程序那些事

虽然langchain中的有些parser我们可以自行借助python语言的各种工具来实现。但是有一些parser实际上是要结合LLM一起来使用的，比如OutputFixingParser和RetryOutputParser。所以大家还是尽可能的使用langchain提供的parser为好。毕竟轮子都给你造好了，还要啥自行车。

chat models是LLM的高阶表现形式。如果我们需要进行对话模型的话，就可以考虑使用这个。更多内容请参考最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！

LLM是大语言模型最基础的模式，chat模式的底层就是基于LLM实现的。后续我们会详细介绍chat模式，尽请期待。

在之前的文章中，我们提到了可以在跟大模型交互的时候，给大模型提供一些具体的例子内容，方便大模型从这些内容中获取想要的答案。这种方便的机制在langchain中叫做FewShotPromptTemplate。如果例子内容少的话，其实无所谓，我们可以把所有的例子都发送给大语言模型进行处理。但是如果例子太多的话，每次都发送如此多的内容，会让我们的钱包承受不住。毕竟那些第三方的大语言模型是按token收费的。怎么办呢？能不能找到一个经济又有效的方法来完成我们的工作呢？

如果你有一些简单的内容需要提供给大语言模型，那么可以使用这个方式。但是如果你有很多内容的话，比如知识库。这种实现就处理不了了。那么如何构建一个知识库应用呢？我们后续分享。

prompts是大语言模型的输入，他是基于大语言模型应用的利器。没有差的大语言模型，只有差的prompts。写好prompts才能发挥大语言模型300%的功力。理论上，要写好prompts其实不是那么容易的，但是langchain把这个理论变成了现实，一起来看看吧。prompt template就是一个prompt的模板，通过prompt template，我们可以快速的生成多个prompt。基本上prompt template已经帮我们描述好了场景，要做的事情。我们只需要填入具体的内容即可。

最近随着chatgpt的兴起，人工智能和大语言模型又再次进入了人们的视野，不同的是这一次像是来真的，各大公司都在拼命投入，希望能在未来的AI赛道上占有一席之地。因为AI需要大规模的算力，尤其是对于大语言模型来说。大规模的算力就意味着需要大量金钱的投入。那么对于小公司或者个人来说是不是什么都做不了呢？当然不是，虽然小公司或者个人不能开发底层的大语言模型，但是我们可以在大语言模型之上进行应用开发，这应该就是我们现在能做到的。