LangChain 宣布由 Benchmark 领投的 1000 万美元种子轮
Announcing our $10M seed round led by Benchmark
LangChain 宣布完成 1000 万美元种子轮融资，由 Benchmark 领投，资金将用于加大对社区智能应用开发的支持。官方同时披露项目现状：GitHub 超 20K stars、Discord 活跃成员 10K、Twitter 关注者超 30K、贡献者超 350 人，并收到 400+ GitHub issue 和 100 个待合并 PR。
LangChain 官方披露 1000 万美元种子轮由 Benchmark 领投，并给出框架现状与后续路线，可据此了解早期 LLM 应用框架的社区规模与产品方向。
仅仅在六个月前，我们发布了 LangChain 的第一个版本，但感觉却像是过了好几年。当我们启动时，生成式 AI 刚开始走向主流：稳定扩散刚刚发布，正激发着人们的想象力，并推动了开发者活动的爆发，Jasper 宣布了一轮融资，投资者发布了首批生成式 AI 市场地图。
伴随着内容创作领域的这一繁荣，人们开始意识到，这项技术的真正力量并不在于孤立地使用语言模型，而在于将语言模型作为一个新的、更智能系统的一部分来使用。开发者们正在讨论如何将语言模型连接到他们自己的专有文档、API 和结构化数据。像Self-Ask with Search和ReAct这样的研究论文相继发表，展示了这些方法的强大之处。
在计算领域这场构造性转变的早期震动中，我们于 2022 年 10 月 24 日发布了 LangChain Python 包的第一个版本。在最初的推文串中，Harrison 说：
- “一个旨在通过可组合性帮助构建 LLM 应用的 Python 包”
- “真正的力量在于你能够将 [LLM] 与其他事物结合起来。”
- “LangChain 旨在通过创建……一个你可能会想要组合的所有组件的全面集合……一个灵活的接口，用于将各个组件组合成一个全面的‘链’来帮助实现这一点”
为什么要融资？
这一切最初只是一个开源副项目，并没有建立公司的打算。它始于注意到人们处理问题时的常见模式，并尝试创建抽象来使其更容易。这些最初的简单抽象引起了共鸣，项目由此起飞，这在很大程度上要归功于你们的社区支持和贡献。LangChain 现在在 GitHub 上有超过 2 万颗星，Discord 上有 1 万名活跃成员，Twitter 上有超过 3 万名关注者，而且——最重要的是——有超过 350 名贡献者。
很明显，LangChain + LLM 的组合打开了令人惊叹的产品和应用的前沿。而且，同样明显的是，要让这些应用良好运行（尤其是在生产环境中），还需要更多的工作和工具。你们每天都在向我们提出更多要求（400 多个 GitHub issue，100 个开放的 PR），我们想要提供帮助！
考虑到这一点，我们很高兴地公开宣布，我们已经筹集了 1000 万美元的种子资金。Benchmark 领投了这轮融资，我们很高兴能得到他们的建议，因为他们是我们都在使用的一些标志性开源软件的首批领投投资者，包括 Docker、Confluent、Elastic、Clickhouse 等。有了这笔资金，我们将积极投资，以跟上社区在构建智能应用方面所做的开创性工作。我们的目标很简单：赋能开发者构建由语言模型驱动的有用应用。
那么你们可以期待我们做什么呢？
今天的 LangChain
LangChain 是一个用于开发由语言模型驱动的应用的框架，同时提供Python和TypeScript包。我们相信，最强大、最具差异化的语言模型应用将会：
- 具备数据感知能力：将语言模型连接到其他数据源
- 具备代理能力：允许语言模型与其环境交互
LangChain 框架的设计正是基于上述目标原则。我们认为它提供的两个主要价值主张是：
组件
LangChain 提供了一套模块化的抽象和组件，为开发者提供了使用语言模型构建应用所需的一切。它还包括这些抽象的多种实现集合。
这些组件在很大程度上由社区驱动。仅 Python 仓库就有超过 300 名贡献者。一些亮点：
- 与 20 多种不同的模型提供商或托管平台集成
- 包含 50 多种文档加载器，可从不同来源加载数据
- 包含 10 多种文本拆分方法，可将数据拆分成块，以便语言模型轻松使用
- 与 10 多种不同的向量数据库集成
- 包含 15 多种不同的工具，供语言模型使用
预构建的链和代理
链允许开发者以特定方式组装组件来完成特定任务，例如总结大型 pdf 文档或查询 SQL 数据库。代理可以看作是“动态链”，其中所采取的步骤顺序由语言模型即时决定。除了提供高级接口使开发者易于创建自定义链和代理外，LangChain 还提供了许多开箱即用的预构建链和代理。
同样，这些组件在很大程度上由社区驱动。一些亮点：
- 约 20 种不同的链的实现
- 6 种不同的通用代理类型的实现（专门设计用于使用工具并与外部世界交互的链）
- 7 种不同的“代理工具包”的实现（配备特定工具集以完成特定任务的代理）
未来计划
如前所述，我们相信语言模型正在开启新型的高价值应用，而创建和维护这些应用仍然并非易事——尤其是在生产环境中。我们最近发布的一些版本专注于解决这些问题：
- 使 TypeScript 包的功能与 Python 达到同等水平，以便更多全栈和前端开发者能够创建 LLM 应用
- 实现多种类型的 OutputParsers，以便对 LLM 返回的文本提供更多安全性和指导
- 引入 Retriever 抽象，以支持更复杂且必要的文档检索类型
- 与 Weights & Biases、AIM、ClearML 等解决方案构建集成，以便对 LLM 应用进行更多可观测性和实验
我们将继续为 LangChain 添加功能，并提供其他产品，以：
- 使快速原型开发应用变得容易。
- 弥合原型开发与投入生产之间的差距。
我们非常期待看到将会构建出什么，并做更多来支持你们。我们也特别感谢整个 LangChain 社区。LangChain 将继续保持开源并专注于开发者——我们的融资让我们能够投入更多资源，将其提升到新的水平。如果这个使命和旅程听起来对你有吸引力，我们正在积极招聘创始工程师。如果你对新功能有建议，或者有兴趣在生产环境中评估和运行你的 LangChain 应用，我们尤其希望你能通过 [email protected] 与我们联系！
感谢迄今为止的一切，让我们一起来构建一些酷炫的东西 🙂
来源：LangChain Blog · langchain.com