LangChain 是一个允许开发者将语言模型与应用程序连接起来，使应用程序能够嵌入大模型的能力的框架。LangChain 已经成为提示词工程工具包景观中的基石，最初专注于链条，但扩展到支持包括智能体和网络浏览功能在内的更广泛的功能。
虽然代理有可能成为 LLM 应用程序架构的核心部分，但今天的大多数代理框架都处于概念验证阶段，还不能可靠、可重现地完成任务。因此，我们正在密切关注它们在不久的将来会如何发展。
此外，高级提示词工程技术的普及促进了一系列工具和框架的发展，每个工具都旨在简化这些方法的实施并增强其能力。这些资源在将理论方法与实际应用之间的差距弥合方面至关重要，使研究人员和实践者能够更有效地利用提示词工程。
因此，代理有可能成为LLM应用程序架构的核心部分（如果您相信递归自我改进，甚至可以接管整个堆栈）。像LangChain这样的现有框架已经包含了一些代理概念。只有一个问题：代理还没有真正起作用。今天的大多数代理框架都处于概念验证阶段——能够进行令人难以置信的演示，但还不能可靠、可重现地完成任务。我们正在密切关注它们在不久的将来会如何发展。
提示词也可以是一个复杂的系统性工程，本文介绍了一种自动生成大量内容的方法。由Harrison Chase开发的LangChain，允许开发者将语言模型与应用程序连接起来，使应用程序能够嵌入大模型的能力。俗称ReAct，它展示了一种提示词技术，允许模型“推理”（通过思想链）和“行动”（通过能够使用预定义工具集中的工具，例如能够搜索互联网）。下面拿我23年初，我设计的一个简单的提示词链作为示例：目的：用AI批量生成拆书稿（拆书搞就是把一本书分解成为一些小节，一些平台会购买优质的书稿，帮助读者快速阅读）设计思路：十拆法，除了恰好有十个章节的书以外，多的就合并，少的就分解，根据实际情况拆分。程序输出：每次运行可以无需人工干预，自动生成上百篇内容。输入一个简单的书名，输出百篇文章，最大化效率！
高级提示词工程技术的普及促进了一系列工具和框架的发展，每个工具都旨在简化这些方法的实施并增强其能力。这些资源在将理论方法与实际应用之间的差距弥合方面至关重要，使研究人员和实践者能够更有效地利用提示词工程。Langchain已经成为提示词工程工具包景观中的基石，最初专注于链条，但扩展到支持包括智能体和网络浏览功能在内的更广泛的功能。它的全面功能套件使其成为开发复杂LLM应用的宝贵资源。由Microsoft提供的Semantic Kernel，提供了一个强大的技能开发和规划工具包，扩展了其实用性，包括链条、索引和内存访问。它支持多种编程语言的多功能性增强了其对广泛用户基础的吸引力。同样来自Microsoft的Guidance库，引入了一种针对提示词工程的现代模板语言，提供了与该领域最新进展对齐的解决方案。它专注于现代技术，使其成为尖端提示词工程应用的首选资源。NVidia的Nemo Guardrails专门设计用于构建Rails，确保LLM在预定义的指导方针内运行，从而增强了LLM输出的安全性和可靠性。LlamaIndex专门从事LLM应用的数据管理，为这些模型所需的数据流入提供必要的工具，简化了数据集成过程。