基于LLM的SQL应用程序开发实战（一）
16.1 SQL on LLMs应用程序初始化
本节主要从案例代码的角度切入，探索ChatGPT以及大模型，尤其是从生产环境的视角，来思考具体的最佳实践。本节主要跟大家谈的是，在LangChain这样一个框架下，我们使用GPT-3.5或者GPT-4大模型，同时使用第三方工具，例如MySQL或者SQLite等等。如果做一些基于内存或者轻量级的开发，SQLite是一个非常方便的工具，从整体的角度讲，你可以把它当做文件，然后它内部的数据又是结构化的，可以采用SQL的方式进行操作。许多年前，当我们做安卓应用程序的时候，绝大多数应用程序都使用SQLite。因此，这些工具都非常实用。如果你要开发大型模型应用程序，SQLite仍然是一个很好的工具。当然，如果你要使用MySQL等工具也没有问题。这些都是基础操作，在这里就不再详细阐述了。
Gavin大咖微信：NLP_Matrix_Space
使用SQL是从工具层面。从模型层面，我们使用GPT-3.5或者GPT-4，另外一个很重要的点是链（Chain）层面， 我们回到LangChain的官方文档，看到的是最新的Python版本，如果你喜欢TypeScript，也是非常棒的，作者去年到今年有很多项目，大多数项目都使用了TypeScript，因为它前端后端都是统一的，同时LangChain本身也支持TypeScript。现在我们主要讨论的是Python。实际上，如果你很有编程经验，编程语言对你来说没有太大区别，只是面向对象封装以及解耦合会有所不同，但逻辑都是一样的。
让我们再次看一下链（Chain）