大家好，我是章北海mlpy最近在浅学LangChain，在大模型时代，感觉这玩意很有前途。

LangChain是一个开源的应用开发框架，目前支持Python和TypeScript两种编程语言。

它赋予LLM两大核心能力：数据感知，将语言模型与其他数据源相连接；代理能力，允许语言模型与其环境互动。

(相关资料图)

LangChain的主要应用场景包括个人助手、基于文档的问答、聊天机器人、查询表格数据、代码分析等。

之前大火的ChatPDF应该就是用LangChain实现的昨晚又看到一个有趣的实例：Chat with CSV&Excel using LangChain and OpenAI，蛮粗糙的，感觉可以用Gradio加个前端，或许有点意思。

https://github.com/amrrs/csvchat-langchain

源代码有TypeError的bug，我改了一下，可以跑通了，有感兴趣的可以直接复制。

# -*- coding: utf-8 -*-from langchain.document_loaders import CSVLoaderfrom langchain.indexes import VectorstoreIndexCreatorfrom langchain.chains import RetrievalQAfrom langchain.llms import OpenAIimport osos.environ["OPENAI_API_KEY"] = "sk-你的API"!wget https://gist.githubusercontent.com/armgilles/194bcff35001e7eb53a2a8b441e8b2c6/raw/92200bc0a673d5ce2110aaad4544ed6c4010f687/pokemon.csv # Load the documentsimport csvloader = CSVLoader(file_path="/Users/huhaiyang/projs/myrepo/pokemon.csv", csv_args={    "delimiter": ","})# Create an index using the loaded documentsindex_creator = VectorstoreIndexCreator()docsearch = index_creator.from_loaders([loader])# Create a question-answering chain using the indexchain = RetrievalQA.from_chain_type(llm=OpenAI(), chain_type="stuff", retriever=docsearch.vectorstore.as_retriever(), input_key="question")# Pass a query to the chainquery = "Do you have a column called age?"response = chain({"question": query})print(response["result"])

我简单测试了，胡说八道含量很高。

后期再深入研究吧，看是否可以达到简单统计，甚至实现透视表的程度。基于ChatGPT，论文写作工具

围绕 ChatGPT，赚了点小钱

国内可用 ChatGPT 客户端下载

数据分析入门：统计学基础知识总结

可能是全网最全的速查表：Python Numpy Pandas Matplotlib 机器学习 ChatGPT