LangChain

LangChain 是一个开源框架，旨在简化基于大型语言模型（LLMs）的应用程序开发。尽管像GPT-4这样的大型语言模型本身功能强大，但它们往往独立运行，缺乏对实时数据或特定业务场景的感知能力。 LangChain 充当桥梁，使开发者能够串联各类组件——如提示词、模型和外部数据源——从而构建复杂的上下文感知型应用。通过管理这些交互的复杂性，LangChain使人工智能（AI）系统能够基于动态输入进行问题推理并采取行动。

LangChain的核心组件

该框架围绕若干模块化概念构建，这些概念协同工作以增强 自然语言处理（NLP） 工作流。

• 链：作为基础构建模块，链是一系列对大型语言模型或其他实用工具的调用序列。例如，简单的链可能接收用户输入，通过提示工程模板进行格式化，再传递给模型生成响应。更复杂的链可串联多个调用步骤，其中前一步的输出将成为下一步的输入。
• 智能体：与遵循硬编码序列的链式结构不同， AI智能体采用大型语言模型作为推理引擎， 以确定采取哪些行动及执行顺序。智能体可调用API、搜索网络或访问数据库， 以解答需要实时知识支持的问题。
• 检索：为使模型响应基于事实数据，LangChain支持检索增强生成（RAG）。该技术通过根据用户查询从向量数据库中提取相关文档，并将这些文档注入模型的上下文窗口来实现。
• 记忆：标准的大型语言模型是无状态的，这意味着它们会忘记之前的交互。LangChain提供了记忆组件，使聊天机器人能够在整个对话中保持上下文，模拟人类对话的连续性。

实际应用

LangChain在推动生成式人工智能从实验性笔记本走向各行业的生产环境方面发挥着关键作用。

1. 与数据对话（RAG）：最常见的应用场景之一是企业搜索。 企业利用 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输入大型语言模型，确保答案 准确且基于公司数据而非虚构内容。这显著提升了 组织内部的知识蒸馏效率。
2. 多模态分析：LangChain能够协调结合文本与其他模态（如计算机视觉）的工作流。例如，安防系统可通过物体检测识别未经授权人员，随后触发LangChain智能体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效应是极具发展潜力的领域。开发者可Ultralytics 等高性能模型从图像中提取详细信息——例如物体计数、类别或位置——并将这些结构化数据传递至LangChain工作流进行进一步分析或自然语言描述。

以下 Python 代码片段演示了如何使用Ultralytics 提取检测到的类名，创建可输入下游语言链的文本上下文环境。

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)

关键术语的区分

区分LangChain与其所协调的技术至关重要：

• LangChain与大型语言模型（LLM）的对比： 大型语言模型（如 OpenAI 的 GPT-4 或Anthropic Claude）是处理和生成文本的"大脑"。 LangChain 则是连接该大脑与数据预处理管道、API 及用户界面的"支架"或基础设施。
• LangChain 与提示工程： 提示工程专注于设计最优文本输入，以从模型中获取最佳结果。LangChain 则实现了这些提示的自动化管理，支持动态 提示模板，这些模板在发送至模型前 会通过编程方式填充数据。

对于希望构建强大人工智能系统的开发者而言，探索官方LangChain文档可获得深入的技术解析，而Ultralytics 则提供了将尖端视觉能力集成至智能工作流的必要工具。此外，用户还能Ultralytics 管理数据集和训练管道，为这些先进的多模态系统提供支持。