LangChain Libraries 是一个整合了各种 Prompt 的工具包。使用这个工具包，开发者能更专注于业务逻辑和业务实现。
RAG，全称为 Retrieval-Augmented Generation，中文翻译为检索增强生成。它是一种为大模型提供外部知识源的策略，使得大模型在回答问题之前，可以先利用一个知识库来获取候选的知识，再由大模型来生成答案。这种方式可以有效地减少模型幻觉问题，即大模型胡说八道的情况，同时也能避免由于数据不及时或未更新而导致的答案不准确的问题。RAG 技术在企业不同的领域中有非常宽广的应用领域，可以解决由于数据不及时或未更新而导致的答案不准确的问题。
使用 LangChain 可以让大模型基于本地知识库进行问答，适用场景：智能客服
分析结构化数据（结构化数据是指以固定格式组织和存储的数据，通常具有明确的模式和规则，便于计算机程序直接处理和分析。结构化数据通常以表格形式呈现，例如关系型数据库中的表，每一行代表一条记录，每一列代表一个字段）。适用场景：数据分析、数据洞察等等
聊天机器人的特点是它们可以长时间运行，有状态对话，并可以使用相关信息回答用户问题。
从外部数据中结构化提取信息、对文档做总结、代码理解、工具使用、读取网页信息、访问 SQL 数据库等等
官方示例：https://python.langchain.com/docs/use_cases/