这就是为什么新的开发工具在 “LLMOpS” 一词下随处可见，其中一个新工具是LangChain（

　　LangChain是一个框架，旨在通过为您提供以下内容来帮助您更轻松地构建LLM支持的应用程序：

　　以及用于LLM无法处理 (例如计算或搜索) 的长期内存 (请参阅内存)，外部数据 (请参阅索引)，其他LLM (请参阅链) 和其他代理的中央接口。代理)。这是哈里森·蔡斯创建的一个开源项目 (GitHub存储库)。

　　由于LangChain功能众多，这就是为什么我们将在本文中介绍LangChain目前的六个关键模块，以使您更好地了解其功能。

　　在本教程中，我们使用的是0.0.147版。GitHub库提交非常活跃; 因此，请确保您拥有当前版本。全部设置完毕后，导入langchain Python包。importlangchain

　　LLM供应商(必填)：您首先需要使用LLM提供程序的API密钥。我们目前正在经历 “AI的Linux时刻”，开发人员必须基于主要在性能和成本之间的权衡，在专有或开源基础模型之间进行选择。

　　LLM提供者：专有和开源基础模型 (作者的图片，灵感来自Fiddler.ai，首次发布在W & B的博客上)

　　专有模型是拥有大型专家团队和大型AI预算的公司拥有的封闭式基础模型。它们通常比开源模型更大，因此具有更好的性能，但它们也具有昂贵的api。专有模型提供商的示例是OpenAI，co:here，AI21 Labs或Anthropic。大多数可用的LangChain教程使用OpenAI，但请注意，OpenAI API (对于实验来说并不昂贵，但它) 不是免费的。要获取OpenAI API密钥，您需要一个OpenAI帐户clash配置文件规则，然后在API密钥下 “创建新的密钥”。

　　开源模型通常是较小的模型，其功能比专有模型低，但比专有模型更具成本效益。开源模型的示例包括：

　　作为社区中心，许多开源模型都是在Hugging Face组织和托管的。要获得Hugging Face API密钥，您需要一个Hugging Face帐户，并在访问令牌下创建一个 “新令牌”。

　　对于开源LLM，您可以免费使用Hugging Face，但是您将被限制在性能较低的较小LLM中。

　　个人笔记：您可以在此处尝试开源基础模型。我尝试使本教程仅与托管在常规帐户(google/flan-t5-xl和sentence transformer/all-MiniLM-L6-v2) 上的Hugging Face上的开源模型一起使用。它适用于大多数示例，但是让一些示例起作用也是一种痛苦。最后，我为OpenAI设置了一个付费帐户，因为LangChain的大多数示例似乎都针对OpenAI的API进行了优化。总的来说，为教程运行一些实验花了我大约1美元。

　　矢量数据库(可选)：如果要使用特定的矢量数据库，例如Pinecome，Weaviate或Milvus，则需要向他们注册以获取API密钥并确认其定价。在本教程中，我们使用的是Faiss，它不需要注册。

　　工具(可选)：根据您希望LLM与之交互的工具(例如OpenWeatherMap或SerpAPI)，您可能需要向它们注册以获取API密钥并检查其定价。在本教程中，我们仅使用不需要API密钥的工具。

　　该软件包为许多基础模型提供了通用接口，可以进行提示管理，并通过代理充当其他组件(如提示模板，其他LLM，外部数据和其他工具) 的中央接口。在撰写本文时，LangChain (版本0.0.147) 涵盖了六个模块：

　　目前，许多不同的LLM正在出现。LangChain为各种模型提供了集成，并为所有模型提供了简化的界面。LangChain区分了三种类型的模型，它们的输入和输出不同：