哎呀， 最近AI这玩意儿太火了满大街都在说大模型，说什么GPT-4，什么文心一言。我也想搞个AI应用出来但是看着那些代码，头都大了。后来我听说有个叫LangChain的东西，说是能帮我们搞定这些事儿。我就想问问，这玩意儿真的那么神吗？学它到底能不能让我们变成大牛？反正我就想试试，不管了先瞎写写看，挽救一下。。

这LangChain到底是啥玩意儿呢？

说到点子上了。 说白了LangChain就是一个编程的框架。它不是那种直接就能跑的软件，你得会写代码。它的主要目的，就是为了让我们这些普通人也能用上大语言模型。就像我们以前用Python写程序一样， LangChain就是帮我们搭好了一个架子，我们往里面填肉就行了。

乱弹琴。 LangChain是一个基于大型语言模型开发应用程序的编程框架。 这句话听起来是不是挺专业的？其实也没那么复杂。以前我们想用AI，得自己去跟API打交道，那个麻烦的，报错都报得我眼花。LangChain就是把这些麻烦事都给包圆了。它把大模型当成一个黑盒子，我们只管往里面扔问题，它就吐答案。但是它不只是这么简单。

我们以前是怎么用AI的？

以前， 如果你是个程序员，你想用GPT，你就得写几行代码，把你的问题拼成一个字符串，然后发过去，再等它回过来。这叫直接调用LLM API。对吧？这就跟发短信一样。但是这有什么意思呢？你发一句，它回一句，这算什么应用啊？这就像咱们以前用的那种最原始的聊天机器人，特别傻，你问它天气，它说它不知道。

所以光调用API是不够的。光调用API，你就只能做一个最最最简单的问答机器。我想做一个能帮公司做的， 躺赢。 能帮我把文章翻译的，能帮我在网上查资料的。这些功能，光靠API是搞不定的。

为什么说不能光调API？

这个问题我也想了半天。我想了想，大概是主要原因是大模型本身也是有缺点的。它虽然聪明，但是它记性不好，容易忘事，而且它不知道你到底想让它干嘛。你如果只是直接调用API，它就像个没头苍蝇，内卷。。

这就说得通了。 基于LLM的应用程序不仅仅是直接调用LLM API，它们还包括： 它们还包括了好多好多东西。比如说你得让它“记得”你刚才说了啥吧？不然它怎么上下文对话呢？再比如说你得让它去读你电脑里的文件吧？你得让它去查数据库吧？还得让它去控制别的软件，比如自动发邮件。这些事情，光靠API是干不了的。API只是它的大脑，得给它配上手脚，配上眼睛，它才能干活。

那LangChain具体都干了些什么呢？

它主要就是干两件事。第一件事，就是把这些复杂的东西变得简单。第二件事，就是把大模型和其他东西连起来，起初我以为...。

比如说你想让AI读一个PDF文件，然后回答你的问题。以前你需要自己去解析PDF的格式，写正则表达式去提取文字，然后拼成Prompt。现在呢？你用LangChain，只需要几行代码， 我跪了。 告诉它“读这个文件，然后回答问题”，它就帮你搞定了。它内部肯定有自动化的东西，比如那个叫Loader的东西，能把文件读进来。还有那个叫Chain的东西，能把问题和答案连起来。

还有那个记忆功能，这个太重要了。你跟AI聊了五句，第六句它肯定忘了第一句说的是啥。LangChain就有个东西叫Memory，专门管这个。 我不敢苟同... 它能帮你存着对话记录，每次你问它问题的时候，它都能把以前的记录翻出来看看。这样它就能跟你像人一样聊天了而不是每次都问你“你是谁？”。

LangChain为什么强调这两个原则？

你可能会问， 既然LangChain这么好，那它肯定有它自己的一套理论吧？它肯定强调某些东西。对，它强调的就是那两个原则。一个是“模型无关性”，一个是“模块化”。

LangChain为什么强调这两个原则？这与LLM的能力及其在系统中的角色有关。 研究研究。 这话听着很绕，但我慢慢琢磨明白了。

第一个原则：模型无关性

这玩意儿... 什么意思呢？就是说 不管你用的是GPT，还是Meta的LLaMA，甚至是开源的中文模型，LangChain都能用。它不绑定某一个具体的模型。

为什么要这样呢？主要原因是大模型这东西，变化太快了。今天OpenAI出个新模型，明天百度出个新模型，后天可能谁家又出个免费的模型。如果你写的程序是死死绑定在GPT-3.5上的，万一哪天GPT收费了或者挂了你的程序就废了。LangChain就是为了解决这个问题， 它让你以后想换模型的时候，只需要改一行代码，把API地址换一下就行，其他的逻辑都不用动。这样你就不会害怕模型厂商跑路了。我觉得这个想法挺好的，至少给了我们一点平安感，闹乌龙。。

