本生成 代理（Agents）
基础知识代理类型自定义代理（Custom Agent）自定义MRKL代理带有ChatModel的LLM聊天自定义代理和自定义多操作代理（Custom MultiAction Agent）工具
基础知识自定义工具（Custom Tools）多输入工具和工具输入模式人工确认工具验证和Tools作为OpenAI函数 工具包（Toolkit）代理执行器（Agent Executor）
结合使用Agent和VectorStore使用Agents的异步API和创建ChatGPT克隆处理解析错误、访问中间步骤和限制最大迭代次数为代理程序设置超时时间和限制最大迭代次数和为代理程序和其工具添加共享内存 计划与执行 回调函数（Callbacks）
代理使用LLM来确定应采取哪些操作以及以何顺序执行这些操作。动作可能是使用工具并观察其输出，或向用户返回响应。以下是LangChain中可用的代理：
zero-shot-react-description
此代理使用ReAct框架，仅基于工具的描述来确定要使用的工具。可以提供任意数量的工具，但此代理需要为每个工具提供描述。
react-docstore
这个代理使用ReAct框架与文档存储进行交互。必须提供两个工具：一个Search工具和一个Lookup工具，且它们必须被命名为这样。Search工具应该搜索文档，而Lookup工具应该查找最近找到的文档中的一个术语。这个代理相当于最初的ReAct论文《REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS》，特别是维基百科的例子。
self-ask-with-search
这个代理使用一个被命名为Intermediate Answer的工具。这个工具应该能够查找问题的事实性答案。这个代理相当于最初的《MEASURING AND NARROWING THE COMPOSITIONALITY GAP IN LANGUAGE MODELS 》，其中提供了Google搜索API作为工具。
conversational-react-description
这个代理程序旨在用于对话环境中。提示设计旨在使代理程序有助于对话。 它使用ReAct框架来决定使用哪个工具，并使用内存来记忆先前的对话交互。
参考文献： [1] LangChain 列️ 中文网，跟着LangChain一起学LLM/GPT开发：https://www.langchain.com.cn/ [2] LangChain中文网 - LangChain 是一个用于开发由语言模型驱动的应用程序的框架：http://www.cnlangchain.com/
相关阅读
您阅读本篇文章共花了：
发表评论