14. 使用链式调用简化多步提示语

Hi, 大家好，我是茶桁。

OpenAI 的大语言模型提供了 Completion 和 Embedding 两个核心接口。

我们可以通过增加提示语（Prompt）历史记录来提高模型的回答准确性和自然性。还可以将 Embedding 提前索引好存起来，以此做到让 AI 根据外部知识来回答问题，

在我们多次与 AI 对话的过程中，讲 AI 返回的答案放在新的问题里，那么我们就可以让 AI 帮主我们给自己的代码撰写单元测试了。

以上这些方法是自然语言类应用中常见的模式。为了方便应用开发者使用这些模式，开源社区开发了名为 Langchain 的开源库，使用 Langchain，我们可以更加快速地实现之前利用大语言模型实现过的功能，并且可以更好地将模型集成到我们的业务系统中，实现更加复杂、有价值的功能。

何谓链式调用

在第 11 讲中，我们学习了 llama-index 的使用，并在此过程中已经安装了 Langchain。虽然 Langchain 也有类似 llama-index 的功能，但这不是 Langchain 的主要卖点。Langchain 带来的第一个主要优势就在于它的名字，也就是链式调用。

由于本文在其他平台已经成为收费文章，为了避免损害付费会员权益，所以此处做删减处理。

希望继续观看的，请订阅我的公众号。