作者回复：AI开发，大模型的开发，今年是元年。我们是先驱者。 我很钦佩你的学习精神，未来属于我们这样的终身学习者。 谢谢你，兄弟。在你给我的机器学习课程留言一直感动着我，也激励着我多学，多创作，多分享。 在这个过程中，我付出了很多，更是收获了好多。

作者回复：3.8以上的任意版本。

作者回复：说的好。LangChain它提供了指导开发者如何最有效地使用这些大模型的“最佳实践”。任何事情，我们站在巨人的肩膀上，不必自己从0开始。

作者回复：同学这个问题覆盖面比较大 1. 准确性：这是最直接的指标，即机器人的回答是否准确。你可以根据自己的业务场景为机器人准备一个包含问题和正确答案的测试集，然后比较机器人的回答与正确答案。 2. GitHub上面有很多评估大模型的指标、框架和数据集，也有很多人在做这个事情，我给出一个例子 https://github.com/openai/evals 3. 主观评价。毕竟是问答型机器人，有时候没有绝对的对错，主观感受很重要。

作者回复：船票，同学，是船票😻

作者回复：嗯呐，课程终于来了。同学，在死磕过程的学习中你一定大有收获，有什么好的见解一定要多分享。一花独放不是春 百花齐放春满园！！！

作者回复：谢谢同学鼓励，也希望大家多多分享自己使用时发现的用例。

作者回复：有！同学去我的github, https://github.com/huangjia2019 , 找LangChain，我会把代码逐步都上传。

作者回复：嗯，学以致用！

作者回复：很好。刚好我两个都用。他俩有重叠之处。也都和大语言模型相关。LangChain应用面广，LlamaIndex更专。 Langchain 是一个更通用的框架，可用于构建各种应用程序。它提供了用于加载、处理和索引数据以及与LLM交互的工具。Langchain 也比 LlamaIndex 更灵活，允许用户自定义其应用程序的行为。里面有链和代理的思想以及实践。 LlamaIndex 专为构建搜索和检索这个功能而设计。LlamaIndex 也比 Langchain 更高效，使其成为需要处理大量数据的应用程序的更好选择。其实就是专注于文档检索——Indexing。这个LangChain里面有一个模块，基本上也覆盖了。 如果你的目标是构建需要灵活和可扩展的通用LLM应用程序，那么 Langchain 。如果你的目标是构建需要高效且简单的搜索和检索应用程序，那么 LlamaIndex 。