伴随大语言模型（LLM，Large Language Model）的涌现，人们发现生成式人工智能在非常多领域具有重要意义，如图像生成，书写文稿，信息搜索等。随着 LLM 场景的多样化，大家希望 LLM 能在垂直领域发挥其强大的功能。
本文为笔者学习LangChain时对官方文档以及一系列资料进行一些总结～覆盖对Langchain的核心六大模块的理解与核心使用方法，全文篇幅较长，共计50000+字，可先码住辅助用于学习Langchain。一、Langchain是什么？
由于目前比较火的chatGPT是预训练模型，而训练一个大模型是需要较长时间，这就导致了它所学习的知识不会是最新的，最新的chatGPT-4o只能基于2023年6月之前的数据进行回答，距离目前已经快一年的时间，如果想让GPT基于近一年的时间回复问题，就需要RAG技术了。
本文经翻译并二次整理自Enhancing RAG-based application accuracy by constructing and leveraging knowledge graphs一文。
前言前面给大家介绍了一些在线构建聊天机器人和私有化离线部署LLM模型建立知识库的方案，如Quivr结合Supabase、PrivateGPT、ChatGLM 6B等，基本上这些解决方案的背后整体的核心都离不开一个关键技术，就是LangChain。
