wslzoooo的博客

2、教程2.1、基础2.1.1、使用 LCEL 构建简单的LLM应用程序工具：jupyter notebook 、anaconda3运行Anaconda Prompt查看当前虚拟环境conda env list创建虚拟环境conda create -n lc python=3.8激活环境conda activate lc安装内核工具pip install ipykernel将虚拟环境内核添加到jupyter notebookpython -m ipykernel inst

LangChain 是一个用于开发由大型语言模型提供支持的应用程序的框架 （LLMs）。开发：使用 LangChain 的开源构建块、组件和第三方集成构建应用程序。使用 LangGraph 构建具有一流流式处理和人机回圈支持的有状态代理。产品化：使用 LangSmith 检查、监控和评估您的链条，以便您可以放心地持续优化和部署。部署：使用 LangGraph Cloud 将您的 LangGraph 应用程序转变为生产就绪的 API 和助手。：基本抽象和 LangChain 表达式语言。

然后，当要向 AI 模型发送用户查询时，首先检索一组相似的文档。然后，这些文档充当用户问题的上下文，并与用户的查询一起发送到 AI 模型。设计成一个简单便携的界面，用于与专门用于图像生成的各种 AI 模型进行交互，允许开发人员以最少的代码更改在不同的图像相关模型之间切换。当将向量作为查询时，向量数据库将返回与查询向量“相似”的向量。多模态是指模型同时理解和处理来自各种来源的信息的能力，包括文本、图像、音频和其他数据格式。向量数据库是一种特殊类型的数据库，在人工智能应用中发挥着至关重要的作用。

官网：https://docs.spring.io/spring-ai/reference/index.htmlSpring AI是一个旨在简化开发人员构建人工智能应用程序的项目的名称，它通过消除不必要的复杂性来实现这一目标。该项目受到了Python项目的启发，如LangChain和LlamaIndex，但它并不是后者的直接移植。Spring AI相信，下一个人工智能应用浪潮将不仅仅局限于Python开发人员，而是会普及到许多编程语言。