LangChain介绍

一、为什么我们需要LangChain？

1、从API调用到完整AI应用的跨越

原始API调用的局限性

• 缺乏记忆能力
  • 每次API请求独立，无法记住历史对话。
  • 示例：先问“爱因斯坦是谁？”，再问“他是哪国人？”时，AI因缺乏上下文而无法理解“他”指代谁。
• 上下文窗口限制
  • 大模型的上下文长度有限，无法一次性处理超长文档（如500页PDF）。
  • 超出部分会被截断，导致信息丢失。
• 不擅长精确计算
  • AI并非真正的计算器，而是基于概率预测下一个Token。
  • 在数学问题上容易出错，如错误计算订单总额，存在业务风险。

2、传统解决方案及其痛点

传统手动编码解决思路

• 实现记忆功能
  • 使用列表手动存储历史消息，并在每次请求时将完整对话历史传给AI。
• 处理长文档知识
  • 将文档转换为向量，存入向量数据库。
  • 用户提问时，通过相似性搜索提取相关段落，仅将相关内容作为上下文传给AI。
• 解决计算问题
  • 让AI生成执行计算的代码（如Python代码），再由程序执行代码得出准确结果。
• 开发痛点
  • 需重复编写相似的提示词和处理逻辑。
  • 开发效率低，维护成本高。

---

3、LangChain：专为AI应用开发而生的框架

LangChain的核心理念

• 超越简单的API调用
  • 主张AI应用应具备：
    • 上下文感知：理解对话历史。
    • 外部数据连接：访问知识库、数据库等。
    • 工具调用能力：借助计算器、搜索引擎等外部工具完成任务。
• 目标
  • 简化复杂AI应用的开发流程，让开发者专注于应用逻辑而非底层细节。

---

4、LangChain的核心组件

• 常用组件
  • Models：支持多种大模型。
  • Prompts & Templates：提示词管理与模板化。
  • Memory：对话状态管理。
  • Document Loaders：加载各类文档（PDF、Word等）。
  • Retrievers：从数据库中检索相关信息。
  • Chains：将多个步骤或组件串联成工作流。
  • Agents：能自主决策并调用工具的智能体。

5、LangChain的优势

• 简化开发
  • 示例：实现记忆
    • 无需手动维护消息列表。
    • 创建 ConversationBufferMemory 实例，与模型一起传入对话链。
    • 框架自动处理历史消息的传递与更新，为AI“外接记忆”。
• 统一接口（抽象层）
  • 模型抽象：
    • 无论后端是 OpenAI、百度文心、阿里通义千问还是其他模型，都可视为 ChatModel。
    • 切换模型时，只需修改初始化代码，业务逻辑无需大改。
  • 数据库抽象：
    • 支持多种向量数据库（如Pinecone、Chroma、Faiss等）。
    • 切换数据库时，除初始化语句外，其余代码基本无需改动。
• 提升灵活性与可维护性
  • 极大降低开发复杂度。
  • 应用更易于维护、升级和扩展。

二、与Assistant API的对比

1、OpenAI Assistants API：开箱即用的智能助手

Assistants API 简介

• 定义与定位
  • Assistants API 是 OpenAI 推出的高级 API，旨在简化智能助手的开发。
  • 它不仅调用模型，还集成了对话历史管理、文件访问和工具调用等能力。
• 核心优势
  1. 自动维护对话历史
     • 无需开发者手动管理消息列表，API 自动保留上下文，解决“记忆”问题。
  2. 内置工具支持
     • 支持多种外部工具，如：
       • 文件检索器：从上传的文档中检索信息。
       • 代码解释器：执行代码进行精确计算或数据处理。
       • 自定义函数：调用开发者定义的外部函数，扩展AI能力。

---

2、LangChain：通用、灵活的AI应用开发框架

LangChain 核心理念

• 框架定位
  • LangChain 是一个开源的应用开发框架，旨在构建强大的AI应用。
  • 强调AI应用应能感知上下文、连接外部数据、调用工具进行交互。
• 核心组件
  • 提供丰富的组件（Models, Prompts, Memory, Retrievers, Chains, Agents 等）来构建复杂应用。

