开发：LangChain-2023 AI应用发展回顾

飞书用户6750

飞书用户8280

2024年1月26日修改

🚅

原创 AI小智 AI小智 2024-01-16 09:01 发表于湖北

LangChain2023年人工智能现状

2023年,随着ChatGPT的爆火,生成式AI的关注度也爆发式增长。所有公司从创业公司到头部企业都在(并且仍在)试图找出自己的生成式AI策略。​

•
我们如何将生成式AI整合到产品中?​

•
我们应该遵循什么参考架构?​

•
我们的用例最适合哪些模型?​

•
我们应该使用什么技术栈?​

•
我们如何测试大语言模型应用程序?​

这些都是公司都在自问的问题。在这样的不确定性时期,每个人也都想知道其他人在做什么。目前已经有一些尝试，试图通过开放数据的统计来回答这些问题state-of-ai-2023。但凭借LangChain在生态系统中的独特地位,我们觉得我们可以真正洞察团队是如何实际上使用大语言模型构建的。​

为此,我们转向LangSmith中的匿名元数据。LangSmith是我们的云平台,旨在轻松从原型过渡到生产。它提供了跟踪、回归测试和评估等功能。​

通过这些,我们可以回答关于人们在构建什么、他们如何构建这些东西以及如何测试这些应用程序的问题。所有统计数据均取自2023-07-02至2023-12-11。​

人们在构建什么?

人们在构建什么

这里我们看看人们正在构建的一些常见内容。

尽管LangSmith与LangChain 完美集成,但它也很容易在LangChain生态系统之外使用。我们看到LangSmith中的使用量中约15%来自未使用LangChain的用户。我们为使入门过程适用于上述所有组件的无论您是否使用LangChain都能保证工作正常做了大量工作。​

检索 已成为将自己的数据与大语言模型结合的主要方式。LangChain与60多个向量存储集成(索引非结构化数据的最常见方式)。LangChain还提供许多高级检索策略。我们看到42%的复杂查询涉及检索——这既体现了检索的重要性,也体现了LangChain简化检索所带来的易用性。​

最后,我们看到约17%的复杂查询属于代理的一部分。代理涉及让大语言模型决定采取哪些步骤,这使您的系统能够更好地处理复杂查询或边缘案例。然而,由于可靠性或执行性仍然不高,这可能就是我们没有看到更多使用的原因。​

LCEL的使用情况

开发：LangChain-2023 AI应用发展回顾​