LangChain 是一个强大的工具，可用于处理大型语言模型 (LLM)。LLM 本质上是非常通用的，这意味着虽然他们可以有效地执行许多任务，但他们可能无法为需要深入领域知识或专业知识的问题或任务提供具体答案。例如，假设您想使用 LLM 来回答有关特定领域（如医学或法律）的问题。虽然 LLM 可能能够回答有关该领域的一般问题，但它可能无法提供需要专业知识或专业知识的更详细或细微的答案。

为了解决这个限制，LangChain 提供了一种有用的方法，通过将文本语料库分解为块或摘要，将它们嵌入向量空间，并在提出问题时搜索相似的块来预处理文本语料库。这种预处理、实时收集和与 LLM 交互的模式很常见，也可以用于其他场景，例如代码和语义搜索。LangChain 提供了一个抽象来简化这些片段的组合过程。这种“prompt plumbing”至关重要，并且随着法学硕士变得越来越强大并且需要及时提供更多数据而变得越来越重要。

您可以通过他们的文档，了解更多关于 LangChain 一般用例的信息