（15-5）langchain模型I/O与数据增强：使用大型语言模型（LLMs）

大型语言模型（LLMs）是一类基于深度学习技术的强大自然语言处理模型，它们在近年来在自然语言处理领域取得了巨大的成功和影响。这些模型以巨大的数据集作为训练基础，通过深度神经网络结构来学习语言的复杂模式和规律，从而实现了在各种自然语言处理任务上的优异性能。

3.5.1  LLMs介绍

随着大型语言模型（LLMs）的兴起，信息提取应用程序的能力也在不断增强。传统的信息提取解决方案往往依赖于人工制定的规则（例如正则表达式）、大量手工制定的规则和定制的精细调整的ML模型。这些系统随着时间的推移变得越来越复杂，维护成本逐渐增加，增强困难。

相比之下，LLMs可以通过提供适当的指令和适当的参考示例，快速适应特定的提取任务。它们不仅可以执行语言生成任务，还可以用于信息提取工作。具体来说，LLMs的意义如下所示。

1. 定制化：自定义LLM可以根据特定的需求进行定制，使得信息提取过程更加灵活和可控。通过定义适当的指令和参考示例，可以使LLMs执行特定的提取任务。
2. 降低开发成本：使用自定义LLM可以减少开发成本。相比于传统的信息提取解决方案，定制LLMs不需要大量的手工制定的规则或定制的ML模型。这降低了开发和维护的成本。
3. 提高效率：自定义LLM可以根据指定的规则和参考示例快速进行调整，从而提高信息提取的效率。与传统的信息提取解决