LLM常见面试题（26-30题）--langchain篇

26，什么是langchain?

一个局域语言模型的框架，用于构建聊天机器人、生成式回答、摘要等功能。

核心思想是将不同的组件“链”在一起，连接大语言模型和外部资源，以创建更高级的语言模型应用。使得开发人员可以快速开发原型系统和应用程序。

27，langchain主要价值有哪些？

①组件化：提供了用于处理语言模型的抽象组件，以及每个抽象组件的一系列实现。这些组件具有模块化设计，容易使用。

②现成的链式组装：提供了一些现成的链式组装，用于完成特定的高级任务。对于更复杂的应用程序，也支持自定义现有链式组装或构建新的链式组装。

③简化开发难度：通过组件化和现成的链式组装，可以大大简化大语言模型应用的开发难度，可以更专注于业务逻辑，而无需花费大量时间和精力处理底层技术细节。

28，langchain包含哪些核心模块？

①模型输入/输出：与语言模型交互的接口。

②数据连接：与特定应用程序数据进行交互的接口。

③链：用于复杂应用的调用序列。

④智能体：语言模型作为推理器，决定要执行的动作序列。

⑤记忆：用于多次运行之间，持久化应用程序状态。

⑥回调：记录传输任何链式组装的中间步骤。

29，langchain的模型输入/输出包括哪些？
①Prompts:提示词模板、提示词动态选择和输入管理。该输入通常由模板、示例和用户输入的组合

②Language Moddels:提供了两种类型的接口。分别是LLMs和Chat Model。前者接受文本字符串作为输入并返回文本字符串，后者接受chat messages列表作为输入，并返回chat message.

③out parsers:辅助开发者从大语言模型输出中获取比文本更结构化的信息。包含很多具体的实现，但是每个都必须实现如下两个必须实现的方法：

①获取格式化指令：返回包含语言模型输出应如何格式化的字符串方法。

②接受字符串并将其解析为某种结构的方法

30，langchain的数据连接包括哪些内容？

通过Document loaders, Document transformers, Text embedding models, Vector stores以及Retrievers提供组件来加载、转换、存储和查询数据。

Document loaders(文档加载）：从源中加载数据构建Document。LangChain中包含加载简单txt文件的文档加载器，用于加载任何网页的文本内容，甚至还包含用于加载YouTube视频的转录稿的加载器。