原標(biāo)題：LangChain：2024 年 AI 應(yīng)用開(kāi)發(fā)報(bào)告
文章來(lái)源：特工宇宙
內(nèi)容字?jǐn)?shù)：4355字

LangChain 2024 年 LLM 應(yīng)用開(kāi)發(fā)趨勢(shì)洞察

LangChain 生態(tài)系統(tǒng)在 2024 年蓬勃發(fā)展，其一體化 LLM 應(yīng)用開(kāi)發(fā)平臺(tái) LangSmith 吸引了近百萬(wàn)用戶注冊(cè)。通過(guò)分析 LangSmith 上數(shù)百萬(wàn)次 LLM 應(yīng)用追蹤數(shù)據(jù)，我們對(duì) LLM 應(yīng)用開(kāi)發(fā)的趨勢(shì)有了更清晰的認(rèn)識(shí)。本文將分享一些關(guān)鍵發(fā)現(xiàn)，展現(xiàn) LLM 應(yīng)用構(gòu)建的實(shí)踐演進(jìn)。

基礎(chǔ)設(shè)施：開(kāi)源模型崛起與部署方式多元化

OpenAI 依然占據(jù) LLM 提供商榜首，但開(kāi)源模型的勢(shì)頭不容小覷。Ollama 和 Groq 等開(kāi)源模型提供商快速崛起，進(jìn)入前五名。Ollama 專注本地部署，Groq 則側(cè)重云端部署，這體現(xiàn)了開(kāi)發(fā)者對(duì)靈活部署和定制化基礎(chǔ)設(shè)施日益增長(zhǎng)的需求。開(kāi)源模型的整體使用率約占前 20 名 LLM 提供商的 20%，顯示出其在 LLM 應(yīng)用開(kāi)發(fā)中的重要性。

數(shù)據(jù)存儲(chǔ)：向量數(shù)據(jù)庫(kù)的應(yīng)用與選擇

在檢索技術(shù)方面，Chroma 和 FAISS 依然是最受歡迎的向量數(shù)據(jù)庫(kù)。Milvus、MongoDB 和 Elastic 等數(shù)據(jù)庫(kù)也躋身前十，顯示出向量數(shù)據(jù)庫(kù)市場(chǎng)的多樣化發(fā)展。這反映了開(kāi)發(fā)者對(duì)高效存儲(chǔ)和檢索向量數(shù)據(jù)的日益重視，以支持更復(fù)雜的 LLM 應(yīng)用。

應(yīng)用構(gòu)建：Agent 模式興起與復(fù)雜工作流的構(gòu)建

LangChain 用戶構(gòu)建的應(yīng)用越來(lái)越多樣化，從簡(jiǎn)單的問(wèn)答到復(fù)雜的 Agent 工作流，創(chuàng)新層出不窮。 Agent 模式應(yīng)用日益普及，LangChain 自研的 Agent 框架 LangGraph 的使用率達(dá)到 43%，體現(xiàn)了開(kāi)發(fā)者對(duì)構(gòu)建更智能、更自主的 Agent 的興趣。工具調(diào)用的平均次數(shù)大幅增加，從 2023 年的 0.5 次增加到 2024 年的 21.9%，這表明 Agent 能夠更有效地與外部系統(tǒng)交互，完成更復(fù)雜的任務(wù)。

開(kāi)發(fā)工具與語(yǔ)言：Python 繼續(xù)領(lǐng)先，JavaScript 增長(zhǎng)迅速

Python 仍然是 LLM 應(yīng)用開(kāi)發(fā)的主導(dǎo)語(yǔ)言，占據(jù) 84.7% 的市場(chǎng)份額。然而，JavaScript 的使用量增長(zhǎng)了三倍，達(dá)到 15.3%，這與 Web 應(yīng)用開(kāi)發(fā)的增長(zhǎng)趨勢(shì)相符。開(kāi)發(fā)者對(duì)不同編程語(yǔ)言的需求日益多樣化。

可觀測(cè)性：超越 LangChain 框架

盡管 LangChain 是許多 LLM 應(yīng)用開(kāi)發(fā)的核心，但 15.7% 的 LangSmith 用戶來(lái)自非 LangChain 框架。這表明，無(wú)論使用何種框架，對(duì) LLM 應(yīng)用的可觀測(cè)性需求都在增加，開(kāi)發(fā)者需要有效地監(jiān)控和調(diào)試其應(yīng)用。

性能與優(yōu)化：更復(fù)雜、更高效的應(yīng)用

每個(gè)追蹤的平均步驟數(shù)從 2023 年的 2.8 步增加到 2024 年的 7.7 步，顯示應(yīng)用復(fù)雜性顯著提升。然而，平均 LLM 調(diào)用次數(shù)的增長(zhǎng)相對(duì)較慢，這表明開(kāi)發(fā)者更注重優(yōu)化，在減少 LLM 調(diào)用次數(shù)的同時(shí)實(shí)現(xiàn)更復(fù)雜的功能，從而降低成本。

測(cè)試與評(píng)估：自動(dòng)化測(cè)試和迭代改進(jìn)

開(kāi)發(fā)者越來(lái)越重視測(cè)試和評(píng)估。LangSmith 的評(píng)估功能被廣泛用于自動(dòng)化測(cè)試，并通過(guò)收集用戶反饋來(lái)迭代改進(jìn)應(yīng)用。相關(guān)性、正確性、精確匹配度和有用性是開(kāi)發(fā)者測(cè)試中最關(guān)注的維度。通過(guò)人類反饋的迭代，開(kāi)發(fā)者能夠創(chuàng)建更強(qiáng)大、更可靠的 LLM 應(yīng)用。帶有注釋的運(yùn)行次數(shù)增長(zhǎng)了 18 倍，這表明開(kāi)發(fā)者積極利用人類反饋來(lái)改進(jìn)其模型。

總結(jié)：邁向更智能、更高效、更可靠的 LLM 應(yīng)用

2024 年 LLM 應(yīng)用開(kāi)發(fā)呈現(xiàn)出向更復(fù)雜、更高效、更可靠的方向發(fā)展趨勢(shì)。Agent 模式的興起、開(kāi)源模型的普及、以及對(duì)可觀測(cè)性和測(cè)試的重視，都推動(dòng)著 LLM 應(yīng)用生態(tài)的不斷成熟。未來(lái)，我們期待看到開(kāi)發(fā)者如何探索更智能的工作流，構(gòu)建更強(qiáng)大的 LLM 應(yīng)用。

聯(lián)系作者

文章來(lái)源：特工宇宙
作者微信：
作者簡(jiǎn)介：Agent Universe，專注于智能體的AI科技媒體。