语言模型（LLM）仅能输出文本，而不能执行具体操作。LangChain的一个重要应用是创建代理系统，这些系统使用LLM作为推理引擎来决定执行哪些操作以及这些操作的输入是什么。在本教程中，我们将构建一个能够与多个不同工具互动的代理，包括本地数据库和搜索引擎。您可以向该代理提问，观察它调用工具，并与其进行对话。我们将创建两个工具：Tavily和Retriever。

当前市面上有许多分词器，适用于不同的语言和模型。在Python中，我们可以使用诸如tiktoken、spaCy、NLTK、KoNLPy等库来实现文本切分和Token计数。这些库提供了不同的方式和优化，以迎合各自语言和模型的需求。

RAG是一种结合了信息检索和自然语言生成的技术，通过检索相关文档片段并利用强大的生成模型（如GPT）生成答案。有了Redis作为高效的向量数据库，我们可以快速索引和检索文档中的相关信息，以增强生成模型的回答精度。

是专为处理大规模数据而设计的，它使得数据科学家和分析人员可以快速、高效地进行数据分析。通过支持标准SQL和无服务器架构，用户可以轻松地在各类云环境中执行复杂的查询。