LangChain：将GenAI变成真正实用的助手

随着AI代理的时代的到来，通过将简单模块串联在一起，实现真正任务工作流的可能性正在增加。癌症诊断只是一个例子。LangChain作为一个开源框架，已经在GenAI模型的基础上带来了更实际的应用。

LangChain的概述

LangChain创立刚满一年，可以看作是通过一套非常简单的库在GenAI模型之上温和地引入了对AI代理进行编程的方式。这项技术由同名的初创公司支持，该公司提供了一个用于商业部署使用LangChain构建的应用程序的服务器平台。

LangChain的关键在于它将大型语言模型提示与各种外部资源相结合。通过这种方式，它可以从数据库中获取数据，将语言模型的输出传递给应用程序，获取该应用程序的输出并将其传递回语言模型，依此类推。

该框架允许将资源链接在一起，其中每个资源都成为一种代理，处理语言模型和提示上下文中的问题片段。

已经有一些不同领域的实际用例，令人着迷。

例如，使用LangChain，程序员已经能够将超声波成像与ChatGPT风格的自然语言提示结合起来，用于诸如乳腺癌诊断之类的事物。放射科医生可以通过短语如“请根据探头位置给我提供给定观察的摘要”调用计算机作为分析助手。

由韩国科学技术高级研究院的Jaeyoung Huh及其同事构建的该程序的有趣之处在于，它将三种不同类型的神经网络聚合在一起，这三种神经网络都是一种广泛使用的类型—ResNet-50，这是一种在图像分类方面表现卓越的经典视觉神经网络。

LangChain的目的是在自然语言命令的框架内封装这三个网络，比如“给我提供给定图像的探头信息”，然后是“给我提供给定观察的摘要”。

在最简单的层面上，LangChain可以是一种创建用户友好前端的方式，这是医学AI等领域专家长期以来梦寐以求的，他们寻求创建能够响应口头命令的医生助手。

LangChain的一些努力的目标是通过将技术与权威的外部来源结合起来，试图消除GenAI臭名昭著的幻觉——程序过于自信地断言虚假信息。由咨询公司Accenture的Sohini Roychowdhury领导的一个小组描述了通过“金融聊天机器人”进行财务预测的系统。

该系统从电子表格中提取单元格，并将其转换为关于数据的自然语言陈述，然后可以通过搜索匹配问题的句子来进行查询。

实现过程如下：用户通过自然语言问题触发语言模型，比如“我的销售情况如何？”将该提示输入到一个模板中，生成一个更精确的语言模型提示。该提示可能包含比人类想到的更多详细的问题词汇，以生成更好的提示。

LangChain的出现为使用GenAI模型进行编程提供了一种更实际的方法。通过将自然语言命令与外部资源结合起来，LangChain创造了一个强大的框架，使得开发者能够更方便地构建实用程序和解决真实世界的问题。它标志着AI代理领域更加实用的一步，为不同领域的专家提供了更友好、更灵活的工具。