大語言模型（LLM）正在成為一種變革性技術，使開發人員能夠構建以前無法構建的應用程序。但是，單獨使用這些LLM通常不足以創建一個真正強大的應用程序——當你可以將它們與其他計算或知識來源相結合時，便可能實現其真正的能力。
LangChain是一個用於開發由語言模型驅動的應用程序的框架，允許開發人員將語言模型連接到其他數據源並與其環境相交互。 LangChain旨在幫助開發者在以下六個主要領域，按照複雜性遞增的順序：
- 📃 LLMs and Prompts: 這包括提示管理、提示優化、適用於所有 LLM 的通用界面以及用於處理 LLM 的通用實用程序。
- 🔗 Chains : 鏈不僅僅是單個 LLM 調用，而是調用序列（無論是對 LLM 還是對不同的實用程序）。 LangChain 為鏈提供標準接口、與其他工具的大量集成以及用於常見應用程序的端到端鏈。
- 📚 Data Augmented Generation : 数据增强生成涉及特定类型的链，这些链首先与外部数据源交互以获取数据以用于生成步骤。 这方面的例子包括对长文本的总结和对特定数据源的问答。
- 🤖 Agents : 代理涉及 LLM 做出關於採取哪些行動的決定，採取該行動，看到一個觀察，並重複直到完成。 LangChain 為代理提供了一個標準接口，可供選擇的代理選擇，以及端到端代理的示例。
- 🧠 Memory : 內存是鏈/代理調用之間持久狀態的概念。 LangChain 提供了內存的標準接口、內存實現的集合以及使用內存的鏈/代理的示例。
- 🧐 Evaluation : [BETA] 眾所周知，生成模型很難用傳統指標進行評估。評估它們的一種新方法是使用語言模型本身進行評估，LangChain 提供了一些提示/鏈來協助這一點。
