如何进入网站后台 被黑,如何自己做网站发布到服务器上面,一站式做网站,app商城需要手机网站吗下面整理的LangChain部分核心概念#xff1a;
聊天模型【Chat models】#xff1a;通过聊天 API 暴露的大语言模型#xff08;LLMs#xff09;#xff0c;将消息序列作为输入#xff0c;并输出一条消息。消息【Messages】#xff1a;聊天模型中的通信单元#xff0c;…下面整理的LangChain部分核心概念
聊天模型【Chat models】通过聊天 API 暴露的大语言模型LLMs将消息序列作为输入并输出一条消息。消息【Messages】聊天模型中的通信单元用于表示模型的输入和输出。聊天记录【Chat history】以消息序列形式表示的对话用户消息和模型回复交替出现。工具【Tools】具有相关模式的函数该模式定义了函数的名称、描述以及它的参数。工具调用【Tool calling】聊天模型 API它接受函数模式以及消息作为输入并在输出消息中返回对这些工具的调用。结构化输出【Structured output】使聊天模型以结构化格式如符合给定模式的 JSON进行响应的技术。记忆【Memory】保存关于对话的信息。多模【Multimodality】态能够处理不同形式数据如文本、音频、图像和视频的能力。可运行接口【Runnable interface】LangChain 组件和 LangChain 表达式语言的基本抽象。流式传输【Streaming】流式 API用于实时展示生成的结果。LangChain 表达式语言【LangChain Expression Language (LCEL):】用于编排组件的语法。文档加载器【Document loaders】将数据源加载为文档列表。检索【Retrieval】检索系统根据查询条件从数据源中检索结构化或非结构化数据。文本分割器【Text splitters】将长文本分割成较小的块这些块可以被单独索引从而实现精细检索。嵌入模型【Embedding models】将数据如文本或图像表示在向量空间中的模型。向量存储【Vector stores】存储向量及其相关元数据并高效搜索。检索器【Retriever】根据查询条件从知识库中返回相关文档的组件。检索增强生成【Retrieval Augmented Generation (RAG)】通过将语言模型与外部知识库结合来增强语言模型的技术。智能体【Agents】使用语言模型选择要采取的行动。智能体可以通过工具与外部资源进行交互。提示模板【Prompt templates】用于提取模型 “提示”通常是一系列消息中静态部分的组件。对于序列化、版本控制和重用这些静态部分很有用。输出解析器【Output parsers】将模型的输出转换为适合下游任务的格式。在工具调用和结构化输出也能起到类似作用。少样本提示【Few-shot prompting】通过在提示中提供少量要执行任务的示例来提高模型性能。示例选择器【Example selectors】从数据集中选择最相关的示例。示例选择器在少样本提示中用于为提示选择示例。回调【Callbacks】回调允许在内置组件中执行自定义辅助代码。在LangChain中回调用于流式传输的输出、跟踪应用程序的中间步骤等。
参考
Conceptual guide | ️ LangChain
