LangChain
了解 LangChain 如何简化 LLM 应用开发。了解如何将 AI 模型与实时数据连接，并集成 Ultralytics YOLO26 执行视觉任务。
LangChain 是一个开源框架，旨在简化由大型语言模型（LLMs）驱动的应用开发。虽然像 GPT-4 这样的 LLM 本身功能强大，但它们通常孤立运行，缺乏对实时数据或特定业务上下文的感知。LangChain 充当桥梁，让开发者能够将提示、模型和外部数据源等各种组件串联起来，创建复杂且具备上下文感知能力的应用。通过管理这些交互的复杂性，LangChain 使人工智能（AI）系统能够分析问题，并根据动态输入采取行动。
LangChain 的核心组件#
该框架围绕多个协同工作的模块化概念构建，用于增强自然语言处理（NLP）工作流。
- **链（Chains）：**链是最基本的构建单元，是一系列对 LLM 或其他工具的调用。例如，一个简单的链可以接收用户输入，使用提示工程模板对其进行格式化，然后将其传递给模型以生成响应。更复杂的链可以按顺序执行多次调用，其中一个步骤的输出会成为下一步骤的输入。
- **代理（Agents）：**与遵循硬编码顺序的链不同，人工智能代理使用 LLM 作为推理引擎，以确定要采取哪些操作以及操作顺序。代理可以查询 API、搜索网络或访问数据库，从而回答需要最新知识的问题。
- **检索（Retrieval）：**为了让模型响应建立在事实数据之上，LangChain 支持检索增强生成（RAG）。这一过程会根据用户查询从向量数据库中获取相关文档，并将其输入模型的上下文窗口。
- **记忆（Memory）：**标准 LLM 没有状态，这意味着它们会忘记之前的交互。LangChain 提供记忆组件，使聊天机器人能够在对话过程中持久保留上下文，模拟人类对话的连贯性。
实际应用#
LangChain 在将生成式 AI 从实验性笔记本推向各行各业的生产环境方面发挥着重要作用。
-
**与你的数据聊天（RAG）：**最常见的应用之一是企业搜索。企业使用 LangChain 将内部文档、PDF 或技术手册导入可搜索索引。当员工提出问题时，系统会检索相关段落并将其输入 LLM，确保答案准确且以公司数据为依据，而不是凭空生成。这显著改善了组织内部的知识蒸馏。
-
**多模态分析：**LangChain 可以编排结合文本与其他模态的工作流，例如计算机视觉（CV）。例如，安防系统可以使用目标检测识别未经授权的人员，然后触发 LangChain 代理起草事件报告并通过电子邮件发送给主管。
与计算机视觉集成#
结构化视觉数据与语言推理之间的协同是一个极具潜力的发展领域。开发者可以使用Ultralytics YOLO26等高性能模型，从图像中提取详细信息，例如目标数量、类别或位置，并将这些结构化数据传入 LangChain 工作流，以进行进一步分析或生成自然语言描述。
以下 Python 代码片段演示了如何使用 Ultralytics 模型提取检测到的类别名称，并创建可馈送到下游语言链的文本上下文。
from ultralytics import YOLO
# Load the YOLO26 model to generate structured data for a chain
model = YOLO("yolo26n.pt")
# Run inference on an image URL
results = model("https://ultralytics.com/images/bus.jpg")
# Extract detection class names to feed into a LangChain prompt
detections = [model.names[int(c)] for c in results[0].boxes.cls]
# Format the output as a context string for an LLM
chain_input = f"The image contains the following objects: {', '.join(detections)}."
print(chain_input)区分关键术语#
了解 LangChain 与其编排的技术之间的区别非常重要：
- **LangChain 与 LLMs 的区别：**LLM（例如 OpenAI 的 GPT-4 或 Anthropic 的 Claude）是处理并生成文本的“大脑”。LangChain 则是将这个大脑连接到数据预处理管道、API 和用户界面的“脚手架”或基础设施。
- **LangChain 与提示工程的区别：**提示工程专注于设计最佳文本输入，以从模型中获得最佳结果。LangChain 自动化管理这些提示，使开发者能够使用动态的提示模板，在将其发送给模型之前以编程方式填充数据。
对于希望构建稳健 AI 系统的开发者而言，查阅 LangChain 官方文档可以深入了解技术细节，而 Ultralytics 文档则提供将先进视觉能力集成到这些智能工作流中所需的工具。此外，用户还可以利用 Ultralytics Platform 管理为这些先进多模态系统提供支持的数据集和训练管道。
