近年来，大语言模型（LLMs）由于其通用的问题处理能力而引起了大量的关注。现有研究表明，适当的提示设计（prompt enginerring），例如思维链（Chain-of-Thoughts），可以解锁 LLM 在不同领域的强大能力。
现在，为了实现相同的目标，我们有两个最著名的库，即 Haystack 和 LangChain，它们可以帮助我们创建基于大语言模型的端到端应用程序或流程。
对模型参数量的迷信、执念也许可以放下了，混合多个小模型也是未来构造对话型 AI 的一个光明的方向。
不知不觉，LangChain 已经问世一年了。作为一个开源框架，LangChain 提供了构建基于大模型的 AI 应用所需的模块和工具，大大降低了 AI 应用开发的门槛，使得任何人都可以基于 GPT-4 等大模型构建自己的创意应用。
做所有的工作之前，想好如何评估结果、制定好北极星指标至关重要!!! Ragas把 RAG 系统的评估指标拆分为三个维度如下，这可不是 Benz 的标...
最近在公司完成了一个内部知识问答应用，实现流程很简单，实际上就是Langchain那一套：
在三个多月前的 Google I/O 上，Google CEO Sundar Pichai 在演讲中提了不下 25 次的「AI」。而今天在上海世博中心举办的 2023 Google 开发者大会的 Keynote 上，从 Mobile、Web 到云，都是多次提到了 AI，生成式 AI 席卷之时，Google 正在将其全面渗透到所有技术栈及平台之中。
