Langchain 中文网是 Langchain 的中文社区。
Langchain 中文网的目的是帮助中国人阅读 Langchain 的 PYTHON 文档。
如果遇到翻译错误，请指出错误，欢迎热爱社区的人一起来翻译。
联系人：李特丽，微信号是 abc18601613801。
更多关于如何使用Langchain的信息，请参阅文档。
LangChain 旨在提供六个主要领域的帮助。这六个领域按照复杂度递增排序如下：
📃 LLM 和 Prompt(Prompt) ：
这包括 prompt(Prompt) 管理、prompt(Prompt) 优化、面向所有 LLM 的通用接口和处理 LLM 的常见工具。
🔗 Chains 链：
Chains 链超越了单个 LLM 调用，涉及调用序列（无论是 LLM 还是不同的实用程序）。LangChain 为链提供了标准接口、大量与其他工具的集成和针对常见应用的端到端链。
📚 数据增强式生成：
数据增强式生成涉及到特定类型的链，它首先与外部数据源交互以获取用于生成步骤的数据。例如，文本的摘要和针对特定数据源的问答。
🤖 代理程序：
代理程序涉及到 LLM 做出哪些操作决策、采取该操作、看到观察结果，并一直重复直到完成。LangChain 为代理程序提供了标准接口、可以选择的代理程序和端到端代理程序的示例。
🧠 记忆：
记忆是指在链/代理程序的多次调用之间保留状态。LangChain 为记忆提供了标准接口、一系列记忆实现和使用记忆的链/代理程序的示例。
🧐 评估：
（[BETA]）生成模型以传统度量方式进行评估极其困难，评估的一个新方法是使用语言模型本身来进行评估。LangChain 提供了一些提示/链来协助进行此项工作。
有关这些概念的更多信息，请参阅我们的完整文档。
如果你想为 Langchain 中文网做出贡献，你可以在 GitHub 上 fork 我们的仓库并创建一个分支来提交你的更改。
我们欢迎任何形式的贡献，包括但不限于：
- 纠正拼写、语法或文档错误
- 提供新的代码或功能
- 提交测试或改进测试覆盖
- 维护或修复已有的代码
