大模型三大重点：算力、数据、算法
ReAct （reason推理+act行动）--思维链

LangChain优势
简化开发流程：LangChain提供了一系列组件和接口，帮助开发者快速构建复杂的语言模型应用，无需从零开始编写所有基础代码。这降低了开发门槛，加速了项目部署。
模块化设计：它采用模块化架构，使得模型、提示、索引、代理、记忆等功能组件可以灵活组合，开发者可以根据需要选择合适的组件来定制应用。
与外部系统的集成：LangChain能够方便地与其他系统和数据源集成，比如数据库、向量数据库（如Pinecone）、API等，增强了语言模型在实际业务场景中的应用能力。
提升效率与质量：通过自动化测试用例生成、信息检索优化等特性，LangChain能够提高开发和维护应用的效率，同时保证应用的性能和质量。
社区与生态支持：作为一个开源项目，LangChain拥有活跃的开发者社区，不断贡献新的工具、插件和最佳实践，促进了技术的迭代和应用的创新。
LangChain劣势

学习曲线：尽管LangChain旨在简化开发，但作为一套框架，它仍然有一定的学习成本，尤其是对于初次接触大型语言模型和相关技术栈的开发者。
依赖复杂性：集成多个外部系统和工具可能会增加项目的复杂性，管理这些依赖关系和确保它们之间的兼容性可能成为一项挑战。
性能与资源消耗：大型语言模型本身在处理复杂任务时可能消耗较多计算资源，LangChain虽然提供了优化手段，但在某些应用场景下，资源管理和成本控制仍需精细考虑。
安全性与隐私：与任何涉及敏感信息处理的技术一样，LangChain的应用需要格外注意数据安全和隐私保护，确保符合法规要求并防止数据泄露。
模型定制化限制：虽然LangChain支持与多种大型语言模型集成，但对于模型本身的微调或深度定制支持可能有限，开发者可能需要额外工作来适应特定领域的特殊需求。