7、LangChain与大语言模型：构建问答与聊天机器人应用全解析

LangChain与大语言模型：构建问答与聊天机器人应用全解析

1. LangChain模型IO的优势

LangChain的模型输入输出（Model IO）功能具有显著优势，它允许开发者轻松在不同的大语言模型（LLM）提供商之间进行切换。即便项目最初使用的是OpenAI的模型，后续也能无缝探索谷歌云或Anthropic等其他提供商的模型能力，而无需重写整个代码库。

2. LangChain支持的语言模型类型

LangChain主要支持两种类型的模型：
- 通用LLM模型 ：也被称为文本补全模型，如同一个文字魔法师，能预测输入文本最可能的后续内容。只需输入一个字符串提示，就能生成对应的字符串补全输出，就像拥有一个智能文本生成器。例如，输入 “To kill two birds with a”，模型会补全为 “stone”。
- 聊天模型 ：基于LLM构建，但专门针对使用消息进行来回对话进行了调优。用户发送人类消息，AI会相应回复，对话可以持续进行，就像有一个随时准备聊天的伙伴。此外，还可以使用系统级提示为AI模型赋予特定个性，比如设定AI为友好耐心的导师，它就会以相应的语气参与对话。

在选择模型时，要考虑不同模型的特点和偏好，选择适合应用场景的模型。如需查看LangChain支持的所有LLM列表，可参考文档：https://python.langchain.com/v0.2/docs/integrations/llms/ 。

3. 构建简单的问答应用

下面通过具体代码来构建一个简单的问答应用：
-