---

3、Assistants API 与 LangChain 的关键区别

3.1、本质区别

比较维度	Assistants API	LangChain
本质	API（OpenAI 提供的服务）	应用框架（开源开发工具）
使用方式	发送提示，接收响应，许多细节由 OpenAI 后台处理。	利用组件和工具构建应用，控制力更强。

3.2、支持模型范围

• Assistants API
  • 仅支持 OpenAI 自家的模型（如 GPT-4）。
  • 无法直接集成其他厂商的模型（如百度文心、阿里通义千问）。
• LangChain
  • 通用框架，不隶属于任何AI服务提供商。
  • 可集成多种来源的AI模型，提供极大的模型选择灵活性。

3.3、简易性 vs. 灵活性

• Assistants API
  • 优点：使用简单，上手快。OpenAI 隐藏了大量技术细节，适合快速开发。
  • 缺点：定制化能力有限，开发者难以进行深度调整。
• LangChain
  • 优点：功能极其灵活，作为开源框架，可查看、修改源码，满足复杂和高度定制化的需求。
  • 缺点：学习曲线相对陡峭，需要更多配置。

3.4、应用范围

• Assistants API
  • 主要用于构建对话型应用，如聊天机器人、虚拟助手。
• LangChain
  • 应用范围更广，可构建从简单聊天机器人到复杂AI系统的各类应用，因为它能轻松整合各种外部资源和接口。

---

4、选择建议

• 选择 Assistants API 如果：
  • 你希望快速上手，开发基于 OpenAI 模型的应用。
  • 项目需求相对标准，不需要深度定制。
  • 优先考虑开发效率和简单性。
• 选择 LangChain 如果：
  • 你需要构建更广泛、更复杂或高度定制化的应用。
  • 希望应用能支持多种AI模型（包括国产大模型），并具备灵活切换的能力。
  • 需要对应用的每个环节有完全的控制权。

三、安装LangChain及了解核心模块

1、LangChain的安装方法

LangChain的安装非常简单，与安装其他Python包的方式完全相同。

安装步骤：

1. 在 Jupyter Notebook 中安装： 在代码单元格中输入以下命令并运行：

   !pip install langchain
   

2. 在终端或命令提示符 (CMD) 中安装： 打开终端，输入以下命令：

   pip install langchain
   

   （对于Python 3环境，可能需要使用 pip3 install langchain）

提示：LangChain的官方文档是学习的重要资源，建议收藏以备随时查阅。

---

2、LangChain的核心组件

LangChain提供了许多模块化组件，这些组件是构建复杂AI应用的基石。了解这些核心组件是学习LangChain的关键。

2.1、Model (模型)

• 功能：提供语言理解和生成的核心能力，是AI应用的“大脑”。
• 说明：可以集成来自不同AI服务提供商的模型，如OpenAI、百度文心、阿里通义等。

2.2、Memory (记忆)

• 功能：用于存储和管理对话历史或相关的上下文信息。
• 重要性：是构建对话型AI应用的关键，确保应用能保持对话的连贯性和上下文感知能力。

2.3、Chain (链)

• 功能：将不同的组件（如模型、提示词、工具等）串联起来，形成一个有序的执行流程。
• 优势：允许创建复杂的、多步骤的应用流程，每个组件负责处理特定的任务。

2.4、Retriever (检索器)

• 功能：负责从外部信息源（如文档、数据库、网页）中检索相关信息。
• 重要性：极大地扩展了模型的知识面，通过提供相关上下文，显著提高回答的准确性和相关性。

2.5、Agent (智能体)

• 定义：一个基于大模型的、能够执行一系列动作的智能体。
• 核心理念：
  • 利用大模型的推理能力。
  • 能够根据当前任务和环境，动态评估并自主决定下一步的行动路径（例如，是直接回答、查询数据库还是执行计算）。
  • 可以调用预定义的工具（如搜索、计算）来完成复杂任务。