LangChain 以其多功能性而著称。它是一个全面、模块化的框架，使开发人员能够将 LLM 与各种数据源和服务结合起来。

LangChain 以其可扩展性而蓬勃发展，开发人员可以构建诸如检索增强生成（RAG）之类的应用，使用外部数据在 LLM 的生成过程中进行增强。

LangChain 的特点

LangChain 的关键组件包括模型输入/输出（Model I/O）、检索系统（retrieval systems）和链（chains）。

模型输入/输出（Model I/O）

LangChain 的模块模型输入/输出促进了与 LLM 的交互，为开发人员提供了一个标准化和简化的过程，将 LLM 功能集成到他们的应用中。它包括提示（prompts），指导 LLM 执行任务，如生成文本、翻译语言或回答问题。支持多个 LLM，包括流行的 OpenAI、GLM 和 文心一言等，确保开发人员可以访问适合不同任务的工具。输入解析器组件将用户输入转换为结构化格式，LLM 可以理解，增强了应用与用户交互的能力。

检索系统（Retrieval Systems）

LangChain 的一个突出特点是检索增强生成（Retrieval Augmented Generation，RAG），它使 LLM 能够在生成阶段访问外部数据，提供个性化输出。另一个核心组件是文档加载器（Document Loaders），它提供了从不同来源和格式访问大量文档的能力，支持 LLM 从丰富的知识库中提取信息。文本嵌入模型（Text embedding models）用于创建文本嵌入，捕捉文本的语义含义，改善相关内容的发现。向量存储（Vector Stores）对于有效存储和检索嵌入至关重要，有超过 50 种不同的存储选项可用。包括不同的检索器，提供从基本语义搜索到高级技术的一系列检索算法，这些技术可以提高性能。

链（Chains）

LangChain 引入了链，这是一个强大的组件，用于构建需要顺序执行多个步骤或任务的更复杂的应用。链可以涉及 LLM 与其他组件协同工作，提供传统的链接口，或使用 LangChain 表达式语言（LCEL）进行链组合。支持预构建和自定义链，根据开发人员的需求设计出灵活和可扩展的系统。LangChain 中的 Async API 用于异步运行链，加强了涉及多个步骤的复杂应用的可用性。自定义链创建允许开发人员打造独特的工作流程，并将内存（状态）增强添加到链中，使链能够记住过去的交互，以维护对话或跟踪进展。