翻译自 LangChain: The Trendiest Web Framework of 2023, Thanks to AI 。

我们来看看 JavaScript 开发人员需要了解的关于 LangChain 的信息，LangChain 是由 Harrison Chase 创建的快速崛起的 LLM 应用程序框架。

LangChain 是一个用于在应用程序中使用大型语言模型（LLM）的编程框架。就像生成式 AI 中的所有内容一样，该项目的发展速度非常快。它于 2022 年 10 月作为 Python 工具开始，然后在 2 月添加了 TypeScript 支持。到四月，它支持多种 JavaScript 环境，包括 Node.js，浏览器，Cloudflare Workers，Vercel / Next.js，Deno 和 Supabase Edge Functions。

那么 JavaScript 开发人员（特别是）需要了解 LangChain 的哪些信息，以及一般使用 LLM 的信息？在这篇文章中，我们旨在通过分析 LangChain 创始人 Harrison Chase 最近的两个演讲来回答这个问题。

LangChain 最初是一个开源项目，但一旦 GitHub 星开始堆积，它就迅速被分拆成一家初创公司。对于 Harrison Chase 来说，这是一个迅速的崛起，他最近在 2017 年在哈佛大学学习，但现在是硅谷最热门的初创公司之一的首席执行官。本月早些时候，微软首席技术官 Kevin Scott 在他的 Build 主题演讲中向 Chase 进行了个人大声疾呼。

不出所料，LangChain 目前的主要用例是在 LLM（特别是ChatGPT）之上构建基于聊天的应用程序。正如流行的 bytes.dev 通讯中的 Tyler McGinnis 对 LangChain 的讽刺评论，“人们永远不可能有足够的聊天界面。

在今年早些时候接受 Charles Frye 采访时，Chase 说，目前最好的用例是“通过你的文档聊天”。LangChain 提供了其他功能来增强应用程序的聊天体验，例如流式传输——在 LLM 上下文中，这意味着按令牌返回 LLM 令牌的输出，而不是一次返回所有内容。

但是，Chase表示其他接口将迅速发展。

“从长远来看，可能有比聊天更好的用户体验，”他说。“但我认为目前这是当务之急，你可以超级轻松地站起来，不需要很多额外的工作。六个月后，我是否期望聊天成为最好的用户体验？应该不会。但我认为现在，你目前可以构建什么来提供价值，可能是[即聊天]。

鉴于使用 LLM 开发应用程序是一件新鲜事，像 LangChain 这样的初创公司一直在争先恐后地提出工具来帮助解决 LLM 的一些问题。例如，对于提示工程，Chase 表示，它仍然主要归结为开发人员的直觉，哪些提示效果更好。但 LangChain 今年引入了“追踪”等功能来帮助解决这个问题。

LangChain 最近的功能之一是“自定义代理”， Chase 在四月份在旧金山举行的 Full Stack LLM 训练营中谈到了这一点。他将代理定义为一种“使用语言模型作为推理引擎”的方法，以确定如何根据用户输入与外部世界进行交互。

Harrison Chase 在 LLM 训练营。

他举了一个与 SQL 数据库交互的例子，解释说通常你有一个自然语言查询，语言模型会将其转换为 SQL 查询。你可以执行该查询并将结果传递回语言模型，要求它根据原始问题进行综合，最终得到 Chase 所说的“ SQL 数据库周围的自然语言包装器”。

代理的作用是处理 Chase 称之为“边缘案例”的情况，这可能是(例如) LLM 在上述示例的任何时间产生的部分输出幻觉。

“你使用 LLM 作为代理来选择要使用的工具，以及该工具的输入，”他解释说。“那你...执行该操作，返回一个观察结果，然后将其反馈到语言模型中。然后你继续这样做，直到满足停止条件。

实现代理。

一种流行的代理方法称为“React”。这与流行的同名 JavaScript 框架无关；这个版本的“ReAct”代表 Reason + Ac t。 Chase 表示，与其他形式的快速工程相比，此过程产生“更高质量，更可靠的结果”。

ReAct（不是 React）

Chase 承认，代理“面临很多挑战”，“大多数代理目前还没有做好生产准备”。

他列出的一些问题似乎是基本的计算机概念，但它们在 LLM 的背景下更具挑战性。例如，LLM通常没有长期记忆。正如 Pinecone 教程中所指出的，“默认情况下，LLM 是无状态的 - 这意味着每个传入的查询都是独立于其他交互进行处理的。

这是 LangChain 旨在帮助开发人员的一个领域，通过在处理 LL M的过程中添加内存等组件。事实上，在 JavaScript 和 TypeScript 中，LangChain 有两个与内存相关的方法： loadMemoryVariables 和 saveContext 。根据文档，第一种方法“用于从内存中检索数据（可选地使用当前输入值），第二种方法用于将数据存储在内存中。

Chase 谈到的另一种代理形式是 Auto-GPT，这是一种允许您配置和部署自主 AI 代理的软件程序。

他说:“ Auto-GPT 引入的事情之一就是代理和工具交互之间的长期记忆的概念——为此使用检索向量存储”，他指的是向量数据库。

显然，在使用 LLM 构建应用程序时，还有很多工作要做。在其 Build 主题演讲中，微软将 LangChain 归类为开发人员“ Copilot 技术堆栈”中“编排”层的一部分。在微软的系统中，编排包括提示工程和所谓的“元提示”。

微软有自己的工具 Semantic Kernel ，它与 LangChain 类似。它还宣布了一个名为 Prompt Flow 的新工具，微软首席技术官 Kevin Scott 表示，这是“另一种实际上统一 LangChain 和语义内核的编排机制”。

同样值得注意的是 LangChain 名称中的 “chain” 一词，这表明它可以与其他工具进行互操作 - 不仅仅是各种LLM，还有其他开发框架。今年五月，Cloudflare 宣布 LangChain 支持其 Workers 框架。

甚至还有一个涉及 LangChain 的新首字母缩略词：OPL，代表 OpenAI ， Pinecone 和 LangChain 。其灵感可能是 LAMP 堆栈（Linux，Apache，MySQL，PHP / Perl / Python），这是1990年代的关键部分，并导致了Web 2.0的出现。谁知道 OPL 是否会作为一个术语坚持下去——当然，它的组件并不都是开源的——但无论如何，这是一个很好的迹象，表明 LangChain 已经成为许多开发人员个人堆栈的重要组成部分。