介绍

自从LLM的出现以来，许多库似乎已经简化了其在应用程序中的集成。他们之中， Linjshen 她很快创建了自己作为参考。借助其标准方法，它为链条提供了模型调用，与矢量数据库进行交互，并构建能够思考和行动的智能因素。很长一段时间以来，它被认为是任何希望建立人工智能解决方案的人的必需品。

随着时间的流逝，许多限制变得明确： 许多抽象的层，某些项目的改进不足，隐藏成本以及缺乏验证/原始产出还有更多。保持简短而简单：自定义很困难。为了应对这些限制，新的替代方案以更有效和实用的方法出现。最有希望的解决方案之一 玉米现代框架更适合当前开发人员的需求。

玉米 它需要一种统一而灵活的方法来设计独立的因素，避免了兰班的复杂性，同时又可以实现更好的任务巧合。 Langchain摇篮道路，但是这些新的解决方案可能会通过为当今开发人员的真实需求提供更好的答案来超越它。

Langchain限制为LLM代理库

第一次出现时， Linjshen 开发人员给LLMS支持的施工应用留下了深刻的印象。在 Theodo和AI数据兰吉森很快被采用。直到今天，我们仍在使用它来快速构建 概念的证据 项目或测试想法或检查技术的可行性。 Langchain也用于西奥多 为了舒适的盖子和与langfuse的平稳整合提供的 最动的监视功能。

尽管 Linjshen 它已成为LLM应用程序的真正标准，现在它受到了巨大的限制，促使许多开发人员搜索替代方案。

1。不控制独立因素

主要问题之一是 缺乏控制 与代理商合作时。使用兰链因子时，框架 向LLMS拨打隐藏的电话，一起询问序列，而无需在此过程中给出开发人员的全部愿景。结果？ 不可预测的成本 和 入门实施，有时会导致不必要的长期工作。

2。抽象过多和固体结构

这 抽象过多 和 扎实的体系结构 也使改进变得困难。改变治疗或定制代理的过程变得非常复杂，因为兰班施加了内部结构。使粘土更糟的是，文件是 不完整，播放过时的例子 – 使学习曲线非常不必要地下降

作为图书馆，其封面与Langfuse集成在一起，Langchain很有用。作为一个商业框架，兰班受到了非常限制。 Langchain强加了不适当的结构，从而降低了纠正，诊断LLM行为并确定项目保存的能力。此外，这减慢了新手开发人员的学习过程，甚至可以在他们的理解中掩盖差距。这些限制使我们探索了其他图书馆和替代模型，以开发LLM代理，例如原子因素，Pydanticai或Marvin。

原子代理作为新模型

如果真正的游戏更改是怎么办 玉米 及其费用？

玉米 库设计的库 建立独立人工智能代理商 以标准和改进的方式。与Langchain不同，它避免了大型摘要并为开发人员提供 更多地控制代理商的工作。他简化的方法允许 最佳效率，透明度和扩展能力。玉米 它是由肯尼·瓦内特尔德（Kenny Vanetelllede En Juin）2024推出的，这是Reddit的非常积极的贡献者 2024年6月从那以后，她的受欢迎程度一直在稳步增长。

玉米 与Langchain，Crewai和其他类似框架相比，它提供了许多重大改进：

• 降低复杂性： 没有更多的抽象。仅有的 简单的成分 可以根据需要将其组合和排列。
• 控制是力量： 玉米 旨在为开发人员提供 完全控制 每个都是代理（代理，内存，抹布等）的重要组成部分。这允许 定制，控制和改进 无需猜测幕后发生了什么。
• 安装方法：公共订阅（输入，过程，输出）： 通过采用 公共订阅表格 （输入输出操作）并强调原子， 玉米 提高 模型，维护和扩展。

1。 IPOB：输入，过程，输出 – 这就是全部

玉米 它通过遵循 公共订阅表格：

• 入口： 使用使用数据结构的有效性 pydantic
• 实际的： 所有操作均已处理 代理商 和 工具 （内存，上下文提供商等）
• 导演： 使用使用数据结构的有效性 pydantic

2。 原子和个人责任原则

背后的主要思想 玉米 这是结构 简单而专业的生物 – 代理，内存，上下文服务提供商等 – 每个组件都有文件 一个责任 可以通过各种管道重复使用。设计为 没有僵硬的依赖，这些单元可以是 它被添加或删除 而不会破坏整个系统，并确保 最佳模型。这种方法 它避免了机会。

和 简单的生物，开发人员可以 建造更复杂的管道 步步。

玉米 它与 pydantic，但更重要的是， 培训师。这解决了图书馆面临的主要问题 有限的主管： 这 生态系统。

多亏了它与 培训师和 玉米 它允许开发人员到达 广泛的LLM服务提供商 这使它变得容易 将任何当前项目替换为后代呢

我们如何使用它？

1。重要的输入和输出

我们开始创建计划，以确定我们的输入和输出。与Langchain不同，我们的 健康验证计划 每个输入和输出。

2。创建一个透明波系统

我们创建一个清晰，简单的标准交互系统。

3。 建造代理

4。 表格的示例：抹布

这 contexProvider 它本身是一种刻板印象 独立的。一个 抹布 它可以通过多种因素共享 – 就像内存一样。可能有因素 共享相同的记忆。

结论

玉米 这是LLM生态系统中非常有前途的单元，也是Langchain的挑战。它在Langchain上提供了三个主要优势：

• 透明度： 与Langchain不同，使用玉米时一切都可以理解。
• 简单： 没有黑匣子 – 只有 代码。
• 控制： 纠正，交换组件并完全控制代理行为的全部能力。

可以说， Linjshen 这仍然是一个强大的选择，也是一个很好的切入点：

• 受益于 大型社区 准备帮助。
• 互联网上充满了课程和示例。
• 那 LLM的绝佳工具快速。
• 不安全

Langchain还带有他自己的环境系统（兰史密斯和 兰瑟夫），允许您建造 一侧项目 容易地。

在另一侧， 玉米 它尚未与langfuse平滑集成。原子因素还需要对LLM概念和互动感到满意。这可能不适合LLM界的新来者。

但是，它带来了 新型号 建立LLM代理商并提供 新思维方法 关于基于LLM的开发 – 这使它完全 值得探索。

您在寻找Genai专家吗？请随时与我们联系！