LangChain 宣布完成 1000 万美元种子轮融资，Benchmark 领投
Announcing our $10M seed round led by Benchmark
LangChain 宣布获得 1000 万美元种子轮融资，由 Benchmark 领投。上线六个月来该项目在 GitHub 获超 20K stars、拥有 350+ 贡献者。
官方宣布融资并给出社区规模、组件数量和后续计划，读者可以据此了解 LangChain 当时的能力边界与发展方向。
就在六个月前，我们发布了 LangChain 的第一个版本，但感觉仿佛已经过去了好几年。我们发布时，生成式 AI 正开始走向主流：stable diffusion 刚刚发布，激发着人们的想象力，推动开发者活动激增，Jasper 宣布了一轮融资，投资者也发布了首批 生成式 AI 市场图谱。
在内容创作蓬勃发展的同时，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。
在这场计算领域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单一的综合性‘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，并没有任何创办公司的意图。它始于注意到人们在解决问题时所采用的常见模式，并尝试创建让事情变得更简单的抽象。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 上拥有超过 20K 星标、10K 活跃 Discord 成员、超过 30K 的 Twitter 关注者，而且——最重要的是——超过 350 名贡献者。
显而易见，LangChain + LLM 的组合打开了令人惊叹的产品和应用的前沿。同时也很清楚，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需求（400 多个 GitHub issue、100 个待处理的 PR），我们想要提供帮助！
有鉴于此，我们很高兴公开宣布，我们已筹集了 1000 万美元种子资金。本轮由 Benchmark 领投，我们很高兴能获得他们的建议，因为他们曾是我们都在使用的一些标志性开源软件的首位领投投资者，包括 Docker、Confluent、Elastic、Clickhouse 等。有了这笔资金，我们将积极投入，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实用应用。
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大核心价值是：
组件
LangChain 提供了一套模块化的抽象和组件，为开发者使用语言模型构建应用提供了所需的一切。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，可将文本数据切分成块，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，以完成特定任务，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。除了提供易于开发者创建自定义链和代理的高层接口外，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 种不同链 的实现
- 6 种不同通用代理类型 的实现（专为使用工具并与外部世界交互而设计的链）
- 7 种不同“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内容正专注于解决这些问题：
- 让 TypeScript 包的功能与 Python 达到同等水平，使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引导
- 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：
- 让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，并做更多事情来支持你们。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分配更多资源，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 support@langchain.dev 与我们联系！
感谢迄今为止的一切，让我们一起来构建一些很酷的东西 🙂
来源：LangChain：Blog · langchain.com