All’inizio di questo mese, LangChain, un framework Python per LLM, ha ricevuto $10 milioni di finanziamento iniziale da Benchmark e poco dopo un round di finanziamento di $20-25 milioni da Sequoia, con una valutazione di $200 milioni. LangChain offre un wrapper di astrazione che semplifica l’integrazione degli LLM nei programmi, anche se alcuni sviluppatori hanno riscontrato problemi nell’utilizzarlo in produzione a causa dei suoi anacronismi.
Tuttavia, LangChain è considerato il framework di riferimento per molte applicazioni di LLM, avendo ottenuto 20.000 stelle su GitHub. Il pacchetto ha la capacità di creare una catena di comandi per la trasmissione di istruzioni a un LLM e ha modi per implementare la memoria LLM e valutare la potenziale utilità di un LLM.
Nonostante gli anacronismi, LangChain ha portato un certo valore all’integrazione di LLM in programmi, anche se alcuni utenti preferirebbero creare il proprio wrapper. Tuttavia, con la rapida evoluzione degli LLM, la proposta di valore di LangChain potrebbe essere ridimensionata.
Nonostante ciò, LangChain rimane indipendente dalla piattaforma e ha una notevole quantità di slancio, con alcuni programmatori che prevedono che potrebbe diventare la faccia abbracciata degli LLM in futuro. Potrebbe anche offrire servizi predefiniti ospitati sui propri server su base as-a-service per la monetizzazione.
In pochi mesi, il framework ha decuplicato la sua compatibilità, con finanziamenti attuali e futuri che aprono la strada a ulteriori rifiniture da aggiungere al prodotto. Nonostante i problemi attuali, LangChain potrebbe diventare una bestia nel prossimo futuro e diventare l’Android per iOS di OpenAI.
LangChain è stato rilasciato nell’ottobre 2022, in un momento in cui la necessità di un framework di questo tipo era evidente, poiché gli LLM stavano diventando sempre più importanti nell’ambito dell’IA. Inizialmente, LangChain aveva solo il supporto per l’API OpenAI e Cohere, ma oggi il progetto supporta oltre 20 fornitori di modelli e piattaforme di hosting, oltre 50 caricatori di documenti, più di 10 database vettoriali e oltre 15 strumenti comunemente utilizzati dagli LLM.
Il vantaggio principale di LangChain è la sua capacità di creare una catena di comandi, che consente agli sviluppatori di trasmettere istruzioni a un LLM in modo intuitivo. Questa catena può includere l’uso di diversi modelli di LLM e altre utilità, consentendo la creazione di agenti AI in grado di decidere il flusso di informazioni in base all’input dell’utente. Inoltre, il pacchetto ha modi per implementare la memoria LLM e benchmark integrati per valutare la potenziale utilità di un LLM.
Sebbene LangChain abbia ricevuto finanziamenti significativi e abbia una grande base di utenti su GitHub, alcuni sviluppatori hanno riscontrato problemi nell’utilizzarlo in produzione a causa della scarsa osservabilità del codice e delle prestazioni. Tuttavia, ci sono canali di supporto disponibili per coloro che utilizzano LangChain in un ambiente di produzione e alcuni programmatori prevedono che il framework potrebbe diventare la faccia abbracciata degli LLM in futuro.
In definitiva, LangChain ha apportato un certo valore all’integrazione degli LLM nei programmi, ma la rapida evoluzione degli LLM potrebbe limitare la sua proposta di valore nel tempo. Nonostante ciò, il framework è indipendente dalla piattaforma e ha una notevole quantità di slancio, con finanziamenti attuali e futuri che aprono la strada a ulteriori rifiniture. Con il tempo, LangChain potrebbe diventare un’importante presenza nell’ambito dell’IA e trovare nuovi modi per monetizzare il suo valore.