第二个原则：模块化

这个就更重要了。LangChain把大模型应用拆成了一块一块的。这一块叫模块，那一块也叫模块。

什么意思？就是它把大模型应用拆解成了很多小组件。比如有一个组件专门负责读文件，有一个专门负责存数据库，有一个专门负责生成提示词。这些组件都是独立的，你可以随便拿它们来拼凑。你想要一个能读文件又能聊天的应用，你就把读文件的组件和聊天的组件拼在一起就行了。如果你想要一个能翻译又能写文章的应用，你就把翻译组件和写作组件拼在一起，共勉。。

这样做的好处就是灵活。你想加个新功能，比如语音输入，你只需要加一个语音组件，不用把整个程序都重写。就像搭积木一样，积木块多了你想搭个城堡还是搭个房子，随你便。而且，如果你发现某个组件不好用，你还可以自己写一个替换掉它，或者去Github上找个别人的组件换上。这种模块化的设计，真的是为了方便我们开发者啊。不然我们要是每次开发都从头开始写代码，那头发都掉光了，礼貌吗？。

那学这个到底难不难啊？

说实话，刚开始学的时候，我觉得挺难的。特别是那个Chain的概念，还有那个Agent的概念，绕来绕去的。Agent就是那个“智能体”，就是让大模型自己决定下一步该干嘛。它不仅仅是被动地回答问题， 拭目以待。 它还能主动地去搜索信息，去调用工具。这个听起来很高级，但是写起来真的很麻烦。你得告诉它什么时候该用哪个工具，用什么参数。搞不好它就会瞎调用工具，把你服务器搞崩了。

不过学下来之后你会发现其实也没那么可怕。只要你把那些基本的概念搞懂了 比如Prompt Template，比如Memory，比如Document Loaders，你就能做出很多好玩的东西了。

我做了什么？

我做了一个小工具，就是让我电脑里的文档都能被AI提问。以前我想查个资料，还得打开文件夹，找文件，看内容。现在呢？我把文档都喂给LangChain了它有个RAG的功能。我就问它：“这篇文章里说了什么？”，它就能从文档里找到答案告诉我。虽然有时候它也会胡说八道，但大部分时候还是挺准的。我觉得这就已经很好了，牛逼。。

什么鬼？ 还有那个自定义的Prompt，这个也是LangChain的一大亮点。它让你能够控制大模型说话的方式。你可以写一些特定的指令，让它表现得像个律法顾问，或者像个程序员，或者像个情感大师。你可以让它输出JSON格式，也可以让它输出Markdown格式。这对于我们开发者太方便了。不然我们还得自己去写代码去解析大模型的输出，那太痛苦了。

一下吧

所以 回到最开始的问题，学习LangChain，到 说白了就是... 底能不能掌握开发大型语言模型应用的核心原则和框架呢？

我的回答是：肯定的。虽然它有时候很烦人，有时候报错很离谱，有时候文档写得像天书。但是它确实是现在开发大模型应用的主流框架。你如果不学它，你可能会发现自己在做重复的、低效的工作，说起来...。

学了它，你就能理解大模型应用是怎么运作的。你就能明白为什么有些应用那么智能，有些应用那么蠢。你就能掌握如何把大模型集成到你的系统里如何让它变得更强大，更聪明，记住...。

虽然我也没学得多精，也就是个半吊子水平。但是看着自己写出来的程序能跑起来能帮到别人，心里还是挺高兴的。LangChain就像是一个桥梁，连接了我们这些普通人跟那些高大上的大模型。只要我们肯花时间去学，肯去试错，肯定能掌握它的。

所以别犹豫了赶紧去学吧。虽然过程很痛苦，但是后来啊肯定是好的。不然怎么跟得上时代的步伐呢？现在到处都在搞AI，你要是不会用，那就真的out了。哪怕你只是为了混口饭吃，懂一点LangChain也是很有用的。毕竟技术这东西，学多学少总比不学好，对吧，到位。？

哎，写了一堆废话，也不知道大家能不能看懂。反正我就是这么想的。这LangChain，我是学定了。以后有啥不懂的，我再慢慢琢磨。希望以后它能出个更简单的版本，不用写那么多代码。我就想点点鼠标就能做出AI应用，那才是真的爽啊，我天...。