《LangChain入门指南》学习笔记1：第1章 LangChain：开启大语言模型时代的钥匙

LangChain：开启大语言模型时代的钥匙

大语言模型（Large Language Model, LLM）概述

什么是LLM

• 起源：基于Transformer架构,大规模神经网络程序
• 核心：通用人工智能模型
• 训练机制：“单字接龙”模式
• 结果：获得语言智能

LLM的发展

• 里程碑：ChatGPT (GPT-3.5) 发布
• 当前顶峰：GPT-4
• 全球主流模型
  • OpenAI: GPT-4
  • Anthropic: Claude 2
  • Meta: LLaMA 2 (开源)
  • Google: PaLM 2
• 中国主流模型
  • 百度：文心一言
  • 阿里巴巴：通义千问
  • 华为：盘古大模型
  • 科大讯飞：星火

LLM的应用场景

• 智能对话
• 文本生成
• 知识问答
• 文本总结
• 文本翻译
• 情感分析
• 数据分析
• 编程辅助
• 文档格式转换
• 信息抽取
  

LLM的基础知识

GPT vs ChatGPT

• GPT：模型 (Model)
• ChatGPT：产品 (Product)

提示词（Prompt）

• 定义：驱动模型的命令
• 重要性：决定输出质量
• 通用模板：角色-背景-任务-输出
• 模板示例：
  

Token：大语言模型的基本单位

• 定义：模型处理文本的基本单位
• 功能：商用计费单位
• 对比：不同于编程语言的字符

上下文长度（Context Length）

• 定义：模型的“脑容量”
• 示例：8K, 32K, 128K (GPT-4 Turbo)
• 影响：成本与能力的权衡

幻觉

• 现象：生成看似合理但偏离事实的预测
• 根源：模式模仿而非真正理解
• 案例：生成内容编造不存在的API、网址

微调（Fine-tune）

• 比喻：基础训练 vs 赛前特训
• 方式：通过API提供QA数据对
• 目的：获得专属模型

LangChain与LLM

• 诞生：2022年10月，Harrison Chase
• 发展：从开源项目到估值2亿美元的初创公司
• 定位：LLM应用的编程框架
• 核心价值
  • 连接LLM、工具与数据
  • 弥补LLM短板

思维导图：