LangChain是一个开源框架，允许从事人工智能的开发者将例如GPT-4的大语言模型与外部计算和数据来源结合起来。该框架目前以Python或JavaScript包的形式提供。

（   假设，你想从你自己的数据、文件中具体了解一些情况（可以是一本书、一个pdf文件、一个包含专有信息的数据库）。LangChain可以将GPT-4和这些外部数据连接起来，甚至可以让LangChain帮助你采取你想采取的行动，例如发一封邮件。）

三个重要概念：

• Components

-LLM Wrapper：包装器，允许我们连接到大语言模型，例如GPT-4或HuggingFace的模型。

-Prompt Templates：提示模板，使我们不必对文本进行硬编码，而文本是LLM的输入。

-Indexes for relevant information retrieval：相关内容的索引，允许我们为LLM提取相关信息。

• Chains

允许我们将多个组件组合在一起，以解决一个特定的任务，并建立一个完整的LLM应用程序。

• Agents

允许LLM与外部API互动。

二、 原理

将你的文件切成小块，把这些小块存储在一个矢量数据库中，这些块被存储为embedding，意味着它们是文本的矢量表示。

pipeline执行流程：

>>一个用户提出了初始问题。

>>然后，这个问题被发送到大语言模型，并将该问题的向量表示在向量数据库中做相似性搜索。

>>获取相关的信息块，将其反馈给大语言模型。

>>大语言模型通过初始问题和来自矢量数据库的相关信息，提供一个答案或采取一个行动。