m0_74885669的博客

这是一个 LLMChain，用于根据剧目的标题撰写简介。template = """你是一位剧作家。根据戏剧的标题，你的任务是为该标题写一个简介。标题：{title}剧作家：以下是对上述戏剧的简介："""# 这是一个LLMChain，用于根据剧情简介撰写一篇戏剧评论。template = """你是《纽约时报》的戏剧评论家。根据剧情简介，你的工作是为该剧撰写一篇评论。剧情简介：{synopsis}以下是来自《纽约时报》戏剧评论家对上述剧目的评论："""

Langchain 是一个开源框架，它允许开发人员将大型语言模型与外部的计算和数据源结合起来，是一个通过组合模块和能力抽象来扩展 LLM 的助手。

大多数LLM应用都具有对话界面。对话的一个重要组成部分是能够引用先前在对话中介绍过的信息。至少，一个对话系统应该能够直接访问一些过去消息的窗口。更复杂的系统将需要拥有一个不断更新的世界模型，使其能够保持关于实体及其关系的信息。我们将存储过去交互信息的能力称为“记忆（Memory）”。LangChain提供了许多用于向应用/系统中添加 Memory 的实用工具。这些工具可以单独使用，也可以无缝地集成到链中。。每个链都定义了一些核心执行逻辑，并期望某些输入。

BaseLoader类定义了如何从不同的数据源加载文档，并提供了一个可选的方法来分割加载的文档。使用这个类作为基础，开发者可以为特定的数据源创建自定义的加载器，并确保所有这些加载器都提供了加载数据的方法。load_and_split方法还提供了一个额外的功能，可以根据需要将加载的文档分割为更小的块。# 基础加载器类。"""基础加载器类定义。"""# 抽象方法，所有子类必须实现此方法。"""加载数据并将其转换为文档对象。"""# 该方法可以加载文档，并将其分割为更小的块。"""加载文档并分割成块。

一旦加载了文档，通常会希望对其进行转换以更好地适应您的应用程序。最简单的例子是，您可能希望将长文档拆分为较小的块，以适应模型的上下文窗口。LangChain具有许多内置的文档转换器，可以轻松地拆分、合并、过滤和其他操作文档。