目录

• 1. 核心概念
  • 2. 关键工具与技术
  • 4. 进阶概念

---

参考

• LangChain 中文入门教程 (opens new window)
• LLM预备知识、工具篇——LLM+LangChain+web UI的架构解析 (opens new window)

---

LangChain：概念术语

以下是LangChain学习中常见名词或概念的系统总结：

---

1. 核心概念

名词	解释
Loader（加载器）	从不同数据源（如PDF、网页、数据库）加载数据的工具，例如 DirectoryLoader、PDFLoader。
Document（文档）	Loader加载的原始数据会被转换成Document对象，包含文本内容和元数据。
Text Splitter（文本分割器）	将长文本分割为小片段（Chunk），以适应LLM的Token限制（如 RecursiveCharacterTextSplitter）。
Embedding（嵌入）	将文本转换为向量表示的技术（如OpenAI Embeddings），用于衡量文本相关性。
Vectorstores（向量数据库）	存储文档向量并支持相似性搜索的数据库（如Chroma、Milvus、Pinecone）。
Chain（链）	封装任务的工作流，例如 LLMChain（基础链）、RetrievalQA（检索问答链）。
Agent（代理）	动态选择工具（Tools）并执行复杂任务的组件，通过LLM决策调用顺序（如 Zero-shot React 代理）。
Tools（工具）	Agent可调用的功能模块（如Google搜索、计算器、自定义工具）。
Memory（记忆）	存储对话历史，实现多轮对话上下文管理（如 ChatMessageHistory）。

---

2. 关键工具与技术

名词	解释
LoRA（低秩适配）	微调大模型的轻量级技术，通过矩阵分解减少参数量，适合低资源场景。
p-tuning v2	提示微调技术，优化提示模板提升模型效果。
Token（标记）	LLM处理的最小文本单元，分词策略包括BPE（字节对编码）、子词分词等。
Milvus	云原生向量数据库，支持元数据和向量混合存储，适用大规模相似性搜索。
Faiss	Facebook开源的向量索引库，高效支持稠密向量搜索（CPU/GPU）。
Pinecone	全托管云原生向量数据库，无需自建基础设施。
Gradio	快速构建AI交互界面的Python库，适合原型开发。
Streamlit	高级Web应用框架，支持复杂数据可视化，适合生产级应用。

---

4. 进阶概念

名词	解释
Structured Output（结构化输出）	使用 Output Parsers 将LLM输出解析为JSON等结构化数据。
RetrievalQA	结合向量检索与问答的链，从知识库中提取信息生成答案。
OpenAI Functions	调用外部API的工具集成（如Zapier连接Gmail/日历）。
Chain Types	链的类型：stuff（单次处理）、map_reduce（分段总结）、refine（迭代优化）。

---