LangChain是一个框架，用于开发由大型语言模型（LLM）驱动的应用程序。

LangChain 简化了 LLM 应用程序生命周期的每个阶段：

·开发：使用LangChain的开源构建块和组件构建应用程序。使用第三方集成和模板开始运行。

·生产化：使用 LangSmith 检查、监控和评估您的链条，以便您可以自信地持续优化和部署。

·部署：使用 LangServe 将任何链转换为 API。

 

Agent的核心思想是使用语言模型来选择要执行的一系列操作。 在链中，一系列操作被硬编码（在代码中）。 在代理中，语言模型用作推理引擎，以确定要执行哪些操作以及按什么顺序执行。

 

RAG(Retrieval Augmented Generation)是一种使用额外数据增强 LLM 知识的技术。LLM 可以对广泛的主题进行推理，但他们的知识仅限于他们接受培训的特定时间点之前的公共数据。如果要构建可以推理私有数据或模型截止日期后引入的数据的 AI 应用程序，则需要使用模型所需的特定信息来增强模型的知识。引入适当信息并将其插入模型提示符的过程称为检索增强生成 （RAG）。

 

AGI指的是“通用人工智能”（Artificial General Intelligence），是指在广泛的领域和任务中，具备与人类相当或者超越人类智能的人工智能系统。与目前的人工智能系统（通常被称为“窄AI”或“弱AI”）不同，后者通常只在特定领域或任务中表现出智能，如语音识别、图像识别、自然语言处理等。

 

AIGC是人工智能生成内容（AI-Generated Content），指的是利用人工智能技术来创建或生成各种形式的内容。这些内容可以包括文本、图像、音频、视频、3D模型等。AIGC的发展和应用是人工智能技术在创意产业、媒体、娱乐、教育等领域的重要进展。