LangChian 作为一个大语言模型开发框架,可以将 LLM 模型(对话模型、embedding 模型等)、向量数据库、交互层 Prompt、外部知识、外部代理工具整合到一起,进而可以自由构建 LLM 应用。 LangChain 主要由以下 6 个核心组件组成:
模型输入/输出(Model I/O):与语言模型交互的接口
数据连接(Data connection):与特定应用程序的数据进行交互的接口
链(Chains):将组件组合实现端到端应用。比如后续我们会将搭建检索问答链来完成检索问答。
记忆(Memory):用于链的多次运行之间持久化应用程序状态;
代理(Agents):扩展模型的推理能力。用于复杂的应用的调用序列;
回调(Callbacks):扩展模型的推理能力。用于复杂的应用的调用序列;
动手学大模型开发:https://datawhalechina.github.io/llm-universe/#/C4/3.%E9%83%A8%E7%BD%B2%E7%9F%A5%E8%AF%86%E5%BA%93%E5%8A%A9%E6%89%8B
模型上下文协议 (MCP):https://modelcontextprotocol.io/introduction
MCP架构:https://vaayne.com/posts/2025/mcp-guide/
MCP代码:https://github.com/punkpeye/awesome-mcp-servers/blob/main/README-zh.md
langflow:https://github.com/langflow-ai/langflow
AI开源方案:https://d.aigclink.ai/?v=8f252a54730e49f4b8caf897b7ae49f6
AI超元域:https://www.aivi.fyi/
阿里云白练:https://bailian.console.aliyun.com/?tab=app#/app-market
腾讯云:https://tcb.cloud.tencent.com/index