Update nexus: fix conflicts and sync local changes

wiki/entities/LangChain.md

@@ -1,39 +1,39 @@
----
-title: "LangChain"
-type: entity
-tags: [llm, framework, python, rag, ai]
-last_updated: 2025-01-16
----
-
-## Definition
-LangChain 是一个用于构建 LLM 应用的 Python/JavaScript 框架，提供模块化组件抽象（Document Loader、Text Splitter、Embedding、Vector Store、Retriever、Chain、PromptTemplate 等），大幅简化 RAG、Agent 等 LLM 应用的开发。
-
-## Type
-- **Category**: AI Framework / 开发框架
-- **Website**: python.langchain.com
-- **Language**: Python, JavaScript/TypeScript
-
-## Core Components
-1. **Document Loader**：从 160+ 不同来源（网页/PDF/Notion/Slack 等）加载文档
-2. **Text Splitter**：将长文档切分为满足 Embedding Context Window 的小片段（Split）
-3. **Embedding**：集成多种 Embedding Provider（BAAI/BGE、OpenAI、Cohere 等）
-4. **Vector Store**：集成多种向量数据库（Qdrant、Pinecone、Chroma、FAISS 等）
-5. **Retriever**：基于向量相似度的文档检索接口
-6. **Chain**：将多个步骤串联执行的抽象，最关键的是 RAG Chain（RetrievalQA Chain）
-7. **PromptTemplate**：将变量、上下文、用户问题组装为 LLM 输入 Prompt 的模板引擎
-8. **Memory**：为 Agent 提供对话历史记忆能力
-
-## Key Value
-- **降低 RAG 开发门槛**：将 Indexing-Retrieval-Generation 三阶段封装为可复用的组件，开发者无需从零实现向量化和相似度检索
-- **Chain 抽象**：通过 LCEL（LangChain Expression Language）声明式组合各组件，支持 RAG Chain、Conversation Chain 等开箱即用模式
-- **工具生态**：与 LangSmith（监控）、LangServe（部署）构成完整应用生命周期支持
-
-## In RAG Context
-- [[rag从入门到精通系列1-基础rag]] 中作为核心工具链组件，负责 Indexing 阶段的文档加载/切分/向量化入库，以及 Retrieval + Generation 阶段的 Chain 编排
-
-## Related Concepts
-- [[RAG]] — LangChain 的核心应用场景
-- [[Indexing]] — LangChain 封装的关键阶段
-- [[Retrieval]] — LangChain 的 Retriever 组件
-- [[Generation]] — LangChain 的 Chain + PromptTemplate 组件
-- [[LlamaIndex]] — 同类竞品框架，各有侧重
+---
+title: "LangChain"
+type: entity
+tags: [llm, framework, python, rag, ai]
+last_updated: 2025-01-16
+---
+
+## Definition
+LangChain 是一个用于构建 LLM 应用的 Python/JavaScript 框架，提供模块化组件抽象（Document Loader、Text Splitter、Embedding、Vector Store、Retriever、Chain、PromptTemplate 等），大幅简化 RAG、Agent 等 LLM 应用的开发。
+
+## Type
+- **Category**: AI Framework / 开发框架
+- **Website**: python.langchain.com
+- **Language**: Python, JavaScript/TypeScript
+
+## Core Components
+1. **Document Loader**：从 160+ 不同来源（网页/PDF/Notion/Slack 等）加载文档
+2. **Text Splitter**：将长文档切分为满足 Embedding Context Window 的小片段（Split）
+3. **Embedding**：集成多种 Embedding Provider（BAAI/BGE、OpenAI、Cohere 等）
+4. **Vector Store**：集成多种向量数据库（Qdrant、Pinecone、Chroma、FAISS 等）
+5. **Retriever**：基于向量相似度的文档检索接口
+6. **Chain**：将多个步骤串联执行的抽象，最关键的是 RAG Chain（RetrievalQA Chain）
+7. **PromptTemplate**：将变量、上下文、用户问题组装为 LLM 输入 Prompt 的模板引擎
+8. **Memory**：为 Agent 提供对话历史记忆能力
+
+## Key Value
+- **降低 RAG 开发门槛**：将 Indexing-Retrieval-Generation 三阶段封装为可复用的组件，开发者无需从零实现向量化和相似度检索
+- **Chain 抽象**：通过 LCEL（LangChain Expression Language）声明式组合各组件，支持 RAG Chain、Conversation Chain 等开箱即用模式
+- **工具生态**：与 LangSmith（监控）、LangServe（部署）构成完整应用生命周期支持
+
+## In RAG Context
+- [[rag从入门到精通系列1-基础rag]] 中作为核心工具链组件，负责 Indexing 阶段的文档加载/切分/向量化入库，以及 Retrieval + Generation 阶段的 Chain 编排
+
+## Related Concepts
+- [[RAG]] — LangChain 的核心应用场景
+- [[Indexing]] — LangChain 封装的关键阶段
+- [[Retrieval]] — LangChain 的 Retriever 组件
+- [[Generation]] — LangChain 的 Chain + PromptTemplate 组件
+- [[LlamaIndex]] — 同类竞品框架，各有侧重